Wenn neuronale Netzwerke auf Quanteninformatik treffen
Klassische neuronale Netzwerke, die sich an der neuronalen Struktur des Gehirns orientieren, sind Rechenmodelle, die mithilfe miteinander verbundener Schichten künstlicher Neuronen Muster erkennen und Funktionen erlernen können. Heutzutage werden sie mit beeindruckendem Erfolg bei unterschiedlichsten Aufgaben wie Bild- und Spracherkennung und -klassifizierung, maschinellem Lernen und der Analyse von Big Data eingesetzt. Die Entwicklung klassischer neuronaler Netzwerke verlief parallel zur Entwicklung der Quanteninformationsverarbeitung, einem fortgeschrittenen Rechenparadigma, bei dem Quantenmechanik ausgenutzt wird, um Informationen mithilfe von Qubits anstelle klassischer Bits zu verarbeiten. Obwohl beide Technologien weitgehend unabhängig voneinander entwickelt wurden, erkannte die Wissenschaft schnell mögliche Synergien. „Angetrieben von der Hoffnung, die Kapazitäten der massiv parallelen Informationsverarbeitung neuronaler Netzwerke mit der von der Quanteninformatik versprochenen Rechengeschwindigkeit zu kombinieren, gab es mehrere Bemühungen, quantenmechanische Verallgemeinerungen neuronaler Netzwerke zu entwickeln“, sagt Markus Müller, Professor am Forschungszentrum Jülich(öffnet in neuem Fenster). Eine dieser Bemühungen verkörpert das vom Europäischen Forschungsrat(öffnet in neuem Fenster) finanzierte Projekt QNets. Projektziel war die Erforschung des Potenzials neuronaler Quantennetzwerke als alternativer Weg zur Realisierung einer skalierbaren Quanteninformationsverarbeitung. „Einerseits war es unser Wunsch, konzeptionell zu verstehen, welche quantenneuronalen Architekturen formuliert werden können und welche Vorteile sie für die Quanteninformationsverarbeitung bieten“, ergänzt Müller, der das Projekt koordinierte. „Andererseits arbeiteten wir an der Ermittlung der physikalischen Bausteine zur praktischen Umsetzung neuronaler Netzwerke in moderne quantenmechanische Plattformen.“
Das Gebiet der skalierbaren Quanteninformationsverarbeitung voranbringen
Im Rahmen des Projekts wurden zahlreiche Ergebnisse erzielt, von denen jedes einzelne erhebliche Fortschritte auf dem Gebiet der skalierbaren Quanteninformationsverarbeitung bedeutete. Ein Formalismus zur Bewertung der maximalen Speicherkapazität von Quantennetzwerken gestattet es beispielsweise, die maximale Menge an Informationen zu bestimmen, die in einem neuronalen Quantennetzwerk beliebiger gegebener Größe speicherbar ist. Das Forschungsteam erkundete außerdem Quantenverallgemeinerungen neuronaler Netzwerke des Autoencoder-Typs und zelluläre Quantenautomaten, zwei paradigmatische klassische neuronale Netzwerke und Informationsverarbeitungssysteme. „Wir wiesen nach, dass die Quantenverallgemeinerungen dieser Ansätze sinnvoll und auf eine Weise formulierbar sind, dass die neuronalen Quantennetzwerke entweder trainiert oder sorgfältig entworfen werden können, um emergente Quantenfehlerkorrekturkapazitäten aufzuweisen“, erklärt Müller. Als ein weiteres wichtiges Projektergebnis gilt die Entwicklung und Umsetzung eines neuen Rahmenwerks und praktischer Protokolle sowohl für die autonome, messungsfreie Quantenfehlerkorrektur als auch die Quanteninformationsverarbeitung in modernsten Quantenprozessoren. „Mit der Überbrückung der Kluft zwischen Theorie und Experiment gelang uns die weltweit erste Demonstration einer messungsfreien, fehlertoleranten universellen Quantenberechnung“, hebt Müller hervor.
Das Potenzial offener neuronaler Quantennetzwerke verdeutlichen
Im Rahmen von QNets konnte das Potenzial offener neuronaler Quantennetzwerke als Alternativroute zur skalierbaren Quanteninformationsverarbeitung mit Erfolg aufgezeigt werden. Es wurden sowohl theoretische Resultate in Bezug auf den Machbarkeitsbeweis geliefert als auch die Realisierbarkeit der neuen Ideen demonstriert. „Wir haben die Grundlagen für die weitere Erforschung neuronaler Quantennetzwerke und messungsfreier Quanteninformationsverarbeitung gelegt, und ich bin gespannt, welche Ansätze in zukünftigen skalierbaren Quantencomputern zur Anwendung kommen werden“, schließt Müller seine Ausführungen.
