Als Christian Arenz von der Arizona State University (ASU) begann, Quantenmechanik zu unterrichten, erwartete er, dass die Studienanfänger verwirrt sein würden. Doch nach einigen Wochen verwandelte sich diese Unsicherheit oft in Begeisterung. Arenz, Assistenzprofessor an der Fakultät für Elektrotechnik, Computer- und Energietechnik, kam von Princeton zur ASU und erlebte, wie die Studierenden nach und nach das Potenzial des Quantencomputings verstanden. Es handelt sich um ein sich schnell entwickelndes Feld, das darauf abzielt, komplexe Probleme zu lösen, die heutige Supercomputer nicht bewältigen können, und die Entwicklung neuer Medikamente zu beschleunigen sowie Cybersicherheit und Finanzmodellierung zu verbessern.
An der ASU haben Wissenschaftler Quantencomputing bereits eingesetzt, um die Materialforschung zu beschleunigen, Lieferkettenlogistik zu optimieren und neue Methoden der künstlichen Intelligenz zu entwickeln. Sie arbeiten auch an grundlegenden technischen Herausforderungen, um Quantentechnologien praktikabler zu machen.
„Wenn die Leute das Wort ‚Quanten‘ hören, denken sie: ‚Oh, das muss sehr komplex und mathematisch schwierig sein‘“, sagt Arenz. „Es hängt stark von der Motivation und der Herangehensweise ab … Jeder kann es lernen.“
Obwohl Quantencomputing noch im experimentellen Stadium steckt, wächst das weltweite Interesse rasant. Laut einem Bericht von McKinsey könnte Quantencomputing bis 2035 einen Umsatz von bis zu 72 Milliarden US-Dollar generieren.
Quantencomputer sind teuer in der Herstellung und im Betrieb – Schätzungen zufolge kosten sie mehrere zehn Millionen Dollar – und sie sind extrem komplex. Die ASU besitzt keinen eigenen Quantencomputer, aber mit Unterstützung des Office for Research Technologies können Forscher und Studierende Werkzeuge nutzen, um Quantenalgorithmen auf klassischen Hochleistungsrechnern zu simulieren und möglicherweise remote auf Quantencomputer zuzugreifen, sagt Gil Speyer, Direktor des ASU Computing Research Accelerator.
Die Universität leitet außerdem ein Quantenkooperationsnetzwerk, das nationale Labore, Unternehmen, akademische Einrichtungen und Start-ups verbindet. Durch diese Zusammenarbeit erhalten Studierende direkt hochwertige Bildungs- und Ausbildungsmöglichkeiten und erwerben die Fähigkeiten, die sie benötigen, um an der Spitze der Quanteninnovation zu stehen.
Die ASU ist bestrebt, Talente im Quantenbereich zu fördern. Arenz‘ Einführungskurs ist Teil einer Kursreihe und eines von vielen Projekten auf dem Campus, darunter Forschungsprojekte und Workshops, die darauf abzielen, die nächste Generation von Quantenwissenschaftlern auszubilden.
Unterstützung von Studierenden bei der Entdeckung
Die meisten Studierenden, die Gennaro De Lucas Kurs belegen, haben zu Beginn keine Quantenerfahrung. Er ist Dozent am College für Computing and Augmented Intelligence. Der Kurs erstreckt sich von den Grundlagen des Quantencomputings bis zu seinem eigenen Forschungsgebiet – quantengenerativen Modellen. Um Konzepte einzuführen, beginnt er mit Katzen.
De Luca führt die Studierenden durch eine Gedankenübung: Wie kann man mit einer begrenzten Sammlung von Katzenbildern völlig neue Katzenbilder generieren? Im Wesentlichen analysieren generative Modelle Muster von Details (Fell, Form und Farbe), um neue Katzenbilder zu erzeugen. „Theoretisch können Quantencomputer aus weniger Bildern lernen als klassische Computer“, sagt De Luca.Seine Studenten nutzen Hochschulressourcen für Quantenprojekte – von Bildungsprojekten zur Vereinfachung des maschinellen Quantenlernens bis hin zum Bau eines LEGO-Roboterwagens, der vollständig von Quantenbildverarbeitungsalgorithmen gesteuert wird. Eines der von ihnen verwendeten Werkzeuge ist das CUDA-Q-Softwarepaket von Nvidia, das die beschleunigte Rechenleistung von dedizierten Chips (GPUs) nutzt. CUDA-Q kann eine Quantenumgebung simulieren und entweder auf einem Laptop oder für größere Projekte auf dem ASU-Sol-Supercomputer ausgeführt werden – einem der leistungsstärksten Supercomputer der Welt, der fast 2000-mal leistungsstärker ist als ein moderner Laptop. Darüber hinaus unterstützt CUDA-Q den Zugriff auf echte Quantencomputerplattformen über die Cloud, wie etwa IBMs Quantencomputer.
Ein weiteres Werkzeug ist die Beschleunigerkarte namens Vector Engine, die eine „dedizierte Quantencomputerplattform für Quantenoptimierung“ simuliert, so Speyer. Dieses Werkzeug wurde kürzlich von einem Forschungsteam der Abteilung für Supply-Chain-Management der W. P. Carey School of Business zur Lösung von Transportlogistikproblemen eingesetzt.
Im Inneren eines Quantencomputers
In einem normalen Computer (von Smartphones bis zu Supercomputern) werden alle Informationen in Bits gespeichert, wobei jedes Bit entweder 0 oder 1 ist. Ein Quantencomputer verwendet dagegen Qubits. Qubits können nicht nur 0 oder 1 darstellen, sondern sich auch in beiden Zuständen gleichzeitig befinden – wie eine Münze in der Luft, die entweder Kopf oder Zahl sein könnte – dies nennt man Superposition. Qubits können auch verschränkt sein, das heißt, sie sind in einem überlagerten Zustand miteinander verbunden. Diese Eigenschaften ermöglichen es Quantencomputern, riesige Berechnungen gleichzeitig durchzuführen, mit einer potenziell exponentiellen Leistungssteigerung.
Entdeckung superstarker Materialien
Die Entdeckung neuer Materialien erfordert in der Regel jahrelanges Versuch-und-Irrtum. An der ASU School for Matter, Transport and Energy wendet außerordentlicher Professor Houlong Zhuang Quantencomputing an, um diesen Prozess erheblich zu beschleunigen. In den letzten Jahren hat er mit dieser neuartigen Technologie Hochentropie-Legierungen entwickelt – Materialien, die unter extrem hohen Temperaturen, Spannungen und Strahlung nicht schmelzen oder schwächer werden und häufig in fortschrittlichen Verteidigungssystemen wie Hyperschallflugzeugen und Atom-U-Booten eingesetzt werden. Quantencomputing kann das Design und die Produktion neuer Materialien im Labor erheblich beschleunigen. „Normalerweise dauern Simulationen Wochen, mit einem Hybridansatz jetzt nur noch Tage“, sagt Zhuang. Mit der Entwicklung des Quantencomputings „könnte man die Tage idealerweise auf einen Tag oder sogar Stunden verkürzen.“ Zhuang wendet diese Methoden auch in der Nachhaltigkeitsforschung an, um Materialien zu finden, die Kohlendioxid einfangen, Wasserstoff speichern und transportieren sowie neue Halbleiter für die Solarumwandlung entwickeln können.