Routenplanung von LKW-Flotten im Supply-Chain-Management (TSP / SPP)
In diesem Demonstrator zeigen wir, wie ein Vehicle Routing Problem (VRP) auf dem Quantencomputer gelöst werden kann. Ein VRP ist ein verallgemeinertes Traveling-Salesperson-Problem (TSP), bei dem eine Rundreise auf mehrere Agenten (Lastwagen) aufgeteilt werden muss. In der zweiten Projektphase haben wir im Hinblick auf TSP die DWave-Hardware systematisch untersucht, um eine bessere Leistung zu erzielen. Wir betrachteten die asymmetrische und symmetrische Verteilung der Städte, um herauszufinden, ob die Symmetrie bei der Ermittlung der korrekten Lösung hilft und fanden heraus, dass dies tatsächlich der Fall ist. Die Berechnungen führen wir in der zweiten Projektphase mit dem VQE-Algorithmus anstatt mit QAOA durch. Dieser wurde für ein einzelnes Beispiel interaktiv (als Simulation) ausgeführt, wobei die Optimierungsparameter und die Schaltkreistiefe verändert wurden.
Optimierung von Ladeplänen für Elektroautos
In diesem Use Case werden Anwendungsszenarien im Energiebereich auf realen Quantencomputern ausgeführt, insbesondere auf dem IBM Quantum System One in Ehningen. Hierdurch können der technologische Stand und das Potenzial des Quantencomputings an einem realen Anwendungsbeispiel demonstriert werden. Dazu stellen wir systematische Reihen von Probleminstanzen verschiedener Größen und Kopplungsstärken (d. h. von verschiedenen Schwierigkeitsgraden) zur Verfügung und zeigen ihre Umsetzung vom klassischen Modell bis zum Postprocessing der Quantencomputing-Lösung (End-to-End Durchlauf).
Mit diesem Demonstrator präsentieren wir einen Quantum Alternating Algorithm, um gemischte ganzzahlige lineare Probleme anzugehen. Die Effektivität des Algorithmus wird durch die Lösung eines Energie-Anwendungsproblemfalls demonstriert, wobei sowohl CPU- und GPU-Quantensimulatoren als auch das IBM Quantum System in Ehningen eingesetzt werden. Der Demonstrator besteht aus zwei Teilen. Der erste Teil behandelt den Quantum Alternating Algorithm und erläutert die Theorie und Implementierung des Variational Quantum Eigensolvers (VQE) als entscheidende Komponente. Anhand eines Spielzeugproblems veranschaulicht dieses Notebook das Konzept und die Implementierung des Quantum Alternating Algorithm. Der zweite Teil widmet sich der Anwendung des Quantum Alternating Algorithmus zur Bewältigung des Energie-Anwendungsfallproblems. Dafür wird die mathematische Formulierung des Problems in das MILP-Framework überführt. Das Notebook führt nicht nur durch den Problemlösungsprozess mittels des Alternating Algorithm, sondern zeigt auch, wie die Nutzung von Benchmarking-Toolkits zur Leistungssteigerung durch GPU-Beschleunigung möglich ist. Des Weiteren präsentieren wir experimentelle Ergebnisse, welche durch Ausführung des Algorithmus auf dem IBM Quantum System in Ehningen erzielt wurden.
Optimierung von Ladeplänen einer gegebenen Ladesäuleninfrastruktur (EMP)
In diesem Demonstrator zeigen wir anhand von vier Jupyter Notebooks, wie man einen Energie-Anwendungsfall auf einem Quantencomputer lösen kann. Im ersten Notebook stellen wir den Anwendungsfall vor, zeigen wie er als ein mathematisches Optimierungsproblem formuliert werden kann und leiten eine Python-Implementierung her. Im zweiten Notebook erklären wir anhand des Energie-Anwendungsfalls sowohl die Theorie des Quantenalgorithmus QAOA als auch dessen Implementierung in Qiskit. Im dritten Notebook implementieren wir eine Transpilations-Pipeline, mit der QAOA-Schaltkreise auf realen IBM Quantencomputern ausgeführt werden können. Außerdem erklären wir, wie die Resultate eines Quantencomputers mit einem Big-Data-Bibliothek verarbeitet werden können. Im letzten Notebook präsentieren und diskutieren wir eine Reihe von Experimenten, welche auf dem IBM Quantum System One in Ehningen (»ibmq_ehningen«) ausgeführt wurden.
Haftungsausschluss
Die interaktiven Demonstratornotebooks wurden unter der Apache-Lizenz (Version 2.0) lizenziert. Die Dateien dürfen nur in Übereinstimmung mit der Lizenz verwendet werden. Eine Kopie der Lizenz kann unter http://www.apache.org/licenses/LICENSE-2.0 abgerufen werden. Sofern nicht durch geltendes Recht vorgeschrieben oder schriftlich vereinbart, wird unter dieser Lizenz vertriebene Software auf einer »AS IS«-Basis vertrieben, ohne Gewährleistungen oder Bedingungen jeglicher Art, weder explizit noch implizit. In der Lizenz finden Sie die damit verbundenen spezifischen Bestimmungen zu den Rechten und Beschränkungen.
Dies ist ein Forschungsprototyp. Die Haftung für entgangenen Gewinn, Produktionsausfall, Betriebsunterbrechung, entgangene Nutzungen, Verlust von Daten und Informationen, Finanzierungsaufwendungen sowie sonstige Vermögens- und Folgeschäden ist, außer in Fällen von grober Fahrlässigkeit, Vorsatz und Personenschäden, ausgeschlossen.