{"id":4557,"date":"2022-11-02T05:00:12","date_gmt":"2022-11-02T05:00:12","guid":{"rendered":"https:\/\/lamarr-institute.org\/blog\/evo-annealer\/"},"modified":"2025-11-12T14:53:13","modified_gmt":"2025-11-12T14:53:13","slug":"evo-annealer","status":"publish","type":"blog","link":"https:\/\/lamarr-institute.org\/de\/blog\/evo-annealer\/","title":{"rendered":"Vorbereitung auf das Quantenzeitalter mit dem IAIS Evo Annealer"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Quantencomputing verspricht eine Erweiterung der bisherigen klassischen Recheneffizienz mit enormem Potenzial. Theoretisch wurde gezeigt, dass Quantencomputer bestimmte Probleme der Informatik, wie das Suchen in gro\u00dfen Datenbanken (Grover-Algorithmus) oder die Primfaktorzerlegung (Shor-Algorithmus), effizienter l\u00f6sen als klassische Computer. Diese Verfahren erfordern einen sogenannten Gatter-basierten Quantencomputer (mehr Informationen zur Quantenhardware finden Sie im Blogbeitrag \u201e<a href=\"https:\/\/lamarr-institute.org\/de\/quantencomputer\/\" target=\"_blank\" rel=\"noreferrer noopener\">Quantencomputer: Neue Potenziale f\u00fcr Maschinelles Lernen<\/a>\u201c). Auch kombinatorische Optimierungsprobleme in Form von \u201eQuadratic Unconstrained Binary Optimization\u201c (QUBO) Problemen lassen sich mithilfe von quantenmechanischen Prinzipien l\u00f6sen. Computer, welche sich diese Prinzipien zunutze machen, hei\u00dfen Quantenannealer oder adiabatische Quantencomputer. F\u00fcr das L\u00f6sen wird sich das adiabatische Theorem der Quantenmechanik zunutze gemacht \u2013 ein quantenmechanisches System, welches sich in einem Zustand minimaler Energie befindet, verbleibt bei hinreichend langsamer (adiabatischer) Ver\u00e4nderung in einem solchen Zustand. Die Idee besteht nun darin, ein QUBO \u2013 also das mathematische Problem, welches man eigentlich l\u00f6sen m\u00f6chte \u2013 in den Energie-Operator eines quantenmechanischen Systems zu kodieren. Startet man jetzt mit einem einfachen Problem mit bekannter L\u00f6sung und \u00fcberf\u00fchrt dieses adiabatisch in das angestrebte Zielproblem, so erh\u00e4lt man ebenfalls eine L\u00f6sung des Zielproblems.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Kodierung<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Wenn auch die Berechnungen mithilfe des adiabatischen Prinzips relativ neu sind, ist die Kodierung von Daten und Problemen seit jeher ein fester Bestandteil der Informatik. Bilder, Songs, oder Videos werden als bin\u00e4re Daten kodiert. Tats\u00e4chlich ist die Kodierung eines QUBOs als Hamilton-Operator wesentlich einfacher als die Kodierung eines Songs als MP3 Datei.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"6069\" height=\"2197\" src=\"https:\/\/lamarr-institute.org\/wp-content\/uploads\/quanten_annealing_schwarz_en.png\" alt=\"- Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)\" class=\"wp-image-13283\" title=\"\" srcset=\"https:\/\/lamarr-institute.org\/wp-content\/uploads\/quanten_annealing_schwarz_en.png 6069w, https:\/\/lamarr-institute.org\/wp-content\/uploads\/quanten_annealing_schwarz_en-300x109.png 300w, https:\/\/lamarr-institute.org\/wp-content\/uploads\/quanten_annealing_schwarz_en-1024x371.png 1024w, https:\/\/lamarr-institute.org\/wp-content\/uploads\/quanten_annealing_schwarz_en-768x278.png 768w, https:\/\/lamarr-institute.org\/wp-content\/uploads\/quanten_annealing_schwarz_en-1536x556.png 1536w, https:\/\/lamarr-institute.org\/wp-content\/uploads\/quanten_annealing_schwarz_en-2048x741.png 2048w\" sizes=\"auto, (max-width: 6069px) 100vw, 6069px\" \/><figcaption class=\"wp-element-caption\">\u00a9 Fraunhofer IAIS <br>Funktionsweise des Quantenannealing. (Links) In der Quantenwelt ist es m\u00f6glich durch Energiebarrieren hindurch zu \u201etunneln\u201c, wohingegen die Barriere in der klassischen Physik \u00fcberwunden werden muss. (Rechts) Durch adiabatische Evolution des Systems bleibt ein Zustand minimaler Energie erhalten.<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">QUBOs treten in vielen verschiedenen Branchen auf, beispielsweise in:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Routenberechnungen in der Logistik,<\/li>\n\n\n\n<li>Portfolioanalysen in der Finanzwirtschaft,<\/li>\n\n\n\n<li>Virtual Screening in der Herstellung neuer Medikamente in der Pharmaforschung.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Auch im Maschinellen Lernen ist diese Art von Optimierungsproblemen anzutreffen, unter anderem in Clusteringproblemen, Hopfield Netzwerken oder probabilistischen graphischen Modellen. F\u00fcr mehr Details \u00fcber Optimierung im Maschinellen Lernen sei hier auf unseren Beitrag \u201e<a href=\"https:\/\/lamarr-institute.org\/de\/optimierung-im-maschinellen-lernen\/\" target=\"_blank\" rel=\"noreferrer noopener\">Optimierung im Maschinellen Lernen<\/a>\u201c verwiesen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Obwohl diese theoretischen Ergebnisse \u00e4u\u00dferst vielversprechend sind, ist aktuelle Quantenhardware noch nicht in dem Stadium, die oben genannten Quantenalgorithmen verl\u00e4sslich ausf\u00fchren zu k\u00f6nnen. State-of-the-art Quantencomputer basieren auf supraleitenden Implementierungen, welche auf Temperaturen von wenigen milli Kelvin heruntergek\u00fchlt werden m\u00fcssen. Diese sind sehr fehleranf\u00e4llig durch \u00e4u\u00dfere Einfl\u00fcsse, beispielsweise das Magnetfeld der Erde, weswegen keine beliebig komplexen Algorithmen ausgef\u00fchrt werden k\u00f6nnen, im Gegensatz zu einem klassischen Computer. Durch die K\u00fchlung und die Abschirmung ist es somit sehr energieaufw\u00e4ndig solch einen Quantencomputer zu betreiben. Das hat Forschende am Fraunhofer IAIS und am Lamarr-Institut dazu bewegt, den IAIS Evo Annealer zu entwickeln, um schon jetzt f\u00fcr ein zuk\u00fcnftiges fehlertolerantes Quantenzeitalter bereit zu sein.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">IAIS Evo Annealer: Hardwaredesign und Eigenschaften<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Eine globale L\u00f6sung f\u00fcr ein QUBO Problem zu finden ist NP-schwer \u2013 es ist kein klassischer Algorithmus bekannt, der jedes QUBO in polynomieller Zeit l\u00f6sen kann. Dies gilt auch f\u00fcr Quantenannealer \u2013 hier kann die Annealing-Zeit, also die Dauer des adiabatischen Prozesses, exponentiell sein. Allerdings sind die QUBOs, die f\u00fcr klassische Rechner schwer sind, nicht unbedingt die gleichen, die f\u00fcr Quantenannealer schwer sind. Daher kann ein Quantenannealer ein schweres QUBO m\u00f6glicherweise wesentlich schneller l\u00f6sen als ein klassischer Computer. Daneben gibt es auch effiziente klassische Verfahren, um QUBO Probleme anzugehen. Diese sind jedoch heuristisch und es ist nicht garantiert, dass eine global-optimale L\u00f6sung gefunden werden kann. Prominente Beispiele f\u00fcr solche Verfahren sind Simulated Annealing, Tabu Suche und Evolution\u00e4re Algorithmen (EA). EA sind von der Evolution nat\u00fcrlicher Lebewesen inspiriert, dahingehend, dass Mutationen und Rekombinationen auf eine Menge von bisherigen Individuen (bei uns: L\u00f6sungen f\u00fcr QUBO Probleme) angewandt werden, um neue (bessere) L\u00f6sungen zu erhalten (mehr Informationen hierzu, finden Sie im Blogbeitrag zu \u201e<a href=\"https:\/\/lamarr-institute.org\/de\/evolutionaere-optimierung\/\" target=\"_blank\" rel=\"noreferrer noopener\">Evolution\u00e4re Optimierung von Quantenschaltkreisen<\/a>\u201c).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u00dcblicherweise sind solche Algorithmen in einer Hochsprache implementiert, sodass sie auf einer herk\u00f6mmlichen CPU ausgef\u00fchrt werden k\u00f6nnen. Die Abstraktionsebenen einer solchen Hochsprache f\u00fchren zu einer hohen Zahl an CPU-Operationen \u2013 ein Overhead, der auf einem Quantenannealer nicht existiert. Die Grundidee hinter dem IAIS Evo Annealer ist nun eine \u201eHardware-Implementierung\u201c eines EA f\u00fcr QUBO Probleme. Somit emuliert der IAIS Evo Annealer das Verhalten eines Quantenannealers, da der CPU-Overhead umgangen wird. Dar\u00fcber hinaus wurden einige Komponenten des EA angepasst, um einen Tunneleffekt zu emulieren. F\u00fcr die Hardware-Implementierung wird ein Field Programmable Gate Array (FPGA) verwendet, welches die Realisierung eigener Chipdesigns erlaubt, ohne die Notwendigkeit einen Chip tats\u00e4chlich produzieren zu m\u00fcssen (mehr Informationen zu FPGAs finden Sie im Blogbeitrag \u201e<a href=\"https:\/\/lamarr-institute.org\/de\/wenn-mikrochips-lernen\/\" target=\"_blank\" rel=\"noreferrer noopener\">Wenn Mikrochips Lernen lernen<\/a>\u201c).<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">FPGAs<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">FPGAs werden beispielsweise auch in professioneller Netzwerk-Hardware eingesetzt, um die Funktionalit\u00e4t des Chips zu einem sp\u00e4teren Zeitpunkt \u00e4ndern zu k\u00f6nnen, zum Beispiel um eine Sicherheitsl\u00fccke zu schlie\u00dfen oder um den Funktionsumfang zu erweitern.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/lamarr-institute.org\/wp-content\/uploads\/\/IMG_1309-scaled-1-1-1024x683.jpg\" alt=\"- Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)\" class=\"wp-image-25475\" title=\"\"><figcaption class=\"wp-element-caption\">Der IAIS Evo Annealer.\n\n<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Das aktuelle Design des Evo Annealers erlaubt die Bewertung von \u00fcber 16.000.000 L\u00f6sungen pro Sekunde, wobei die Leistungsaufnahme je nach Hardware zwischen 5 und 10 Watt betr\u00e4gt. Zum Vergleich: Eine gew\u00f6hnliche Workstation mit einer GPU verbraucht zwischen 500 und 1000 Watt. Auch wenn hier der Unterschied bereits Faktor 100 betr\u00e4gt, ist der Abstand zu einem echten Quantenannealer noch wesentlich gr\u00f6\u00dfer: Ger\u00e4te der kanadischen Firma D-Wave beispielsweise ben\u00f6tigen ungef\u00e4hr 16.000 Watt. Die meiste Leistung wird dabei f\u00fcr das K\u00fchlen und das magnetische Abschirmen des Quantenchips benutzt. Aktuell ist der IAIS Evo Annealer in der Lage QUBO Probleme der Gr\u00f6\u00dfe 2048 zu l\u00f6sen. Das D-Wave Advantage System ist ausgestattet mit 5600 Qubits, kann hardwarebedingt jedoch nur sehr spezielle QUBOs dieser Gr\u00f6\u00dfe l\u00f6sen. Die zugrundeliegende Qubit-Topologie ist kein vollst\u00e4ndig zusammenh\u00e4ngender Graph, das hei\u00dft nicht jedes Qubit ist direkt mit jedem anderen verbunden. Daher ist die Gr\u00f6\u00dfe von QUBOs im Allgemeinen auf 180 beschr\u00e4nkt. Der gr\u00f6\u00dfte verf\u00fcgbare Gatter-basierte Quantenprozessor von IBM ist mit 127 Qubits ausgestattet, mit welchem sich QUBOs eben dieser Gr\u00f6\u00dfe l\u00f6sen lassen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Aufgrund der \u00fcberlegenen Problemgr\u00f6\u00dfe und des geringen Energieverbrauchs des Evo Annealers, ist dieser sowohl als Br\u00fcckentechnologie f\u00fcr das Quantencomputing als auch als eigenst\u00e4ndiger Hardwarebeschleuniger f\u00fcr QUBOs einsetzbar.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Quantum Readiness<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Trotz der beeindruckenden Eigenschaften des Evo Annealers muss klar sein, dass dieser lediglich einen echten Quantenannealer emuliert. Es werden keine quantenmechanischen Effekte ausgenutzt und somit ist auch nicht das volle Potenzial des Quantencomputings nutzbar. Jedoch ist der IAIS Evo Annealer extrem energieeffizient, was eine immer wichtiger werdende Eigenschaft von Hardware darstellt. Dar\u00fcber hinaus, bereitet er jetzt schon auf das Zeitalter der fehlertoleranten und leistungsstarken Quantencomputer vor, indem bereits formulierte QUBO Probleme auch auf zuk\u00fcnftigen echten Quantenannealern l\u00f6sbar sind.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/lamarr-institute.org\/wp-content\/uploads\/\/Quantum-Readiness_lamarr-farben-1024x581.png\" alt=\"- Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)\" class=\"wp-image-25477\" title=\"\"><figcaption class=\"wp-element-caption\">Als Quantum Readiness bezeichnet das Fraunhofer IAIS ein Programm, bei dem Unternehmen aus Industrie und Wirtschaft bez\u00fcglich Quantencomputing beraten werden. Use-Cases von Unternehmen werden analysiert und ggf. f\u00fcr die Berechnung mit Quantencomputern umformuliert. Das Testen und die Entwicklung der Algorithmen findet dabei auf dem Evo Annealer statt. Dadurch gelangt man bereits zur Kompatibilit\u00e4t mit Quantentechnologien, ohne dass ein echter Quantencomputer verwendet werden muss.\n\n<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Am Fraunhofer IAIS, einem der vier Partner des Lamarr-Instituts, wird diese \u201eQuantum Readiness\u201c bereits f\u00fcr <a href=\"https:\/\/doi.org\/10.48550\/arXiv.2204.11133\" target=\"_blank\" rel=\"noreferrer noopener\">Use-Cases aus der Wirtschaft<\/a> eingesetzt. Mit dem IAIS Evo Annealer l\u00e4sst sich vorab \u00fcberpr\u00fcfen, inwiefern sich von Quantencomputing f\u00fcr ein bestimmtes Problem profitieren l\u00e4sst, ohne auf echte Quantenhardware zur\u00fcckgreifen zu m\u00fcssen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Weitere Informationen zum IAIS Evo Annealer:<br><a href=\"https:\/\/www.iais.fraunhofer.de\/de\/geschaeftsfelder\/cognitive-business-optimization\/quantum-readiness.html\" target=\"_blank\" rel=\"noopener\">https:\/\/www.iais.fraunhofer.de\/de\/geschaeftsfelder\/cognitive-business-optimization\/quantum-readiness.html<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Der IAIS Evo Annealer ist eine Br\u00fcckentechnologie f\u00fcr das Quantencomputing. Mit seiner Energieeffizienz und der M\u00f6glichkeit, gro\u00dfe mathematische Probleme zu l\u00f6sen, ist er schon jetzt in der Praxis anwendbar.<\/p>\n","protected":false},"author":9,"featured_media":3965,"template":"","meta":{"_acf_changed":false,"footnotes":""},"blog-category":[1416,546],"blog-tag":[1489,1517,1527,1557,1584,1585,1583],"class_list":["post-4557","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-alle-blogbeitraege","blog-category-anwendung","blog-tag-fpga-de","blog-tag-high-performance-computers-hpc-de","blog-tag-ki-in-der-physik","blog-tag-nachhaltige-ki","blog-tag-quantencomputer","blog-tag-quantum-ml-de","blog-tag-qubo-de"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4557","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/9"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4557\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/3965"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=4557"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-category?post=4557"},{"taxonomy":"blog-tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-tag?post=4557"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}