Kvantové strojové učení: software AutoQML usnadňuje průmyslové nasazení

Rozpoznávání obrázků při laserovém řezání jako konkrétní příklad použití kvantových ML algoritmů. © Trumpf Gruppe

Tým autoQML na projektové schůzce 2023. © Fraunhofer IAO

Ve společném projektu AutoQML vyvinula Fraunhoferova ústavy IAO a IPA společně s sedmi průmyslovými partnery softwarovou aplikaci stejného jména. Open-source software AutoQML propojuje kvantové výpočty a strojové učení. Tím jsou algoritmy kvantového strojového učení zpřístupněny bez hlubokých odborných znalostí.

Jak se firmám daří využívat potenciál digitalizace a zůstat konkurenceschopnými? Použití technologií, jako je umělá inteligence, může pomoci maximalizovat přínosy digitální transformace. Zejména strojové učení (ML) již hraje velkou roli v digitální strategii mnoha podniků a umožňuje mimo jiné efektivnější procesy a nové obchodní modely. Nicméně často chybí odborníci. Implementace řešení ML je dosud často spojena s vysokou pracovní zátěží. Od získávání dat přes výběr vhodných algoritmů až po optimalizaci tréninku je zapotřebí podrobné odborné znalosti v oblasti ML.

Přístup automatizovaného strojového učení (AutoML) tyto výzvy řeší a usnadňuje použití umělé inteligence. Především se automatizuje výběr konkrétních algoritmů ML. Uživatelé tak nemusí být tak dobře obeznámeni s ML a mohou se více soustředit na své hlavní procesy.

V tomto kontextu slibuje inovace kvantových výpočtů zavedení nových přístupů, které významně zlepšují přístup AutoML. Navíc kvantové výpočty nabízejí často potřebný výpočetní výkon pro AutoML.

Nový přístup: Kvantové výpočty posouvají strojové učení na novou úroveň

Společný projekt „AutoQML“ se zaměřil na tuto inovaci a dosáhl dvou hlavních cílů: Za prvé byl vyvinut nový přístup AutoQML. Tento rozšiřuje princip AutoML o nově vyvinuté kvantové ML algoritmy. Za druhé, kvantové výpočty posouvají přístup AutoML na novou úroveň, protože některé problémy lze efektivněji a udržitelněji řešit pomocí kvantových výpočtů než konvenčními algoritmy.

Pod vedením Fraunhoferova ústavu pro pracovní ekonomiku a organizaci IAO umožňuje vyvinutý open-source software AutoQML vývojářům nyní jednodušší přístup ke konvenčním i kvantovým ML algoritmům. Vyvinuté kvantové ML komponenty a metody byly shromážděny ve formě sady nástrojů a zpřístupněny vývojovým týmům. To umožňuje uživatelům používat strojové učení a kvantové strojové učení a vyvíjet automatizovaná hybridní celková řešení.

Kromě Fraunhoferova ústavu pro výrobu a automatizaci IPA se do projektu zapojily společnosti GFT Integrated Systems, USU GmbH, IAV GmbH Ingenieurská společnost Auto a Verkehr, KEB Automation KG, Trumpf a Zeppelin GmbH. Vyvinutá řešení byla testována na konkrétních případech z oblasti automobilového průmyslu a výroby.

Studie benchmarkingu ukazuje potenciál AutoQML

V závěrečné studii benchmarkingu porovnalo konsorcium projektu svůj open-source software AutoQML s nejlepšími známými klasickými a kvantovými metodami. Hlavním výsledkem studie je, že automatizovaná řešení softwaru AutoQML jsou minimálně stejně dobrá jako nejlepší ručně nalezené klasické a kvantové metody. To dává vývojářům možnost experimentovat s vlastními případy použití.

S open-source softwarem byl učiněn důležitý krok směrem k širšímu využití kvantového strojového učení v průmyslu, což může trvale zvýšit konkurenceschopnost a inovační sílu firem.

Další rozšíření na trhu prostřednictvím firemních partnerů podporuje přenos výzkumně orientované špičkové technologie do širokého průmyslového prostředí a má za cíl významně posílit průmyslové postavení Německa. Vědecké poznatky z projektu byly prezentovány v několika publikacích. Projekt byl financován německým spolkovým ministerstvem hospodářství a ochrany klimatu (BMWK) na dobu tří let.