Quantencomputing in der Supply Chain

© DP - stock.adobe.com

Der Einsatz von Quantencomputing als Technologie für unterschiedlichste Anwendungen in der Supply Chain ist ein wichtiges Forschungsfeld der Zukunft: Denn für manche Fragestellungen in Supply Chain Prozessen, wie Reihenfolgeplanung (auch bekannt als Scheduling) oder Tourenplanung reicht die derzeitige Rechenleistung nicht aus, um optimale Lösungen zu finden. Theoretisch können Quantenalgorithmen bei diesen besonders komplexen Problemen schneller bessere Lösungen generieren, als das mit klassischen Verfahren möglich ist. In der Praxis herrscht jedoch noch viel Forschungsbedarf. Denn während klassische Rechner mit Bits agieren, wird an Quantenrechnern mit Qubits gerechnet, wobei diese am besten als quantenphysikalischer Zustand beschrieben werden. Der Vorteil: bei dieser Art des Rechnens auf Basis von physikalischen und quantenmechanischen Prinzipien können Rechnungen teilweise parallel ablaufen, was die Lösungsfindung enorm beschleunigt. Mit gesteuerter Veränderung der energetischen Niveaus von sogenannten Qubits werden die Berechnungen gesteuert. Diese Qubits sind jedoch verrauscht, weshalb die gemessenen Ergebnisse von den erwarteten abweichen können. Und dieses Phänomen verstärkt sich mit zunehmender Anzahl an Qubits in einem Computer. Damit sind die Messungen, die der Quantenrechner kontinuierlich vornimmt, unscharf, die Quantencomputer arbeiten nicht mehr genau genug und die Rechenoperationen werden fehleranfällig.

Dies gilt sogar bei der aktuell verfügbaren, limitierten NISQ-Hardware, die mit nur wenig Qubits operiert. Selbst diese sogenannte noisy intermidiate scale quantum NISQ-Hardware steckt damit noch in den Kinderschuhen. Und so sind die bestehenden Quantencomputer derzeit eher als Experimentiermaschinen der Forschung anzusehen. Wenn wir es aber schaffen, komplexe Probleme mit Hilfe von Quantencomputern zu lösen, könnte dies für viele Anwendungsbereiche disruptiv sein – mit heute noch nicht abbildbaren neuen Möglichkeiten. Wir arbeiten deshalb daran, mit neuesten algorithmischen Ansätzen die stark limitierte NISQ-Hardware möglichst effizient beispielsweise für die Optimierung von Reihenfolgeplanungen oder Nachfrageprognosen in Logistik, Produktion und Handel einzusetzen. Ziel ist es, in wenigen Jahren Quantencomputer für eine breite Anwendung in der Supply Chain zugänglich zu machen.

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy

Unsere Forschungen im Bereich Quantenalgorithmen

Die Expertinnen und Experten der Arbeitsgruppe für Supply Chain Services bringen dazu ihre wissenschaftlichen Kompetenzen im Bereich Quantencomputing, gemischt-ganzzahlige Optimierung und Analytics sowie ihre Domänenexpertise im Supply Chain Management zusammen und verfolgen drei Ansätze:

Anwendungsprobleme mit Quantenalgorithmen lösen

Im Fokus des ersten Forschungsbereichs liegt die direkte Anwendbarkeit von Quantenalgorithmen auf komplexe Planungsprobleme in der Supply Chain, insbesondere Optimierungsprobleme und Prognose von Zeitreihen. Ein verbreiteter Ansatz hierfür stellen sogenannte variationelle Quantenalgorithmen (VQAs) dar. Diese, auf physikalische Konzepte beruhenden Algorithmen, sind universell einsetzbar, müssen jedoch für jedes konkrete Problem neu parametrisiert werden. Ziel der Forschungen ist es, die Einsetzbarkeit von VQAs durch verbesserte Parameteroptimierung zu erhöhen. Für spezielle Klassen von Problemtypen werden aus charakteristischen Kenngrößen der Probleminstanz gute Parameter abgeleitet. Da diese Kenngrößen effizient berechnet werden können, beschleunigt diese Methode die Suche nach guten Parametern. So wird die Anwendbarkeit von VQAs verbessert, indem die Parametersuche effizienter gestaltet wird.  Hierbei profitieren die Forschenden vom interdisziplinären Zusammenspiel aus Physik und Mathematik.

Das Beste aus Quantenalgorithmen und klassischen Algorithmen zusammenbringen

in weiterer Forschungsbeitrag liegt in der Entwicklung hybrider Algorithmen. Hierbei werden klassische Optimierungsverfahren mit Quantenalgorithmen wie VQAs kombiniert. Ein wesentlicher Nachteil von VQAs ist ihre heuristische Natur, das heißt der Mangel an Aussagen über Qualität der produzierten Lösungen. Andererseits können sie schnell potentiell gute Lösungsvorschläge generieren. Die Einbettung eines VQAs in einen hybriden Algorithmus berücksichtigt diese beiden Aspekte: Das übergeordnete klassische Verfahren (zum Beispiel »Branch and Bound«) arbeitet dabei exakt, das heißt es findet eine optimale Lösung oder liefert Schranken bezüglich der Qualität der gefundenen Lösung. Die schnell verfügbaren, heuristischen Lösungen von VQAs können solche Verfahren wesentlich beschleunigen.

In diesem Zusammenhang nutzen die Forscherinnen und Forscher ihre Erfahrung in der Entwicklung und Verwendung klassischer Algorithmen mit dem Ziel Stellen innerhalb eines klassischen Algorithmus zu identifizieren, an denen dieser durchQuanten-Subroutinen (Das müsste erklärt werden) profitieren kann. Durch den punktuellen Einsatz der limitierten Quanten-Ressourcen werden diese effizienter genutzt als in reinen Quanten-Algorithmen.

Bessere Lösungen durch optimierte Kompilierung

Der dritte Forschungsschwerpunkt liegt in der Untersuchung kombinatorischer Optimierungsprobleme, die bei der Kompilierung von Quantenalgorithmen auftreten.  Um einen Quantenalgorithmus ausführen zu können, muss dieser zunächst – ähnlich wie bei klassischen Algorithmen – in die Sprache des zu verwendenden Quantenrechners übersetzt werden, man spricht von Kompilierung oder Transpilierung. Hierbei treten neuartige kombinatorische Optimierungsprobleme auf. Die Qualität der Lösungen zu diesen Problemen entscheidet maßgeblich über die Fehleranfälligkeit des ausgeführten Algorithmus. Deshalb erhöht die Entwicklung verbesserter Lösungsmethoden zu diesen Problemen unmittelbar die Einsetzbarkeit von aktueller NISQ-Hardware.

Durch langjährige Erfahrung in der Entwicklung von Lösungsmethoden für kombinatorische Optimierungsprobleme u.a. im Supply Chain Kontext, können die Forscherinnen und Forscher bekannte Algorithmen auf die neuen Probleme anpassen und zugleich neue Verfahren entwickeln. Eine gute Kompilierung kann so wesentlich zur effizienten Nutzung der verfügbaren Quanten-Ressourcen beitragen.

Referenzen aus dem Forschungsfeld

Noch mehr Referenzen

 

Erfahren Sie hier mehr über alle unsere Projekte und Publikationen aus unseren einzelnen Forschungsfeldern.

Projekt

BayQS

Bayerisches Kompetenzzentrum Quanten Security and Data Science

Projekt

QuaST

Quantum-enabling Services und Tools für industrielle Anwendungen