Rechenaufwändige Simulationen sind integral in der Entwicklung neuartiger und sicherer Fahrzeugkonzepte. Quantencomputer können dafür sorgen, dass diese schneller und präziser sind.
Effiziente Crash-Test-Simulationen durch Quanten-Ersatzmodelle
Hochpräzise Simulationen ersetzen zunehmend aufwendige Versuche und reduzieren den experimentellen Aufwand bei Crash-Tests deutlich. Das Projekt „Quantum Surrogate Modeling” (Q-Surrogate) zielt darauf ab, diese komplexen Berechnungen und Simulationen mithilfe der Leistung von Quantencomputern zu beschleunigen. Die entwickelten Ersatzmodelle ermöglichen schnelle und effiziente Annäherungen an verschiedene Konfigurationen des Versuchsaufbaus.
Eine der größten Herausforderungen bei modernen Simulationsvorhaben ist die Übertragbarkeit zwischen verschiedenen Konfigurationen des Versuchs. Bei Crash-Tests für Fahrzeuge müssen beispielsweise verschiedene Materialien, Geometrieparameter und Umgebungsbedingungen berücksichtigt werden. In Q-Surrogate entwickeln wir daher Methoden, die KI-basierte Ersatzmodelle zur schnellen Abdeckung des Parameterraums generieren. Dies ermöglicht eine schnelle und effiziente Einschätzung geeigneter Konfigurationen für reale Experimente. Neben Crash-Tests sind Use Cases im Bereich der Cybersicherheit vorgesehen. Unser Lösungsansatz basiert auf der Gaußschen Prozessregression, die sich bereits in verschiedenen Anwendungen bewährt hat. Allerdings skaliert diese Methode schlecht mit der Größe des Datensatzes. Hier setzen wir mit unserem Quantenalgorithmus an, um diesen Engpass zu überwinden. Im Projekt ELEVATE konnte hierfür bereits ein Quantenalgorithmus entwickelt werden. Diesen Ansatz wollen wir in Q-Surrogate weiterentwickeln, um ihn für anwendungsrelevante Datensätze vorzubereiten.
Unser Konzept bietet mehrere Vorteile gegenüber anderen Quantenmethoden:
kleinere Quantenschaltkreise
kein Bedarf an einem vollständig fehlerkorrigierten Quantencomputer.
Das Ziel unseres Projekts ist es, in verschiedenen industriell relevanten Anwendungen, insbesondere im Bereich der Crashtests, Fortschritte zu ermöglichen. Zudem nutzen wir neuartige Methoden, um Rückschlüsse auf den Einsatz von Quanten-KI-Methoden in der Kryptografie zu ziehen. Durch die geplante Einbindung in bestehende Software-Frameworks sollen die Ergebnisse bereits während der Projektlaufzeit in Anwendungsfällen erprobt und die Skalierbarkeit auf wirtschaftlich relevante Anwendungen eingeschätzt werden.
Beitrag des Instituts für KI-Sicherheit
Als leitendes Institut ist das Institut für KI-Sicherheit insbesondere für die Weiterentwicklung der in ELEVATE konzipierten Methode verantwortlich. Wir kombinieren diese mit Erkenntnissen aus unseren Projekten Quant²AI und NeMoQC. Die neuen Erkenntnisse evaluieren wir im Bereich der Cybersicherheit. Insbesondere untersuchen wir die Möglichkeit von Quanten-KI-basierten Ersatzmodellen für den kryptografisch relevanten Shor-Algorithmus.
