Quantenmethoden und Vergleichspunkte zur Ressourcenvergabe

Die Optimierung komplexer industrieller Prozesse, wie z. B. der Mikrochip-Herstellung und der Automobilproduktion, erfordert die Analyse großer Datenmengen, um die Produktionsverteilung in kapitalintensiven Anlagen zu verbessern. Selbst kleine Verbesserungen der Lösungsqualität kombinatorischer Optimierungsprobleme können für Unternehmen in diesen Sektoren zu erheblichen wirtschaftlichen Auswirkungen führen.

So sammelt beispielsweise die Infineon Technologies AG, ein führender Halbleiterhersteller, täglich Millionen von Datenpunkten aus verschiedenen Quellen, um ihren Produktionsprozess für Mikrochips zu optimieren. Die Volkswagen AG hingegen, ein weltweit führender Automobilhersteller, kämpft mit den komplexen Herausforderungen, die sich aus dem Übergang zu Elektrofahrzeugen und Mobilitätsdienstleistungen ergeben. In beiden Fällen kann eine effektive Optimierung für diese Unternehmen erhebliche wirtschaftliche Vorteile bringen. Diese kombinatorischen Optimierungsprobleme sind typischerweise NP-schwer, was bedeutet, dass es keine vollständig allgemeinen effizienten algorithmischen Lösungen gibt. Praktiker greifen auf domänenspezifische Heuristiken und neuerdings auch auf Algorithmen des maschinellen Lernens zurück, um optimale Lösungen zu finden, wobei die Zeit und die Rechenleistung begrenzt sind. Quantencomputer besitzen die Fähigkeit, klassische Rechenprozesse für ausgewählte Anwendungen zu übertreffen, was ihr Potenzial für die kombinatorische Optimierung nahelegt. Die Bestimmung der Durchführbarkeit von Quantenalgorithmen hängt von mehreren Faktoren ab, z. B. von den Besonderheiten des Problems, den Möglichkeiten der Hardware und den konkurrierenden klassischen Methoden. Folglich erfordert eine umfassende Analyse eine solide Zusammenarbeit zwischen Experten auf dem Gebiet der Quanteninformation, klassischer deterministischer Algorithmen, des maschinellen Lernens, der Softwaretechnik und der Industrie. Das Ziel von QuBRA ist es, ein breit gefächertes Konsortium zusammenzustellen, um den praktischen Quantenvorteil in der kombinatorischen Optimierung quantitativ zu umreißen - eine Frage von großer Relevanz für industrielle Anwendungen, die derzeit nicht klar verstanden wird.