Quantum Machine Learning: Software AutoQML vergemakkelijkt industrieel gebruik

Beeldherkenning bij laser snijden als concreet voorbeeld van de toepassing van quantum-ML-algoritmen. © Trumpf Groep

Het autoQML-team tijdens een projectvergadering 2023. © Fraunhofer IAO

In het samenwerkingsproject AutoQML hebben de Fraunhofer-instituten IAO en IPA samen met zeven industriële partners een gelijknamige toepassingssoftware ontwikkeld. De open-source software AutoQML koppelt kwantumcomputing en machine learning. Zo worden algoritmes van kwantum-machine learning zonder diepgaande vakkennis bruikbaar.

Hoe slagen bedrijven erin om de potentieel van digitalisering te benutten en concurrerend te blijven? Het inzetten van technologieën zoals kunstmatige intelligentie kan helpen om optimaal te profiteren van de digitale transformatie. Vooral machine learning (ML) speelt al een grote rol in de digitaliseringsstrategie van veel bedrijven en maakt onder andere efficiëntere processen en nieuwe bedrijfsmodellen mogelijk. Echter, er ontbreekt vaak aan vakbekwame krachten. De implementatie van ML-oplossingen is tot nu toe vaak nog verbonden aan hoge arbeidskosten. Van data-acquisitie tot de keuze van de juiste algoritmes en het optimaliseren van de training is gedetailleerde vakkennis in ML noodzakelijk.

De aanpak van geautomatiseerd machine learning (AutoML) biedt hiertegenwicht en vereenvoudigt het gebruik van kunstmatige intelligentie. Daarbij wordt vooral de keuze van de specifieke ML-algoritmes geautomatiseerd. Gebruikers hoeven dus minder vertrouwd te zijn met ML en kunnen zich meer richten op hun eigen processen.

In deze context belooft de innovatie kwantumcomputing nieuwe oplossingsrichtingen te ontwikkelen die de AutoML-aanpak aanzienlijk verbeteren. Bovendien biedt kwantumcomputing de rekenkracht die vaak nodig is voor AutoML.

Nieuwe aanpak: kwantumcomputing brengt machine learning naar een nieuw niveau

Het samenwerkingsproject »AutoQML« richtte zich op deze innovatie en heeft twee belangrijke doelen bereikt: ten eerste is de nieuwe aanpak AutoQML ontwikkeld. Deze breidt het AutoML-principe uit met nieuw ontwikkelde kwantum-ML-algoritmes. Ten tweede tilt kwantumcomputing de AutoML-aanpak naar een hoger niveau, omdat bepaalde problemen efficiënter en duurzamer kunnen worden opgelost met behulp van kwantumcomputing dan met conventionele algoritmes.

Onder leiding van het Fraunhofer-instituut voor Arbeidsorganisatie en Organisatie IAO maakt de ontwikkelde open-source software AutoQML het voor ontwikkelaars nu mogelijk om eenvoudiger toegang te krijgen tot conventionele en kwantum-ML-algoritmes. De ontwikkelde kwantum-ML-componenten en methoden zijn samengebracht in een gereedschapskist en ter beschikking gesteld aan de ontwikkelingsteams. Hierdoor kunnen gebruikers machine learning en kwantum-machine learning inzetten en geautomatiseerde hybride totaaloplossingen ontwikkelen.

Naast het Fraunhofer-instituut voor Productietechniek en Automatisering IPA namen de bedrijven GFT Integrated Systems, USU GmbH, IAV GmbH Ingenieursgesellschaft Auto en Verkehr, KEB Automation KG, Trumpf en Zeppelin GmbH deel aan het project. De ontwikkelde oplossingen werden getest aan de hand van concrete toepassingsgevallen uit de automotive- en productiesector.

Benchmarking-studie toont potentieel van AutoQML

In de afsluitende benchmarking-studie heeft het projectconsortium de open-source software AutoQML vergeleken met de beste bekende klassieke en kwantummethoden. Een belangrijk resultaat van de studie: de geautomatiseerde oplossingen van de AutoQML-software presteren minstens zo goed als de beste handmatig gevonden klassieke en kwantummethoden. Dit biedt ontwikkelaars de mogelijkheid om te experimenteren met hun eigen toepassingsgevallen.

Met de open-source software is een belangrijke stap gezet richting een bredere toepassing van kwantum machine learning in de industrie, wat de concurrentiekracht en innovatiekracht van bedrijven duurzaam kan versterken.

De verdere marktverspreiding door de bedrijfspartners bevordert de overdracht van onderzoek-gerelateerde hoogtechnologie naar een breed industrieel veld en heeft als doel de industriële locatie Duitsland aanzienlijk te versterken. De wetenschappelijke bevindingen uit het project zijn in meerdere publicaties gepresenteerd. Het project werd gefinancierd door het Bundesministerium für Wirtschaft und Klimaschutz (BMWK) voor een looptijd van drie jaar.