Anwendungsfälle für Quantencomputing im EniQmA Projekt
Im Rahmen von EniQmA werden drei Anwendungsfälle entwickelt, um einerseits die neu konzipierten EniQmA-Tools zu erproben und andererseits potenziell interessante Anwendungsfälle für Quantencomputing aufzuzeigen, sowie die hierfür notwendigen Algorithmen weiterzuentwickeln.
Auffälligkeitserkennung in der Produktion: Die Potenziale von Quantum Machine Learning (QML) für die Auffälligkeitserkennung werden analysiert. Dabei werden sowohl Predictive Maintenance als auch Anomalieerkennung durch die Analyse von Bildern zur automatischen Qualitätskontrolle betrachtet.
Nachhaltigkeit im Flugzeugbau und Betrieb: Die Tools zur Materialsimulation und Strukturoptimierung sollen mittels Quantencomputing verbessert werden. Hierdurch wird auch die Entwicklung leistungsstarker, leichterer Bauteile für Flugzeuge verbessert und ermöglicht somit die Materialoptimierung sowie Treibstoffeinsparungen im Betrieb.
Umlaufoptimierung von Zügen: Das Ziel ist die Optimierung der Zugplanung, um bei gegebenem Fahrplan möglichst wenig Züge zu benötigen und maximale Resilienz sowie minimale Leerfahrten im Zugnetz zu erreichen. Hierfür wird das Optimierungsproblem in QUBOs (Quadratic Unconstrained Binary Optimization) umgeschrieben und mittels hybriden Quantencomputings gelöst.