Starker Verbund zwischen Forschung und Industrie
AutoQML
Ziele
Das Verbundprojekt »AutoQML« verfolgt zwei wesentliche Ziele: Zum einen soll mit dem neu entwickelten AutoQML-Ansatz das maschinelle Lernen auf ein neues Niveau gehoben werden. Hierfür werden Quantum-Machine-Learning-Algorithmen (QML-Algorithmen) neu entwickelt. Zum anderen wird der bereits bestehende AutoML-Ansatz mit Quantencomputing signifikant verbessert, denn bestimmte Probleme lassen sich mithilfe von Quantencomputing schneller lösen als mit konventionellen Algorithmen.
Vorgehen
Ausgehend von Anwendungsfällen aus dem Automotive- und Produktionsbereich werden neue Werkzeuge, Komponenten, Methoden und Algorithmen für das maschinelle Lernen mit Quantencomputern entwickelt. Die im Projekt entwickelten Werkzeuge und Methoden werden als Open-Source-Lösung in die PlanQK-Plattform integriert und so (Quanten)-Entwickler*innen zugänglich gemacht. Darüber hinaus wird neue Quantencomputing-Software zum automatisierten maschinellen Lernen entwickelt, insbesondere für hybride QML-Algorithmen mittels Quantencomputing.
Geplante Ergebnisse
Im Projekt werden Komponenten des Quantencomputings in heutige Lösungsansätze des maschinellen Lernens integriert, um die Performance-, Geschwindigkeits- und Komplexitätsvorteile von Quanten-Algorithmen im industriellen Kontext nutzen zu können. In der sogenannten AutoQML-Developer Suite – einer Softwarebibliothek – sollen entwickelte QML-Komponenten und Methoden in Form eines Werkzeugkastens zusammengeführt und den Entwickler*innen in einer Open-Source-Plattform zur Verfügung gestellt werden. Dies befähigt Anwender*innen, maschinelles Lernen und Quantum Machine Learning einzusetzen und hybride Gesamtlösungen entwickeln zu können.
Der Ansatz des Projekts »AutoQML« einfach erklärt