Quantencomputing am Fraunhofer IAF

• Quantensimulation: 
  • Quantenchemische Berechnungen und  Simulationen
  • Erforschung von Material- und Naturwissenschaften
• Kombinatorische Optimierung: 
  • Statische und dynamische Portfolio-Optimierung
  • Kombination klassischer und quantentechnischer Berechnungen mittels QAOA
• Quantenmaschinenlernen: 
  • KI-unterstützte Systeme
  • Quantencomputing für KI
  • Anwendungsfälle in generativem Lernen und Klassifikationen

• sind hybrid integrierbar
• funktionieren nahe Raumtemperatur; sperrige Vakuumaufbauten bzw. kryogene Kühlung sind nicht erforderlich
• bieten längere Operationszeiten und kleinere Fehlerraten als vergleichbare kommerziell verfügbare Systeme

Software-Hardware-Co-Design

Am Fraunhofer IAF führen wir neben der Weiterentwicklung und Optimierung von Algorithmik für verschiedene Hardware-Plattformen auch Benchmarking durch.

Ziele

• Erfolgreiche Rechnungen auf NISQ-Systemen (Noisy Intermediate-Scale Quantum) trotz der inhärenten Fehleranfälligkeit
• Hardware-Ansätze für verschiedene Anwendungen evaluieren

Methoden

• Fehlercharakterisierung: Crosstalk, verbesserte Fehlermodelle
• Fehlermitigation: Inverted Circuits – Zero Noise Extrapolation
  (IC-ZNE), Grover
• Benchmarking von supraleitenden Systemen von IBM und diamantbasierten Systemen

Prozessentwicklung für Quantenbauteile

Am Fraunhofer IAF entwickeln wir Halbleiterprozesse für quantentechnologische Komponenten, etwa für photonische Diamantbauelemente und Stickstoff-Vakanz-Zentren für Spin-basiertes Quantencomputing.

Ziele

• Herstellung photonischer Diamantbauelemente
• Lokale Erzeugung von Farbzentren

Methoden

• Lokale Erzeugung von Farbzentren in CVD-Diamant
• Herstellung freistehender optischer Strukturen durch Trockenätzen
• Lithographie (optisch, Elektronenstrahl)
• Metallisierung