QINROS
Quantencomputing und quantenmaschinelles Lernen für intelligente und robotische Systeme
Das Ziel von QINROS ist es, basierend auf der Künstlichen Intelligenz (KI) in Quantum Computing Agenda der Arbeitsgruppe Robotik und des DFKI RIC, ein Anwendungsfeld des Quantencomputing in der Robotik für Weltraumanwendungen konzeptionell zu erarbeiten und prototypisch umzusetzen. Die Ergebnisse zielen auf TRL 1-2 ab. QINROS ist ein Verbundvorhaben zusammen mit der AG Robotik der Universität Bremen.
Laufzeit: | 01.09.2020 bis 28.02.2022 |
Zuwendungsempfänger: | Deutsches Forschungszentrum für Künstliche Intelligenz GmbH & Universität Bremen |
Fördergeber: |
Bundesministerium für Wirtschaft und Klimaschutz
Deutsches Zentrum für Luft- und Raumfahrt e.V. |
Anwendungsfelder: | Weltraumrobotik |
Projektdetails
Das Anwendungsfeld von QINROS ist die effiziente Verteilung von Rechenprozessen für (teil-) autonome Weltraumrobotik. Die Verteilung von Rechenprozessen beschreibt hierbei den Schnitt und die Kommunikation zwischen klassischen Berechnungsverfahren und quantengestützten Optimierungen.
Das DFKI RIC verfolgt folgende technische Arbeitsziele in QINROS: Zunächst die Konzeption und Umsetzung des Demonstrationsszenarios seitens Aufbau, Befähigung des mobilen Systems zum gegebenen Anforderungsprofil wie auch die hardwareseitige und softwaretechnische Umsetzung der Kommunikation des mobilen Systems zum stationären Systems. Weiterhin obliegt die Konzeption und Umsetzung des QINROS Workshops zum Projektende dem DFKI RIC. Das wissenschaftliche Arbeitsziel des DFKI RIC in QINROS ist es, die Konzeption des Berechnungsschnittes von klassischen und quantengestützten Verfahren im Demonstrationsszenario zu erarbeiten. Hierzu werden zusammen mit der Universität Bremen mehrere technische Arbeitsziele umgesetzt wie bspw. die Konzeption und Umsetzung eines Software-Rahmenwerkes zum Vergleich von klassischen und quantengestützten Algorithmen, wie auch die softwaretechnische Umsetzung der Verbindung des stationären Systems.
Diese Arbeitsziele münden dann in der Auswahl, Umsetzung und ggf. Neuformulierung von quantengestützten Verfahren der Optimierung und des maschinellen Lernens, wie auch der Definition und Auswahl von Metriken zur Evaluation von klassischen und quantengestützten Algorithmen und schlußendlich der Durchführung der notwendigen Experimente und Evaluation von derzeitigen Quantentechnologien.