Kompetenzzentrum Quantum Computing Baden-Württemberg

Abgeschlossenes Forschungsprojekt

Das Kompetenzzentrum Quantencomputing Baden-Württemberg (KQCBW) verfolgt das Ziel, die Schlüsseltechnologie Quantencomputer in Deutschland weiterzuentwickeln und praxisrelevante Anwendungen in verschiedenen Branchen zu realisieren. 

Projektbeschreibung

Das Kompetenzzentrum Quantencomputing Baden-Württemberg (KQCBW) wurde 2020 gegründet, um die Entwicklung und Anwendung von Quantencomputern in entscheidenden Wirtschaftszweigen wie Informationstechnik, Medizintechnik, Chemie, Maschinenbau, Produktion, Automobil und Logistik zu fördern. Das KQCBW bringt sich als Teil der Geschäftsstelle der Landesinitiative QuantumBW aktiv beim Ausbau des Quantentechnologiestandorts Baden-Württemberg ein.

Ziel des zehnmonatigen Transferprojekts KQCBW24 war, den Zugang zu modernen Quantencomputern, wie den IBM-Systemen, zu gewährleisten und innovative Werkzeuge sowie Algorithmen zur Nutzung der Quantencomputing-Technologie zu entwickeln. 

Neben den Systemen von IBM wurde auch der Zugriff auf einen NV-basierten Quantencomputer und die Bereitstellung der HPC-Simulationsinfrastruktur sowie der virtuellen Demonstrator-Plattform zur Simulation von Quantenalgorithmik für alle Projektpartner innerhalb des KQCBW ermöglicht. Dies bildet eine umfängliche Quantencomputer-Infrastruktur, die den Partnern des KQCBW ideale Voraussetzungen für ihre Forschungsarbeiten bietet.

Teilvorhaben Fraunhofer IWM:

Das Fraunhofer IWM deckte das gesamte Spektrum von der Hardwaremodellierung über die Anwendungsformulierung bis zur Algorithmenentwicklung ab. Das Institut modellierte den dissipativen Einfluss von Kristallstrukturdefekten, die NV-Farbzentren in Diamant umgeben, und parametrisiert so das theoretische Modell materialspezifisch und anwendungsnah – eine unverzichtbare Grundlage für die experimentelle Pulsoptimierung der Projektpartner. Das Fraunhofer IWM hat dafür zwei materialwissenschaftliche Use Cases formuliert: erstens die Lösung des korrelierten Hilfsmodells im Rahmen der Dynamical Mean-Field Theory (DMFT) zur Berechnung elektronischer Eigenschaften von Übergangsmetalloxiden (relevant für Brennstoffzellen-Elektroden und Hochtemperatursupraleiter), und zweitens die Hamiltonsche Simulation des Heisenberg-Spinmodells zur Beschreibung magnetischer Eigenschaften (relevant für neue Speicherarchitekturen wie Racetrack-Memory).

Für die Use Cases hat das Fraunhofer IWM konkrete Quantenalgorithmen entwickelt: Zeitentwicklungsalgorithmen mit verkürzten Schaltkreisen für die DMFT sowie Variational Quantum Imaginary Time Evolution (VarQITE) als skalierbaren, NISQ-tauglichen Ansatz zur Berechnung von Grundzustandseigenschaften stark korrelierter Systeme. Zusätzlich untersuchte das Fraunhofer IWM fortgeschrittene Techniken wie Block Encoding und Quantum Signal Processing.

Auf der Basis der Projektarbeiten kann das Fraunhofer IWM Industrieunternehmen folgende neue FuE-Leistungen anbieten:

  • Quantencomputer-gestützte Simulation stark korrelierter Funktionsmaterialien
    Mit einem hybriden HPC/QC-Simulationsworkflow (DFT+DMFT mit Quantensolver) sind genauere Vorhersagen elektronischer und magnetischer Materialeigenschaften möglich als mit rein klassischen Methoden und damit eine schnellere, gezieltere Materialentwicklung bei reduzierten experimentellen Kosten.
  • Bewertung und Machbarkeitsstudien zum Quantenvorteil in der Materialentwicklung
    Für Unternehmen, die evaluieren möchten, ob Quantencomputing für ihre spezifischen Materialfragestellungen einen Mehrwert bietet, stellt das IWM seine Benchmarking-Expertise bereit: Vergleich von Quantenalgorithmen (VarQITE, Zeitentwicklung, QSVT) mit klassischen State-of-the-Art-Verfahren für konkrete Materialsysteme. 
  • Materialspezifische Modellierung von Defekten und Dissipation in Qubit-Materialien
    Atomistische Simulation von Kristalldefekten, um die Wechselwirkung zwischen Qubits und ihrer materialspezifischen Umgebung zu verstehen und zu minimieren. Gezielte Optimierung der Qubit-Kohärenz und Gate-Güte durch materialwissenschaftlich fundierte Parameterauswahl.

Förderhinweis