Kvantumgépi tanulás: az AutoQML szoftver megkönnyíti az ipari alkalmazást

Képfelismerés lézeres vágás során, mint konkrét alkalmazási példa a kvantum-ML algoritmusok alkalmazására. © Trumpf csoport

Az autoQML csapata egy projekt-találkozón 2023. © Fraunhofer IAO

Az AutoQML közös projektben a Fraunhofer-Institut IAO és IPA hét ipari partnerrel közösen fejlesztett egy azonos nevű alkalmazástechnológiát. A nyílt forráskódú AutoQML szoftver összekapcsolja a kvantumszámítást és a Gépi Tanulást. Így a kvantum-gépi tanulási algoritmusok mély szakértelem nélkül is használhatóvá válnak.

Hogyan képesek a vállalatok kihasználni a digitalizáció potenciálját és versenyképesek maradni? A mesterséges intelligencia technológiáinak alkalmazása segíthet a digitális átalakulásból a lehető legtöbbet kihozni. Különösen a Gépi Tanulás (ML) már nagy szerepet játszik sok vállalat digitalizációs stratégiájában, és többek között hatékonyabb folyamatokat, valamint új üzleti modelleket tesz lehetővé. Azonban gyakran hiányzik a szakértői háttér. Így a ML-megoldások bevezetése eddig gyakran nagy munkával járt. Az adatok beszerzésétől a megfelelő algoritmusok kiválasztásán át a tanítás optimalizálásáig részletes ML-szakértelem szükséges.

A gépi tanulás automatizált megközelítése (AutoML) ellensúlyozza ezeket a kihívásokat, és megkönnyíti a mesterséges intelligencia alkalmazását. Különösen az ML konkrét algoritmusainak kiválasztását automatizálja. A felhasználóknak így kevesebb ML-ismeret szükséges, és inkább saját folyamataikra koncentrálhatnak.

Ebben az összefüggésben ígéretes az kvantumszámítás innovációja, amely új megoldási lehetőségeket teremthet, és jelentősen javíthatja az AutoML megközelítést. Emellett a kvantumszámítás biztosítja az AutoML-hez gyakran szükséges számítási kapacitást.

Új megközelítés: A kvantumszámítás új szintre emeli a gépi tanulást

A „AutoQML” közös projekt erre az innovációra alapozva két fő célt ért el: egyrészt kifejlesztette az új AutoQML megközelítést. Ez kibővíti az AutoML elvet az újonnan kifejlesztett kvantum-ML algoritmusokkal. Másrészt a kvantumszámítás új szintre emeli az AutoML megközelítést, mivel bizonyos problémákat kvantumszámítással hatékonyabban és fenntarthatóbban lehet megoldani, mint hagyományos algoritmusokkal.

A Fraunhofer Munkaügyi és Szervezési Intézete (IAO) vezetésével kifejlesztett nyílt forráskódú szoftver, az AutoQML lehetővé teszi a fejlesztők számára, hogy egyszerűbben hozzáférjenek a hagyományos és kvantum-ML algoritmusokhoz. A kifejlesztett kvantum-ML komponensek és módszerek egy szerszámkészlet formájában kerültek összegyűjtésre, és a fejlesztőcsapatok rendelkezésére állnak. Ez lehetővé teszi a felhasználók számára, hogy gépi tanulást és kvantum-gépi tanulást alkalmazzanak, valamint automatizált hibrid megoldásokat fejlesszenek ki.

A projektben részt vett a Fraunhofer Gyártástechnika és Automatizálás Intézete (IPA), valamint a GFT Integrated Systems, az USU GmbH, az IAV GmbH Autó- és Közlekedésmérnöki Társaság, a KEB Automation KG, a Trumpf és a Zeppelin GmbH vállalatok is. A kifejlesztett megoldásokat konkrét alkalmazási esetekben tesztelték az autóiparban és a gyártás területén.

Benchmarking tanulmány mutatja az AutoQML potenciálját

A záró benchmarking tanulmányban a projektkonszern összehasonlította nyílt forráskódú szoftverét, az AutoQML-t a legjobb ismert klasszikus és kvantum módszerekkel. A tanulmány egyik fő eredménye: az AutoQML automatizált megoldásai legalább olyan jó eredményt érnek el, mint a legjobb manuálisan kiválasztott klasszikus és kvantum módszerek. Ez lehetővé teszi a fejlesztők számára, hogy saját alkalmazási eseteiken kísérletezzenek.

A nyílt forráskódú szoftver jelentős lépést jelent a kvantum-gépi tanulás szélesebb körű ipari alkalmazása felé, ami tartósan növelheti a vállalatok versenyképességét és innovációs képességét.

A vállalati partnerek által történő további piaci terjesztés támogatja a kutatásközeli csúcstechnológia átültetését széles ipari környezetbe, és célja, hogy jelentősen erősítse Németország ipari helyzetét. A projekt tudományos eredményeit több publikációban mutatták be. A projektet a Szövetségi Gazdasági és Klímavédelmi Minisztérium (BMWK) támogatta hároméves időtartamban.