AutoQML - Developer-Suite für automatisiertes maschinelles Lernen mit Quantencomputern

Abstract

Im Allgemeinen verspricht QC (quantum computing) bestimmte Probleme um Größenordnungen schneller zu lösen als es mittels konventioneller Algorithmen der Fall ist. Das gilt im Speziellen auch für den Unterbereich von QML (quantum machine learning) der sich damit befasst, wie dieser Quantenvorteil für derzeitige ML-Anwendungen nutzbar gemacht werden kann. Allerdings ist in diesem Bereich eine ähnliche Entwicklung wie jüngst im Feld ML zu erwarten. Durch die Neuartigkeit der Technologie und das kaum verfügbare interdisziplinäre Fachwissen ist ein gravierender Fachkräftemangel absehbar. Inspiriert von den Automatisierungsbestrebungen im Feld ML, war es Ziel dieses Projekts eine ähnliche Automatisierung für QML zu entwickeln.

Dazu wurden vier Anwendungsfälle aus der Industrie mit QML-Methoden gelöst und die Erkenntnisse und Methoden daraus in ein Automatisierungsframework eingewoben, welches – nur basierend auf den übergebenen Daten und der Fragestellung – die optimale Methode unter allen zur Verfügung stehenden ermittelt und passend trainiert.

Damit steht die Anwendung von QML nun einem deutlich breiteren Publikum offen. AutoQML ist open source und frei verfügbar und wird aktuell auch in Anschlussprojekten laufend weiterentwickelt.

In general, QC (quantum computing) promises to solve certain problems orders of magnitude faster than is possible with conventional algorithms. This is especially true for the subfield of QML (quantum machine learning), which deals with how this quantum advantage can be leveraged for current ML (machine learning) applications. However, a similar development as recently seen in the field of ML is to be expected in this area. Due to the novelty of the technology and the scarcely available interdisciplinary expertise, a significant shortage of skilled professionals is foreseeable. Inspired by automation efforts in the ML field, the goal of this project was to develop similar automation for QML.

To this end, four use cases from industry were solved using QML methods, and the insights and methods gained from this were woven into an automation framework which—based solely on the provided data and the specific question—determines and appropriately trains the optimal method from all those available.

As a result, the application of QML is now accessible to a much broader audience. AutoQML is open source and freely available, and is currently being developed further in follow-up projects.