Quantencomputer: Gewissheit aus dem Zufall ziehen
Quantencomputer (hier ein Experiment am Technology Innovation Institute in Abu Dhabi) arbeiten bei sehr niedrigen Temperaturen, um Rauschen und unerwünschte Störungen zu minimieren. Mit einem neu entwickelten mathematischen Werkzeug ist es nun möglich, die Leistung eines Quantencomputers durch zufällige Testdaten zu bewerten und mögliche Fehler zu diagnostizieren.
Quantencomputer werden mit zunehmender Größe und Komplexität undurchschaubar. Mit Methoden der mathematischen Physik ist es nun einem Team gelungen, aus zufälligen Datensequenzen konkrete Zahlen abzuleiten, die als Maßstab für die Leistungsfähigkeit eines Quantencomputersystems dienen können. An der Arbeit mit Quantencomputer, die nun in Nature communications veröffentlicht ist, waren Experten des Helmholtz-Zentrum Berlin, der Freien Universität Berlin, des Qusoft Forschungszentrum Amsterdam, der Universität Kopenhagen sowie des Technology Innovation Institute Abu Dhabi beteiligt.
Mit Quantencomputern lassen sich insbesondere Quantensysteme deutlich effizienter berechnen und zum Beispiel Probleme in der Materialforschung lösen. Je größer und komplexer jedoch Quantencomputer werden, desto weniger lassen sich die Prozesse durchschauen, die zum Ergebnis führen. Um solche Quantenoperationen zu charakterisieren und die Fähigkeiten von Quantencomputern mit der klassischen Rechenleistung bei denselben Aufgaben fair zu vergleichen, werden daher passende Werkzeuge gebraucht. Ein solches Werkzeug mit überraschenden Talenten hat nun ein Team um Prof. Jens Eisert und Ingo Roth entwickelt.
Benchmarking von Quantencomputern
Roth, der aktuell am Technology Innovation Institute in Abu Dhabi eine Gruppe aufbaut, erläutert: „Aus den Ergebnissen zufällig gewählter Experimente können wir mit mathematischen Methoden nun viele verschiedene Zahlen extrahieren, die zeigen, wie nah die Operationen im statistischen Mittel an den gewünschten Operationen sind. Damit kann man aus den gleichen Daten viel mehr lernen als zuvor. Und zwar – das ist das Entscheidende – wächst die benötigte Datenmenge nicht linear sondern nur logarithmisch.“ Dies konnte das Team sogar mathematisch beweisen. Konkret bedeutet das: Um hundertmal so viel zu lernen, werden nur doppelt so viel Daten gebraucht. Eine enorme Verbesserung.
Eisert, der eine gemeinsame Forschungsgruppe zu theoretischer Physik am Helmholtz-Zentrum Berlin und der Freien Universität Berlin leitet, sagt: „Es geht hier um das Benchmarking von Quantencomputern. Wir haben gezeigt, wie man mit randomisierten Daten solche Systeme kalibrieren kann. Das ist eine sehr wichtige Arbeit für die Entwicklung von Quantencomputern.“
- MXene als Energiespeicher: Vielseitiger als gedachtMXene-Materialien könnten sich für eine neue Technologie eignen, um elektrische Ladungen zu speichern. Die Ladungsspeicherung war jedoch bislang in MXenen nicht vollständig verstanden. Ein Team am HZB hat erstmals einzelne MXene-Flocken untersucht, um diese Prozesse im Detail aufzuklären. Mit dem in situ-Röntgenmikroskop „MYSTIIC” an BESSY II gelang es ihnen, die chemischen Zustände von Titanatomen auf den Oberflächen der MXene-Flocken zu kartieren. Die Ergebnisse zeigen, dass es zwei unterschiedliche Redox-Reaktionen gibt, die vom jeweils verwendeten Elektrolyten abhängen. Die Studie schafft eine Grundlage für die Optimierung von MXene-Materialien als pseudokapazitive Energiespeicher.
- Ein Rekordjahr für das HZB-Reallabor für bauwerksintegrierte PhotovoltaikUnsere Solarfassade in Berlin-Adlershof hat im Jahr 2025 so viel Strom erzeugt wie in keinem der vergangenen vier Betriebsjahre.
- KI analysiert Dinosaurier-Fußabdrücke neuSeit Jahrzehnten rätseln Paläontolog*innen über geheimnisvolle dreizehige Dinosaurier-Fußabdrücke. Stammen sie von wilden Fleischfressern, sanften Pflanzenfressern oder sogar frühen Vögeln? Nun hat ein internationales Team künstliche Intelligenz eingesetzt, um dieses Problem anzugehen – und eine kostenlose App entwickelt, die es jeder und jedem ermöglicht, die Vergangenheit zu entschlüsseln.