Gibt es für Quantencomputing einen ersten Anwendungsfall in der realen Welt?

Quanten, KI und Photonik: Eine neue Computerrevolution

Die Computer- und Informationstechnologie erlebt derzeit mehrere technologische Revolutionen gleichzeitig: den Aufstieg der künstlichen Intelligenz, die Entstehung des Quantencomputings und die Hinwendung zur Photonik, um die Grenzen des klassischen Silizium-Computings zu überwinden.

Bisher wurde in jedem dieser neuen Sektoren größtenteils isoliert gearbeitet: KI-Training und -Berechnungen werden auf klassischen Siliziumchips durchgeführt, die Quanteninformatik versucht, ihre Technologie zu verbessern, bis sie praktisch eingesetzt werden kann, und in der Photonik-Technologie wird noch immer mit Designs und Anwendungen experimentiert.

Es ist vielleicht nicht überraschend, dass gerade durch die Zusammenführung dieser Bereiche neue Möglichkeiten entstehen. Es scheint, als hätte das Quantencomputing gerade einen praktischen Anwendungsfall gefunden und bräuchte nicht einmal weitere Verbesserungen, um nützlich zu sein.

Forscher am Vienna Center for Quantum Science and Technology (VCQ) (Österreich), am Politecnico di Milano (Italien), am Consiglio Nazionale delle Ricerche (IFN-CNR) (Italien) und dem Unternehmen Quantinuum (Großbritannien) haben herausgefunden, dass bestehende Quantencomputer mithilfe eines photonischen Prozessors beim KI-Training klassische Computer übertreffen könnten.

Sie veröffentlichten ihre Ergebnisse in Nature Photonics¹, unter dem Titel "Experimentelles quantenverstärktes, kernelbasiertes maschinelles Lernen auf einem photonischen Prozessor".

Warum KI-Training und Quantencomputing an ihre Grenzen stoßen

Steigende Kosten und Energiebedarf für KI-Training

Die KI-Technologie hat in letzter Zeit enorme Fortschritte gemacht. Dies wurde jedoch nur durch den Einsatz enormer Rechenleistung erreicht, die Chips und Strom im Wert von mehreren zehn Milliarden Dollar verschlang.

Sicherlich können einige Fortschritte in der Effizienz erzielt werden, wie DeepSeek AI zeigt, das mit extrem geringen Rechen- und Kostenkosten trainiert wurdeund übertrifft damit seine westlichen Konkurrenten um ein Vielfaches. Letztendlich werden Softwareverbesserungen jedoch nur einen begrenzten Beitrag dazu leisten, das KI-Training weniger rechen- und energieintensiv zu machen.

Skalierbarkeits- und Rauschprobleme des Quantencomputings

Quantencomputing ist zwar eine vielversprechende Technologie, leidet aber bislang unter einem gravierenden Problem: Der extrem fragile Zustand der Materie, der für das Funktionieren von Quantencomputing aufrechterhalten werden muss, macht es teuer und wenig skalierbar.

Dies bedeutet auch, dass die erzielten Ergebnisse „verrauscht“ sind und regelmäßig Fehler, Verzögerungen und unzuverlässige Ergebnisse aufweisen.

Auch hier könnten Innovationen bedeuten, dass entweder ein Netzwerk kleinerer Quantencomputer or eine neue Hardware-Designarchitektur, die einen neuen Aggregatzustand namens Topokonduktoren verwendet und Skalierbarkeit ermöglicht, könnte das Problem lösen.

Bis dies bestätigt ist, stellt dies jedoch die Relevanz des Quantencomputings in Frage, da sich die Technologie noch immer auf der Suche nach einem praktischen und wirtschaftlich sinnvollen Anwendungsfall befindet.

Quantenverbesserte Kernelmethoden für KI

Wie Quantenkerne dem maschinellen Lernen dimensionale Leistung verleihen

Kernelmethoden sind weit verbreitete Werkzeuge im maschinellen Lernen und verwenden eine mathematische Methode zum Hinzufügen von Dimensionen zu einem Datensatz, um verborgene Muster besser erkennen zu können.

Quelle: MDPI

Dies erfordert natürlich eine recht komplexe Mathematik, die meist nur für wenige Spezialisten verständlich ist, die bereits auf diesem Gebiet arbeiten. Eine visuelle Darstellung der Funktionsweise finden Sie in diesem Video:

Und solche komplexen Berechnungen könnten perfekt zu den einzigartigen Fähigkeiten von Quantencomputern passen.

Photonische Prozessoren treffen auf Quantenkerne für KI

Für dieses Experiment wurde ein integrierter photonischer Prozessor verwendet, der durch Femtosekunden-Laserschreiben auf einem Borosilikatglassubstrat erzeugt wurde, um die Daten in einen Zustand zu kodieren, der von einem Quantencomputer verarbeitet werden kann.

Quelle: Nature Photonics

Dabei wurden Kernel mit Quanteninterferenz zur Berechnung herangezogen und mit klassischen Methoden verglichen.

Quelle: Nature Photonics

Experimentelle Ergebnisse: Quantenkerne vs. klassische Kerne

Die Wissenschaftler testeten vier verschiedene Datensatzgrößen im Bereich von 40 bis 100 Datenpunkten, wobei der Quantenkern (in Blau) mit dem klassischen Kern (in Orange) verglichen wurde.

Quelle: Nature Photonics

In beiden Experimenten schnitt der Quantenkern besser ab als der klassische Computerkern.

„Wir haben festgestellt, dass unser Algorithmus bei bestimmten Aufgaben weniger Fehler macht als sein klassisches Gegenstück.“

Philip Walther – Professor an der Universität Wien.

Nächste Schritte zum praxisnahen Quanten-KI-Training

Von der Demo zur Produktion: Quanten-KI-Training

Dieses Experiment zeigte, dass die heute existierenden Quantencomputer bei Aufgaben, die üblicherweise beim Training neuronaler Netzwerke verwendet werden, klassische Computer übertreffen können.

Das ist eine große Sache, denn bisher ging man davon aus, dass für diese Art von Anwendung nur ein zuverlässigerer Quantencomputer eingesetzt werden könnte. Nachdem dies nun experimentell widerlegt wurde, besteht der nächste Schritt darin, mit dieser Technologie zumindest einen begrenzten Testlauf realer KI-Trainings durchzuführen.

Hierzu könnten neue, von Quantenarchitekturen inspirierte Algorithmen entwickelt werden, die eine bessere Leistung erzielen.

„Dies bedeutet, dass bestehende Quantencomputer gute Leistungen erbringen können, ohne notwendigerweise über den Stand der Technik hinauszugehen.“

Zhenghao Yin – PhD-Student an der Universität Wien.

Wie Quantenphotonik den Energieverbrauch von KI senkt

Photonik-Plattformen können die gleiche oder eine höhere Rechenleistung bei deutlich geringerem Energieverbrauch erbringen. Da Energie zunehmend zum Engpass der KI-Industrie wird – mehr noch als Rechenkapazität oder Innovationen –, könnte die Nutzung quantenphotonischer Computerforschung besonders wichtig werden.

„Dies könnte sich in Zukunft als entscheidend erweisen, da Algorithmen für maschinelles Lernen aufgrund des zu hohen Energiebedarfs immer undurchführbarer werden.“

Iris Agresti – PhD-Studentin an der Universität Wien.

 Gefangene Ionen vs. supraleitende Quantentechnologie: Was kommt als Nächstes?

Dies könnte wichtige Konsequenzen für die Ausrichtung der Quantencomputerbranche haben.

Bisher war das Feld aufgeteilt zwischen der Ionenfalle-Technologie mit hoher Zuverlässigkeit, aber geringer Quantenrechenkapazität (Qubit) pro Gerät und komplexeren Designs auf Basis von Supraleitung, die bisher sehr laut ist, aber letztendlich eher auf ein großes Qubit-Volumen skalierbar ist.

Die Forschung entstand in enger Zusammenarbeit mit Quantinuum. Vier der zwölf Wissenschaftler, die im Artikel erwähnt werden, arbeiten bei diesem Unternehmen. Als Spezialist für Ionenfallentechnologie ist es für Quantinuum sinnvoll, nach einer Situation zu suchen, in der die geringe Qubit-Anzahl seiner Computer bereits einen relevanten Business Case erfüllen kann.

Sollte sich dies als wahr herausstellen, könnte das Unternehmen zu einem wichtigen Anbieter von Rechenkapazitäten für die KI-Branche werden und möglicherweise zumindest einen Bruchteil von Nvidias (NVDA ) Leistungen.

In Quantencomputing investieren

Honeywell / Quantinuum

Quantinuum ist das Ergebnis der Fusion von Honeywell Quantum Solutions und Cambridge Quantum.

Honeywell bleibt Mehrheitsaktionär des Unternehmens (wahrscheinlich 52 % der Anteile) nach einer Finanzierungsrunde mit einem Wert von 5 Milliarden DollarGründer Ilyas Khan soll rund 20 % des Unternehmens besitzen. Weitere Anteilseigner sind JSR Corporation, Mitsui, Amgen, IBM und JP Morgan.

Ein möglicher Börsengang von Quantinuum in der Zukunft, möglicherweise als Teil einer größeren Unternehmensumstrukturierung, wird auf einen Wert von bis zu 20 Milliarden Dollar geschätzt , könnte zwischen 2026 und 2027 eintreten.

Quantencomputing ist nicht der zentrale Teil des Geschäfts von Honeywell, sondern konzentriert sich eher auf Produkte in den Bereichen Luft- und Raumfahrt, Automatisierung sowie Spezialchemikalien und -materialien.

Jeder dieser Bereiche könnte jedoch vom Quantencomputing profitieren, insbesondere Computerchemie und Quanten-Cybersicherheit, was Honeywell möglicherweise einen Vorteil gegenüber seinen Konkurrenten verschafft.

Das Hauptmodell des Unternehmens ist derzeit der H2, ein Chip mit 56 Qubits und gefangenen Ionen, der eine Zwei-Qubit-Gate-Genauigkeit von 99.895 % aufweist.

Das Unternehmen strebte nicht nur nach qualitativ hochwertigem Computing mit sehr geringer Fehlerquote, sondern auch nach der Hinzufügung möglichst vieler Qubits und der Schaffung eines sogenannten „fehlertoleranten Quantencomputings“.

Dieser Ansatz wird vom Unternehmen als „Bessere Qubits, bessere Ergebnisse“ bezeichnet, wobei mit einer ähnlichen Anzahl von Qubits 100- bis 1,000-mal zuverlässigere Ergebnisse erzielt werden.

Quelle: Quantum

Dies könnte insbesondere bei der dringend benötigten quantenresistenten Kryptographie einen Unterschied machen, wobei das Rüstungsunternehmen Thales (HO.PA -fünfzehn%) bereits in Zusammenarbeit mit Quantum und auch die die internationale Banks HSBC , JP Morgan.

Quantinuum bietet auch seine proprietäre Quantencomputerchemie an InQuanto, nutzbar für Anwendungen in den Bereichen Pharmazie, Materialwissenschaften, Chemie, Energie und Luft- und Raumfahrt.

Wie viele andere Unternehmen im Bereich Quantencomputer, Quantinuum bietet Heliosherunter, eine „Hardware als Service“, sodass Benutzer vom Quantencomputing profitieren können, ohne sich selbst mit der Komplexität des Systembetriebs befassen zu müssen.

Quantinuum unterzeichnete im November 2024 eine Partnerschaft mit dem deutschen Unternehmen Infineon, Europas größter Halbleiterhersteller. Infineon wird seine integrierte Photonik- und Steuerelektronik-Technologie einbringen, um die nächste Generation von Quantencomputern mit Ionenfallen zu entwickeln.

Da die integrierte Photonik immer praktischer wird, wird deutlich, wie wichtig diese Partnerschaft für die Zukunft von Quantinuum sein könnte. Der nächste Schritt für das Unternehmen scheint die Veröffentlichung des weltweit ersten KI-fokussierten Photonik-Quantenchips zu sein.

In den kommenden Monaten wird Quantinuum Ergebnisse aus laufenden Kooperationen veröffentlichen und das bahnbrechende Potenzial quantenbasierter Fortschritte in der generativen KI demonstrieren.

Die innovative Gen-QAI-Funktion wird die Verwendung metallischer organischer Gerüste für die Arzneimittelverabreichung verbessern und beschleunigen und so den Weg für effizientere und personalisiertere Behandlungsmöglichkeiten ebnen. Einzelheiten werden bei der Markteinführung von Helios bekannt gegeben.

Quantinuum verkündet Durchbruch bei generativer Quanten-KI mit enormem kommerziellen Potenzial

Die Ankündigung in dieser Veröffentlichung ist Teil einer Reihe von Neuigkeiten im Zusammenhang mit den schnellen Fortschritten bei der Verbindung zwischen KI und Quantencomputern bei Quantinuum.

Weitere laufende Anwendungsfälle könnten den zukünftigen Wert des Unternehmens und damit auch Honeywells Anteil daran und den potenziellen Gewinn, den Anleger daraus erzielen könnten, erheblich steigern.

Aktuelle Nachrichten und Entwicklungen zur Honeywell/Quantinuum (HON)-Aktie

Zitierte Studie

^{1. Yin, Z., Agresti, I., de Felice, G. et al. Experimentelles, quantenverstärktes, kernelbasiertes maschinelles Lernen auf einem photonischen Prozessor. Naturphotonik. (2025). https://doi.org/10.1038/s41566-025-01682-5}