Adiabatisches Quantencomputing

Slides:



Advertisements
Ähnliche Präsentationen
Grundlagen des A*-Algorithmus und Anwendung in der Routenplanung
Advertisements

Routing – Routing Protokolle
Virtuelle Realität und Simulation im Bahnlabor RailSiTe® Modulare Architektur ermöglicht flexiblen Einsatz Christoph Torens, Ingo Steinhäuser, Martin.
Schwierigkeit von Aufgabenstellungen
Zerlegung von Graphen.
Constraint Satisfaction Problems
Vera Gramich und Caroline Clement,
Informatik 12 | DAES Compilerbau Wintersemester 2010 / 2011 Dr. Heiko Falk Technische Universität Dortmund Lehrstuhl Informatik 12 Entwurfsautomatisierung.
Diskrete Mathematik II Marc Zschiegner
Designing Software for Ease of Extension and Contraction
Frozen Development in Graph Coloring
8 Behandlung von Begriffen 8.1 Grundlagen aus Logik und Psychologie
Ziele der Analyse sozialer Netzwerke in den Sozialwissenschaften
Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Approximationsalgorithmen …liefern in polynomieller.
Aufgaben der linearen Optimierung für eine 8. Klasse Marcus Schreyer
Einführung Übersicht Einsatz der Zielwertsuche Einsatz des Solvers
Anwendung und Visual Basic
Algorithmentheorie 12 – Spannende Bäume minimalen Gewichts
Seminar parallele Programmierung SS 2003
Einsatz von XML zur Kontextspeicherung in einem agentenbasierten ubiquitären System Faruk Bagci, Jan Petzold, Wolfgang Trumler und Theo Ungerer Lehrstuhl.
Rigi und Web2Rsf vorgestellt von Tobias Weigand. Inhalt Ziel von Web2Rsf und Rigi Vorstellung des Parsers Web2Rsf Vorstellung des Werkzeugs Rigi Analyse.
Parallele Gleichungslöser für die linearen TRACE-Module
High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen.
Algorithmen und Komplexität
Modelchecker – RED Tool: Region-Encoding Diagram Stefan Neumann.
Statisches Scheduling in RT-Netzwerken Betrachtung zweier Ansätze Marcus Merz
Folie 1 Reengineering-Werkzeugen für Webseiten Johannes Martin, University of Victoria Ludger Martin, Technische Universität Darmstadt WSR 2001 Bad Honnef,
Konzeption und Realisierung von DSS
Evaluierung des ITU-T.124 Telekonferenzstandards
Vortrag über Graphen Von Jörg Hendricks.
Datenverteilung in Ad-hoc Netzen 1/24 Adaptive Datenverteilung in mobilen Ad-hoc Netzen unter Verwendung des Area Graph basierten Bewegungsmodells S. Bittner,
Maike Thiel Kezban Akayin Kirstin Körner Hayriye Görsün präsentiert.
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Best Fit Matching von Punktewolken
? Was ist Informatik? Was ist Informatik? Alexander Lange
Verteilte Algorithmen und Datenstrukturen Kapitel 6: Dynamische Netzwerke für Zusammenhang Christian Scheideler WS 2009.
Effiziente Algorithmen
Effiziente Algorithmen
Die Computer der Zukunft?
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
WINTEGRATION®.
??? Quantencomputer Geschwindigkeit Anwendungen:
Begriff der Zufallsgröße
Analyse der Laufzeit von Algorithmen
Eine kurze Geschichte der Graphentheorie
Inhalt Einordnung und Funktion der lexikalische Analyse Grundlagen
Theorie, Anwendungen, Verallgemeinerungen
-LABORPRAKTIKUM- SOMMERSEMESTER 2005
Anwendung der Ellipsoidmethode in der Kombinatorischen Optimierung
Planare Graphen Zeichnen von Graphen
Optimierungs- Algorithmen
Version vom Max-Flow in Orientierten Matroiden Winfried Hochstättler & Robert Nickel Fernuniversität in Hagen Lehrstuhl für Diskrete Mathematik.
Gliederung der Vorlesung
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Übung 1 Bestimme ein Erzeugendensystem für die
Rechen- und Kommunikationszentrum (RZ) Selektionsstrategien auf Graphstrukturen Sven Porsche Seminarvorträge Aachen.
1 Quantencomputer Vom Mythos zur Realität Lehnen Sie sich zurück und geniessen Sie, was ich zu sagen habe und fragen Sie nicht nach dem Wieso, denn sonst.
Quantencomputer Markus Langpeter. Inhalt ● Einleitung ● Grundlagen – Qubits – Quantenregister – Quantengatter ● Algorithmen ● Probleme.
Optimierungsprobleme:
 Präsentation transkript:

Adiabatisches Quantencomputing > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Adiabatisches Quantencomputing Elisabeth Lobe, Tobias Stollenwerk Simulations- und Softwaretechnik HPCN Workshop, Braunschweig

Inhalt Einführung adiabatischer Quantencomputer > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Inhalt Einführung adiabatischer Quantencomputer Netzwerkoptimierung und Cliquenproblem Demonstration am Simulator

Motivation: Quanten-Speed-Up > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Motivation: Quanten-Speed-Up Diskrete Optimierung ist die Grundlage für viele Probleme: Packungen Partitionen NP-schwere Probleme! Zuordnungen Scheduling Vermutung: Quantencomputer löst diese schneller als klassische Rechner

Unterschiede zum klassischen Computer > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Unterschiede zum klassischen Computer Klassische Bits Quantenbits (Qubits) Elektrische Spannung Zustand ist Superposition aus „0“ und „1“ 𝜑 =𝑎 0 +𝑏 1 Messung verändert Zustand Messen „0“ mit Wahrscheinlichkeit 𝑎 2  𝜑 = 0 Messen „1“ mit Wahrscheinlichkeit 𝑏 2  𝜑 = 1 1

Was ist ein adiabatischer Quantencomputer? > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Was ist ein adiabatischer Quantencomputer? Kommerzieller Hersteller: D-Wave Systems Inc., Kanada Simulator- und Programmierschnittstelle „Quantum Apprentice“ Nicht zu verwechseln mit konventionellem Quantencomputer

Adiabatischer Quantencomputer löst diskrete Optimierungsprobleme > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Adiabatischer Quantencomputer löst diskrete Optimierungsprobleme Quelle: D-Wave Systems Quelle: D-Wave Systems Zielfunktion: 𝐸 𝑞 1 ,…, 𝑞 𝑛 = 𝑖=1 𝑛 𝑔 𝑖 𝑞 𝑖 𝑞 𝑖 = 0, 1, für Schalter aus für Schalter an 𝑔 𝑖 ∈ Gewichte ∀ 𝑖=1, …, 𝑛

Adiabatischer Quantencomputer löst QUBOs > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Adiabatischer Quantencomputer löst QUBOs Quadratic Unconstrained Binary Optimization Quelle: D-Wave Systems Zielfunktion: 𝐸 𝑞 1 ,…, 𝑞 𝑛 = 𝑖=1 𝑛 𝑔 𝑖 𝑞 𝑖 + 𝑖,𝑗=1 𝑖>𝑗 𝑛 𝑠 𝑖𝑗 𝑞 𝑖 𝑞 𝑗 𝑞 𝑖 = 0, 1, für Schalter aus für Schalter an 𝑔 𝑖 ∈ Gewichte 𝑠 𝑖𝑗 ∈ Stärken der Kopplungen ∀ 𝑖,𝑗=1, …, 𝑛

Funktionsweise des adiabatischen Quantencomputers > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Funktionsweise des adiabatischen Quantencomputers Kodiere Zielfunktion in niedrigstem Energiezustand eines Quantensystems Energieniveaus Energie schnelle Änderung Anfangssystem Zielsystem Zeit

Funktionsweise des adiabatischen Quantencomputers > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Funktionsweise des adiabatischen Quantencomputers Hinreichend langsame Überführung in Zielsystem Energieniveaus Energie bestimmt Laufzeit Δ𝐸 Langsame Änderung Anfangssystem Zielsystem Zeit

Funktionsweise des adiabatischen Quantencomputers > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Funktionsweise des adiabatischen Quantencomputers 1 Alle Qubits in einem Zustand zwischen 0 und 1 Energieprogramm

Funktionsweise des adiabatischen Quantencomputers > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Funktionsweise des adiabatischen Quantencomputers 1 Beste Lösung

Abbildung der Hardware im Simulator > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Abbildung der Hardware im Simulator 𝒔 𝒋𝒌 𝒈 𝒊 Einheitszelle aus 8 Qubits mit 2 Partitionen Insgesamt 4x4 Einheitszellen in Simulationssoftware  128 Qubits zur Zeit 8x8 Einheitszellen auf D-Wave-Chip  512 Qubits Gewichte 𝒈 𝒊 und Stärken 𝒔 𝒋𝒌 sind jeweils einstellbar

Simulator Quantum Apprentice > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Simulator Quantum Apprentice Darstellung im D-Wave-Simulator „Quantum Apprentice“

Einschränkungen durch Chipstruktur > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Einschränkungen durch Chipstruktur Nicht alle Qubits 𝒒 𝒊 , 𝒒 𝒋 koppeln untereinander Lösung: Verbindung über andere Qubits Verteilen der Stärke über Strang Darstellung eines logischen Qubits durch mehrere echte Qubits Verteilen des Gewichts

Darstellung vollständiger Graphen > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Darstellung vollständiger Graphen Beispiel für 7 Knoten: Beispiel für 6 Knoten:

> Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Beispielgraph -1 5 2 1 3 -4 -2 -3 1 7 4 10 3 8 6 9 2 5

> Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Beispielgraph 1 7 4 10 3 8 6 9 2 5

Beispiel: Cliquenproblem > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Beispiel: Cliquenproblem Finde größten vollständigen Teilgraph (Clique) Eigenschaften und Strukturen erkennen Anwendung: z.B. Facebook: Finde maximale Gruppe von Freunden 1 7 4 10 3 8 6 9 2 5 7 4 3 8

Cliquenproblem auf Quantencomputer > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Cliquenproblem auf Quantencomputer als quadratisches 0/1-Minimierungsproblem formulieren: Maximale Knotenzahl Kanten des Graphs ohne Einschränkungen aktivierbar Alle anderen Kanten dürfen nie benutzt werden → Knotengewichte negativ, z.B. -1 → Stärke 0 → Hohe Strafe: Stärke +10

Cliquenproblem auf Quantencomputer > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Cliquenproblem auf Quantencomputer 2 Komplementgraph 3 1 4 10 5 6 9 8 7

Cliquenproblem auf Quantencomputer > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Cliquenproblem auf Quantencomputer Realisierung auf D-Wave-Hardware → Bei 10 Knoten: 1 logischer Knoten = 4 Qubits → Gewicht des logischen Knoten = -1 = Summe über allen Gewichten und Stärken im Qubitstrang → Kopplung zwischen den Qubits ist wichtig → negative Stärken 5 -7 -1

Cliquenproblem auf Quantencomputer > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Cliquenproblem auf Quantencomputer 1 2 3 4 5 6 7 8 9 10

Cliquenproblem auf Quantencomputer > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Cliquenproblem auf Quantencomputer nächstkleinere Cliquen finden: gefundene Kanten entfernen (nur solche, deren Knoten keinen gemeinsamen Nachbarn haben) 1 7 4 10 3 8 6 9 2 5 1 4 3 7 4 3 8 7 10 8

Nutzen der Lösung für Netzwerkoptimierung > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Nutzen der Lösung für Netzwerkoptimierung 1 2 3 4 5 6 7 8 9 10 Implementierung mit weniger Qubits möglich! → 15 Qubits

Netzwerkminimierung -1 -2 1 5 2 -4 3 -3 1 2 3 4 5 6 7 8 9 10 > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Netzwerkminimierung -1 5 2 1 3 -4 -2 -3 1 2 3 4 5 6 7 8 9 10

Ausblick Scheduling-Probleme für Satellitenaufgabenplanung lösen > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Ausblick Scheduling-Probleme für Satellitenaufgabenplanung lösen Partitionieren des Cliquen-Problems zum Lösen komplexerer Probleme in Kombination mit klassischen Rechnern Machine Learning, Pattern Matching

Vielen Dank für ihre Aufmerksamkeit! > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.2015 Vielen Dank für ihre Aufmerksamkeit! Fragen? Tobias Stollenwerk Elisabeth Lobe Simulations- und Softwaretechnik Abt. Verteilte Systeme und Komponentensoftware tobias.stollenwerk@dlr.de elisabeth.lobe@dlr.de http://www.DLR.de/sc