Quant²AI
Bewertung von Quanten-KI
Quantencomputer wecken die Hoffnung, durch das neue Rechenprinzip immense Vorteile gegenüber klassischen Computern zu realisieren - insbesondere für ressourcenintensive Anwendungen wie künstliche Intelligenz. Ob diese Hoffnungen realisiert werden können, untersucht das Institut für KI-Sicherheit im Projekt Quantifizierung von Quantenvorteilen für Künstliche Intelligenz vom heuristischen Standpunkt aus. Bis Ende 2025 beschäftigen wir uns in diesem von der DLR-Quantencomputinginitiative geförderten Projekt mit der Definition eines anwendungsnahen Benchmarks für Quanten-KI-Pipelines, um Anwendern die qualifizierte Entscheidung für eine Methode und die Einschätzung der erwarteten Vorteile zu erleichtern. Neben dem Institut für KI-Sicherheit sind unsere Partner von Fraunhofer ITWM, Conet, Data Cybernetics and Jos Quantum am Projekt beteiligt.
Beitrag Institut für KI-Sicherheit
Die Anwendungsbereiche künstlicher Intelligenz erweitern sich stetig, ob für autonome Systeme oder zur Identifikation von Kundenwünschen. Damit steigen auch die Anforderungen an die generierten Modelle. Allerdings ist die Optimierung eines Modells ein aufwändiger Prozess, für den viele Daten ausgewertet werden müssen unter dem Einsatz großer Rechenleistung. Vom Übergang zu Quanten-KIs versprechen sich viele Stakeholder eine bessere Performance des Lernprozesses. Oftmals sind diese Erwartungen noch unklar formuliert und von wenig Evidenz gestützt: Für aktuelle Quanten-KI-Systeme sind meist nur Machbarkeitsstudien verfügbar, die nur Teilschritte betrachten und kaum vergleichbar sind.
Quant²AI soll den Diskurs um mögliche Vorteile verschiedener Quanten-KI-Ansätze mit quantitativen Einblicken bereichern. Im ersten Schritt systematisieren wir mögliche Vorteile und bilden die Performanz eines KI-Systems in einer passenden Metrik ab. Zusammen mit einem Satz anwendungsnaher Beispielprobleme ergibt sich ein Benchmark, dessen Prototyp bis zum Ende der Projektlaufzeit verfügbar sein soll. Dieser betrachtet dann den kompletten Ablauf vom Vorbereiten und Codieren der Datensätze bis zur Interpretation des Ergebnisses der KI. Dies ist notwendig, da Gewinne durch den Einsatz von Quantencomputern in einzelnen Teilschritten nur dann relevante Vorteile bringen, wenn sie sich auch in die KI-Pipeline einbauen lassen ohne die Vorteile wieder zu verlieren.
Die Datensätze decken thematisch die Kernbereiche des DLR ab, etwa in Luft- und Raumfahrt, Verkehr und Energie. Zudem bringt ein Industriepartner weitere Themen von Relevanz für aktuelle Anwendungen ein. Im finalen Ausbauschritt stellen wir mehrere Datensätze in unterschiedlicher Komplexität für verschiedene Aufgabenstellungen bereit. Anhand dieser Daten bewerten wir die trainierten KI-Modelle bezüglich der Metriken für erwartete Quantenvorteile.
Quant²AI gibt Anwendern die Möglichkeit, sich zwischen verschiedenen Quanten-KI-Methoden für ihren Anwendungsfall zu entscheiden und mögliche Vorteile gegenüber klassischen Methoden realistisch einzuschätzen. Entwickler erhalten ein Werkzeug, ihre Algorithmen zu evaluieren und mögliche Flaschenhälse zu identifizieren. Damit schafft Quant²AI Übersicht und Vergleichbarkeit für Quanten-KI-Methoden.