IBM Q: Qubits as a Service
Für kommerzielle Zwecke will IBM in den kommenden Jahren über seine Cloud den Zugriff auf stärkere Quantencomputer anbieten. Angepeilt sind rund 50 Qubit.

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.
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.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
- ohne Werbung
- mit ausgeschaltetem Javascript
- mit RSS-Volltext-Feed
Also der Vergleicht mit den 640 kB hinkt etwas, da natürlich an der Anwendbarkeit niemand...
Naja, Quantencomputer klingt cool, verspricht viel. Da werden wir in Zukunft mit noch...
9 von 10 neu entwickelten Pharma-Entwicklungen floppen (im Clinical Trial etc.). Und es...