Das Teilvorhaben QAI2C (Quantum AI for Coordination and Classification) erforscht grundlegend Möglichkeiten und das Potenzial der Verwendung von Quantenrechnen für ausgewählte Mechanismen zu Koordination und Klassifikation in der künstlichen Intelligenz (KI). Ziel ist es, neue quantenunterstützte KI-Verfahren für eine agentenbasierte Koordination von Aktionen in rationalen Koalitionen und durch tiefes verstärkendes Multiagentenlernen sowie tiefes unüberwachtes Lernen für Klassifikation zu entwickeln, die im Vergleich zu ausgewählten klassischen Referenzverfahren effizienter sein können. Die Forschungsarbeiten erfolgen mit Bezug die im Verbund adressierten, allgemeinen Problemstellungen der Anwendungsfälle einer kapazitiven Fahrzeugwegeplanung, Chassis-Design und Qualitätsbewertung von Finite-Element-Netzen in der Bauteilentwicklung der Partner TWT und Mercedes-Benz. Für die Untersuchung eines potenziellen Quantennutzens erfolgt eine theoretische und experimentelle Analyse der entwickelten QKI-Verfahren über Simulation auf klassischem Rechner als auch auf realer im Verbund verfügbaren (NISQ-)Quantenrecheninfrastruktur im Vergleich zu den jeweiligen klassischen Referenzverfahren. Verfahren und Daten werden in einer offenen Software-Bibliothek des Gesamtvorhabens QAIAC zugänglich gemacht. Am Ende des Teilvorhabens QAI2C werden wir für ausgewählte klassische KI-Verfahren der Koordination und Klassifikation erstmalige oder weitergehende Erkenntnisse zu deren Adaption für Quantenrechnen verfügen. Das beinhaltet auch eine verbreiterte Basis an prototypisch implementierten Quanten-KI-Verfahren, sowie erste Erkenntnisse darüber, inwieweit und unter welchen Bedingungen diese für die im Verbund betrachteten Anwendungen eine verbesserte Leistung bieten könnten.
Partner
- Mercedes-Benz
- FZ Jülich
- TWT
- E.on
