NISQForschung

NISQForschung bezeichnet die wissenschaftliche Arbeit, die sich mit Noisy Intermediate-Scale Quantum-Geräten in der gegenwärtigen Phase der Quantencomputing-Entwicklung befasst. Der Begriff wurde von John Preskill im Jahr 2018 geprägt und fasst Systeme mit tens bis wenigen hundert Qubits zusammen, die noch kein vollständiges Quantenfehlerkorrekturschema implementieren können. In diesen Geräten dominiert Rauschen, und Kohärenzzeiten sind begrenzt, was die Zuverlässigkeit von Quantenberechnungen einschränkt.

Ziele der NISQForschung sind die Entwicklung fehlerresistenter, hybrider Quanten-klassischer Algorithmen und Techniken zur Fehlerabschätzung oder -minderung, die ohne vollständige Fehlerkorrektur auskommen. Bekannte Ansätze sind der Variational Quantum Eigensolver (VQE) und der Quantum Approximate Optimization Algorithm (QAOA), sowie Anwendungen in Quantum Machine Learning und Simulation; oft werden diese Algorithmen mit klassischen Optimierern kombiniert.

Anwendungsfelder umfassen die Simulation chemischer Moleküle, Materialforschung, Optimierungsprobleme in Logistik und Finanzen sowie bestimmte Aufgaben des maschinellen Lernens. In der Praxis liefern NISQForschung-Geräte derzeit oft nur begrenzte Vorteile, können aber als Prototypen und Testumgebungen nützlich sein.

Technologisch basieren NISQ-Ansätze überwiegend auf Plattformen wie supraleitende Qubits, Ionenfallen oder Photonik. Wichtige Kennzahlen sind das Quantenvolumen, Gate-Fehlerquoten, Kohärenzzeiten und Benchmarking-Standards wie Randomized Benchmarking, Cross-Entropy Benchmarking und weitere Quantenvergleichsmetriken.

Perspektivisch wird die NISQForschung als Übergangsphase gesehen: Sie ermöglicht die Entwicklung von Hardware, Software-Tools und theoretischen Grundlagen, um künftige, fehlerkorrigierte Quantenprozessoren besser zu nutzen. Der tatsächliche Nutzen hängt von Fortschritten in Hardware, Algorithmen und Fehlerkorrektur ab.