IBM Q: Qubits as a Service
Bekanntlich lösen Quantenrechner bestimmte Algorithmen wesentlich effizienter als herkömmliche Rechner, beispielsweise auf dem Feld der Chemie. So kann die Zahl der Quantenzustände in einem Koffeinmolekül erstaunlich hoch sein, zu hoch, um ihre chemischen Eigenschaften mit traditionellen Clustern zu simulieren. Das können Quantencomputer ändern, glaubt IBM(öffnet im neuen Fenster).
Der Konzern will im Rahmen von IBM Q in den nächsten paar Jahren kommerzielle Quantenrechner mit rund 50 Qubits bauen, auf die Kunden dann über die IBM-Cloud zugreifen. Auch eine Einheit für Performance der Rechner hat IBM gefunden: Quantum Volumes fassen die Zahl der Qubits, die Qualität der Quantenoperationen und die Verbundenheit sowie Parallelisierung der Qubits zu einer Kennzahl zusammen, die dann, etwas schwammig scheint es, über die Kapazität der Quantenrechner Auskunft geben soll.
Zugleich hat IBM ein neues API (Application Program Interface) für seine "IBM Quantum Experience" angekündigt, mit dem Entwickler einfach und ohne großen Background in Quantenphysik Schnittstellen bauen. Die sollen dann die bereits existierenden 5-Qubit-Quantenrechner mit klassischen Rechnern verknüpfen. Auch die Software für den Simulator, der Schaltkreise mit bis zu 20 Qubits simuliert, haben IBMs Entwickler aktualisiert. Noch in diesem Quartal soll zudem ein vollständiges SDK erscheinen, um einfache Quantenanwendungen und Software zu schreiben.
IBM forscht an Quantenrechnern
Das Unternehmen forscht im Rahmen der besagten IBM Quantum Experience bereits eine ganze Weile an Quantenrechnern, seit dem Start des Programms haben 40.000 User über 275.000 Experimente damit vorgenommen. Nun erhofft sich das Unternehmen offenbar, dass die bisherigen eher akademischen Experimente auch kommerzielle Früchte tragen.
Neben dem Einsatz in der Chemie sieht IBM noch weitere Felder für seine Quantenrechner. Die könnten optimale Pfade für Logistikunternehmen errechnen (Problem des Handlungsreisenden), finanzielle Daten durchforsten, um globale Risikofaktoren zu errechnen und besser zu investieren, Machine Learning vereinfachen, das riesige Mengen an Trainingsdaten erfordert, und nicht zuletzt die Datensicherheit erhöhen. Mehr Informationen zu den Plänen liefert eine eigens eingerichtete Webseite(öffnet im neuen Fenster).
- Anzeige Hier geht es zu Hacking & Security: Das umfassende Handbuch bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.