Quantum Computing

Herausforderung

  • Steigerung der Energieeffizienz durch genauere Modellierung des Energiesystems und dessen Unsicherheiten (unsicheren Eingangsgrößen des Energiesystems, Unsicherheit bezüglich der Preisentwicklung), Berücksichtigung der Unsicherheiten in die Planungsphase für einen effizienteren Ressourceneinsatz, Verringerung der Vorlaufzeit hinzu einer Energiewirtschaft in Echtzeit (Steigende Herausforderungen für eine (kosten-)effiziente und nachhaltige Energieversorgung erfordern schnelleres Lösen von komplexeren Modellen).
  • Nutzbarmachung des Quantum Computings für den sektorübergreifenden Energiebereich und dort speziell Elektromobilität.
  • Aufzeigen der Vorteile des Quantum Computings bei realen Anwendungen im Energiesektor (Quantum Advantage).
  • Auswahl der geeigneten Quantum Computing Hardware (Supraleitende Qubits, gefangene Ionen, neutrale Atome, Silizium Nanodots (Künstliche Atome), u.v.m.), geeigneter Algorithmen (hybride quantum-klassische Algorithmen wie QAOA und VQE, reine Quantum Algorithmen wie Grover Searchalgorithmus), der Dimensionalität der Informationsträger (zweidimensionale Qubits oder mehrdimensionale Qudits) und geeignete Problemformulierung auf Basis der kundenspezifischen Problemstellung.
  • Aufklärungsarbeit (Fehlendes Verständnis und fehlende Intuition) für der Bevölkerung, der Akteure des Energiebereichs sowie Ingenieure und Informatiker, welche im Energiesektor arbeiten.



Unsere Lösung und Forschungsarbeit

  • Erforschung der Lösung von Optimierungsproblemen mit Quantum Computing (Quantum Computing) mittels IBMs Quantum Computer (supraleitende Qubits) in Ehningen, Deutschland und dem experimentellen Aufbau der Universität Innsbruck (Dr. Ringbauer) auf Basis von gefangenen Ionen (Qudits) und geeigneter Emulatoren von Quantum Computern.
  • Problemspezifische Anpassung und Verbesserung von Quantum Algorithmen zum Erreichen eines Quantum Advantages.
  • Lösung von Optimierungsproblemen mit Berücksichtigung der Unvorhersagbarkeit/Unsicherheit von Erneuerbaren Energien, z.B. Fotostrom, mittels Quantum Computing.
  • Gleichzeitige Optimierung zur kosten- und emissionsminimalen (multi-kriteriellen) Be- und Entladung (bidirektionales Laden) von Elektrofahrzeugen.
  • Untersuchung von robusten Quantum Optimierungsansätzen.
  • Untersuchung von möglichen quantum-basierten Computingansätzen zur Vorhersage von Energiezeitreihen.
  • Untersuchung der Problemstellungen von Industriepartnern auf ein Quantum Advantage und Umsetzung auf einem Quantencomputer.

Forschung für die Zukunft

Unsere innovativen Forschungsvorhaben im Bereich Quanten Computing:

 

QUAPPS

The QApps initiative was officially launched. Funded by the Saxon State Ministry of Science, Culture and Tourism, the prerequisites are created to realize competitive advantages through quantum computing together with industrial partners. This includes access to physical quantum computers, a high-performance computing cluster for simulations, integrations of manufacturing machines and a co-working space.

 

EnerQuant

Energy modeling Formulation of the fundamental model in different complexity levels, qubit formulation, stochastic modeling and evaluation on alternative hardware architectures.

 

NeQST

The vision of NeQST is to leverage recent advances in the control of d-level quantum systems, qudits, in order to generate foundational breakthroughs throughout the full value chain of quantum computing.