Archiv des Autors: PaulWutz

Künstliche Intelligenz lernt Quantenteilchen zu kontrollieren

Veröffentlicht am von

Presseaussendung der TU Wien vom 08.05.2023

In der Quantenforschung braucht man maßgeschneiderte elektromagnetische Felder, um Teilchen präzise zu kontrollieren. An der TU Wien zeigte man: maschinelles Lernen lässt sich dafür hervorragend nutzen.

Mit elektromagnetischen Feldern lassen sich winzige Teilchen manipulieren: Man kann sie einfangen, festhalten, oder an einen bestimmten Ort bewegen. Welche Form diese elektromagnetischen Felder aber genau haben sollen, und wie man sie während des Experiments dann konkret steuern muss, ist schwer herauszufinden. Oft sind dafür langwierige Versuchsreihen mit zahlreichen Messungen notwendig.

An der TU Wien konnte man nun aber zeigen, dass sich diese Aufgabe mit Hilfe von lernenden Algorithmen viel schneller erledigen lässt als bisher – und zwar mit derselben Präzision. Dafür entwickelte ein Team der TU Wien zusammen mit Kollegen vom FZ Jülich ein maßgeschneidertes neuronales Netz, das genau für diese Anwendung eine möglichst schnelle Lernkurve hat. Das Resultat wurde im Fachjournal „Physical Review Applied“ publiziert und soll nun in ganz unterschiedlichen Quanten-Experimenten zum Einsatz kommen.

Magnetfelder und Licht

„Um Quantenteilchen zu kontrollieren, verwenden wir eine Kombination aus mehreren elektromagnetischen Feldern“, sagt Maximilian Prüfer, Postdoktorand in der Gruppe von Jörg Schmiedmayer am Vienna Center for Quantum Science and Technology (VCQ), Atominstitut, TU Wien. „Durch winzige Strukturen wird elektrischer Strom geschickt, dadurch entsteht ein Magnetfeld. Zusätzlich verwenden wir Lichtstrahlen, die durch Linsen, Spiegel und Filter gezielt manipuliert werden können.“

Ähnlich wie der Strahl eines Beamers, der ein Bild auf eine Leinwand projiziert, ist der Lichtstrahl an manchen Stellen heller und an manchen dunkler. Die Form des Lichtstrahls bestimmt, welche Kräfte die Teilchen an welcher Stelle spüren. Indem man die Intensitätsverteilung des Lichts anpasst, kann man die Teilchen gezielt beeinflussen.

„Prinzipiell gibt es zwei unterschiedliche Methoden, dieses Lichtfeld zu steuern“, erklärt Maximilian Prüfer. „Man kann vorab berechnen, welche Form das Feld haben muss – das gelingt aber nur dann, wenn man alle Details des Experiments, inklusive aller Störeffekte, wirklich ganz genau kennt. Das Ergebnis kann immer nur höchstens so präzise sein, wie das Rechenmodell, das man verwendet.“

Die Alternative dazu sind sogenannte iterative Steuerungsalgorithmen: Sie können das Lichtfeld sukzessive verbessern, indem man nach jedem Änderungsschritt ein neues Experiment durchführt und aus dem Ergebnis abliest, auf welche Weise man im nächsten Schritt das Lichtfeld weiterverbessern muss, um dem Ziel möglichst nahe zu kommen. Ein detailliertes Verständnis der zugrundeliegenden Effekte ist dabei gar nicht nötig.

„Solche Algorithmen sind im Prinzip nur durch die experimentelle Messgenauigkeit beschränkt. Diese wunderbare Eigenschaft hat jedoch einen Preis: jeder Verbesserungsschritt benötigt einen eigenen Versuch am Experiment.“ erklärt Andreas Deutschmann-Olek, welcher als Postdoktorand im Team von Prof. Andreas Kugi vom Institut für Automatisierungs- und Regelungstechnik an der Arbeit beteiligt ist. Die notwendigen Messungen solcher Versuchsreihen können Wochen dauern, und eine geringfügige Änderung am gewünschten Lichtfeld bedeutet, dass man von vorne beginnen muss. Durch eine digitale Kopie des Experiments auf Basis aller bisherigen Versuchsdaten könnte die Anzahl der benötigten Messungen jedoch dramatisch reduziert werden.

Ein neuronales Netz, maßgeschneidert für Teilchenphysik

Genau für diese Aufgabe wurde nun künstliche Intelligenz (AI) eingesetzt. „Wichtig war es, unser Wissen über die physikalischen Eigenschaften des Systems zu nutzen, und von vornherein in die künstliche Intelligenz einzubauen“, erklärt Maximilian Prüfer. „Wir haben ein neuronales Netz entwickelt, dessen Struktur genau an die physikalische Aufgabe angepasst ist, die es hier zu lösen gilt. Wir nennen das ein Physik-inspiriertes neuronales Netz. Erst damit war es möglich, bei experimentell handhabbaren Datenmengen hervorragende Prognosen durch das neuronale Netz zu erhalten.“ Das neuronale Netz wurde in enger Zusammenarbeit mit Forschern von FZ Jülich um Tomaso Calarco entwickelt.

Die Strategie war erfolgreich: Mit einer Kamera wird gemessen, wo sich die Teilchen befinden, und mit diesen Bildern wird das neuronale Netz trainiert. Im Lauf der Zeit lernt es dadurch, welche Änderungen am Experiment sich auf welche Weise auf die Quantenteilchen auswirken – und zwar ohne die physikalischen Formeln, die diesen Zusammenhang beschreiben, einprogrammiert zu haben. Die künstliche Intelligenz entwickelt in gewissem Sinn eine Art „Verständnis“ des Systems.

Die künstliche Intelligenz imitiert das Experiment

„Wir konnten zeigen: Die künstliche Intelligenz lernt tatsächlich, das Verhalten des physikalischen Systems korrekt zu imitieren“, sagt Maximilian Prüfer. Somit können die Algorithmen blitzschnell ausprobieren, wie sich verschiedene Änderungen am Experiment in der aktuellen Situation auswirken, ohne dass dafür lange, aufwendige experimentelle Versuchsreihen nötig wären. „Die gesammelte Information aus vergangenen Versuchen wird im neuronalen Netz strukturiert abgelegt und kann so auf neue Situationen übertragen werden“, ergänzt Andreas Deutschmann-Olek.

Wo man früher vielleicht hundert Experimente gebraucht hätte, bis man die richtigen Einstellungen gefunden hat, reicht heute ein kleiner Bruchteil davon. Ähnlich wie ein Mensch vielleicht nur ein paar gezeichnete Linien sehen muss, um zu erkennen, welches Tier hier abgebildet ist, braucht auch die künstliche Intelligenz, wenn sie gut trainiert ist, nur ein relativ geringes Maß an Information, um recht genau zu wissen, wie das Experiment gesteuert werden muss. Nur wenn besonders hohe Präzision benötigt wird oder bei besonders ungewöhnlichen Gegebenheiten muss das „echte“ Experiment anstelle des neuronalen Netzes befragt werden.

Damit kann man nun eine Vielzahl von Experimenten durchführen, die bisher nur mit viel größerem Aufwand oder gar nicht möglich gewesen wären. „Der Einsatz von maschinellem Lernen in der quantenphysikalischen Forschung ist gerade groß im Kommen“, meint Maximilian Prüfer. „Wir hoffen, dass unsere Arbeit auch Einsichten liefert wie ein physikalisches Verständnis zusammen mit den weit entwickelten AI Methoden Experimente verbessern kann.“ (Florian Aigner)

Originalpublikation:
M. Calzavara et al., Optimizing Optical Potentials With Physics-Inspired Learning Algorithms; Phys. Rev. Applied 19, 044090 (2023).

Externer Link: www.tuwien.at

Beschädigte Kakaobohnen für Kosmetikprodukte

Veröffentlicht am von

Presseinformation (Forschung Kompakt) der Fraunhofer-Gesellschaft vom 02.05.2023

Kakao ist ein wichtiger Bestandteil der brasilianischen Landwirtschaft. Die Kakaofrucht ist jedoch anfällig für Pilzkrankheiten. Erst in den 1990er Jahren ließ eine Pilzepidemie die Produktion in dem südamerikanischen Land massiv einbrechen. Weltweit sorgt der Schädlingsbefall für Ernteverluste von bis zu 40 Prozent. In Zusammenarbeit mit der Universität Campinas, Brasilien, wollen Forschende des Fraunhofer-Instituts für Verfahrenstechnik und Verpackung IVV im Projekt »Damaged Beans« neue Verwertungswege für die beschädigten Kakaofrüchte etablieren. Insbesondere für die Herstellung von Kosmetika könnten die von Pilzen befallenen, beschädigten Kakaobohnen einen wertvollen Rohstoff darstellen und potenziell gesundheitsschädliche Stoffe wie Acrylate und mineralölbasierte Rohstoffe ersetzen.

Eine wichtige Säule der Wirtschaft in Mittel- und Südamerika ist der Anbau von Kakao, der vor allem für die Herstellung von Schokolade verwendet wird. Der Kakaoanbau leidet jedoch schwer unter den Folgen der Pilzkrankheiten Hexenbesen und Black Pod Disease, die sich in den 1990er Jahren epidemisch verbreiteten und in Brasilien zu einem drastischen Einbruch der Kakaoproduktion führten. Trotz aller Bemühungen gibt es nach wie vor keinen Erfolg bei der Bekämpfung der Krankheiten. In der Schokoladenproduktion müssen beschädigte Kakaofrüchte daher weggeworfen werden.

Hier setzt das CORNET-Projekt (Collective Research Networking) »Damaged Beans« an. Ziel ist es, Verwertungspfade für kranke Kakaobohnen zu etablieren. Eingesetzt werden könnten die beschädigten Kakaofrüchte z. B. für die Herstellung von Produkten, wie Kosmetika, aber auch für Schmierstoffe und Reinigungsmittel. Das Fraunhofer IVV in Freising entwickelt daher im Projekt Damaged Beans gemeinsam mit der Universität Campinas spezifische Methoden, um unterschiedliche Pilzkontaminationen zu erkennen, zu klassifizieren und neue Anwendungen für minderwertige Kakaobohnen zu identifizieren. Dieser Ansatz hat das Potenzial, die gesamte Kakao-Wertschöpfungskette zu optimieren. Landwirte werden in der Lage sein, einen größeren Anteil ihrer Ernte zu vermarkten. Das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) fördert das vom Fraunhofer IVV koordinierte Vorhaben. Ein Konsortium aus 19 Industriepartnern begleitet das Projekt.

Kakaobutter kann Acrylate ersetzen

»Aus den Kakaobohnen wird Kakaopulver und Kakaobutter hergestellt. Kakaobutter hat aufgrund der durch die Pilzkrankheiten Hexenbesen und Black Pod Disease verursachten chemischen Veränderungen ein anderes Schmelzverhalten und ist daher bei Raum-/Körpertemperatur weicher. Für kosmetische Anwendungen kann das von Vorteil sein, vor allem für fetthaltige Naturkosmetika wie Lippenstifte, Bodylotions und Cremes«, erläutert Dominic Wimmer, wissenschaftlicher Mitarbeiter und Projektleiter am Fraunhofer IVV. Eine veränderte Zusammensetzung der Aminosäuren und Proteine erhöht die Gelier- und Verdickungseigenschaften. Das könnte die Zutaten aus beschädigten Kakaobohnen zu einem idealen Ersatz für gesundheitsschädliche Acrylate machen, die als Gelbildner bzw. Quellmittel in konventioneller Kosmetik eingesetzt werden, aber auf der Haut Allergien auslösen können.

Nachhaltigkeit in der Prozesskette

Doch um die von Pilzen beschädigten Kakaobohnen für einen Einsatz außerhalb der Lebensmittelindustrie zu erschließen, entwickelt die Universität Campinas zunächst Untersuchungsmethoden auf Grundlage von Nahinfrarotspektroskopie (NIR), um den Grad der Schädigung und die physikalisch-chemische Qualität der pilzbefallenen Kakaobohnen zu ermitteln. Anschließend etabliert das Fraunhofer IVV ein mehrstufiges Kaskadenextraktionsverfahren, um so nach der Fettabtrennung Kakaobutter, Proteine und sekundäre Pflanzenstoffe (SPS) wie Polyphenole für Anwendungen in der kosmetischen und chemischen Industrie zu gewinnen. Dabei werden Proteine und sekundäre Pflanzenstoffe mit Hilfe verschiedener Lösungsmittel extrahiert. »Aufgrund des Pilzbefalls sind die Inhaltsstoffe und die sensorischen Eigenschaften der Proteine und der SPS verändert. Neben Kakaobutter eignen sie sich aber trotz ihrer divergenten Struktur ggf. für technische Anwendungen wie biobasierte Reinigungs- und Desinfektionsmittel sowie Schmierstoffe und bieten die Möglichkeit im Sinne der Nachhaltigkeit, mineralölbasierte Ressourcen durch natürliche Inhaltsstoffe zu ersetzen«, so der Forscher.

Um an die wertvollen Inhaltsstoffe der Kakaobohnen zu kommen, sind teils aufwendige Verfahren nötig. Daher prüfen Wimmer und sein Team, inwieweit man im Extraktionsverfahren auf zeit- und energieintensive Fermentations- und Trocknungsprozesse oder die Röstung verzichten kann, wenn das Endprodukt nicht in Lebensmitteln zum Einsatz kommen soll.

Zudem will das Forschendenteam die Kakaobutter nicht durch Abpressen in einer Fettpresse gewinnen, sondern mithilfe von organischen Lösemitteln wie etwa Ethanol und überkritischem CO2 extrahieren – eine besonders schonende Methode. Um Proteine und SPS zu gewinnen, werden die festen Bestandteile mit wässrigen Extraktionen behandelt. Durch Variation von Druck und Temperatur kann die Löslichkeit auf die gewünschten sekundären Pflanzeninhaltsstoffe und Proteine eingestellt und somit eine spezifische Extraktion erreicht werden.

Bessere Lebensgrundlage für kleine Farmen

»Durch unser Kaskadenextraktionsverfahren können beschädigte Bohnen weiterverarbeitet werden; den betroffenen Farmen erschließen sich neue Wertschöpfungswege mit großem finanziellen Potenzial. Weltweit sind 40 bis 50 Millionen Menschen in der Kakaoproduktion beschäftigt, 80 bis 90 Prozent davon in kleinen Betrieben«, resümiert Wimmer. »Darüber hinaus stehen der Schokoladenindustrie dadurch mehr reine lebensmitteltaugliche Rohstoffe zur Verfügung«.

Externer Link: www.fraunhofer.de

technologiewerte.de – MOOCblick Mai 2023

Veröffentlicht am von

Spannende Themen, herausragende Dozenten und flexible Lernmöglichkeiten tragen zum wachsenden Erfolg der Massively Open Online Courses (MOOCs) bei – offene, internetgestützte Kurse mit einer Vielzahl an Teilnehmern rund um den Globus.

Folgender Kurs – zu finden auf der MOOC-Plattform edX – sollte einen Blick wert sein:

Forensic Science: DNA Analysis
Susan Gurney (University of Cambridge)
Start: flexibel / Arbeitsaufwand: 10-25 Stunden

Externer Link: www.edx.org

Zwei Qudits vollständig verschränkt

Veröffentlicht am von

Medienmitteilung der Universität Innsbruck vom 21.04.2023

Neuer Weg zur Verschränkung hochdimensionaler Quantensysteme

Quantencomputer rechnen nicht mehr nur mit Null und Eins wie ihr klassisches Gegenstück, sondern unterstützen flexible höherdimensionale Informationskodierung. Physiker der Universität Innsbruck haben nun eine neue Methode demonstriert, um solche hochdimensionalen Informationsträger effizient und mit hoher Güte zu verschränken.

Während wir aus dem täglichen Leben gewohnt sind mit den Ziffern Null bis Neun zu rechnen, arbeiten Computer für gewöhnlich nur mit binärer Information: Null und Eins. Die Zahl 9 stellt ein Computer als 1001 dar.

Die heutigen Quantencomputer sind aus dieser binären Denkweise gewachsen. Die Quantensysteme, in denen die Information gespeichert wird, unterstützen aber nicht nur Quantenbits (Qubits), sondern auch Quantendigits (Qudits), wie ein Team um Martin Ringbauer vom Institut für Experimentalphysik der Universität Innsbruck kürzlich gezeigt hat. „Die Herausforderung bei Qudit-basierten Quantencomputern ist die effiziente Erzeugung von Verschränkung zwischen den hochdimensionalen Systemen“ erklärt Pavel Hrmo von der ETH Zürich.

Das Team um Martin Ringbauer berichtet nun in der Fachzeitschrift Nature Communications über eine neue Methode hochdimensionale Qudits in einem Quantencomputer zu verschränken und ebnet damit den Weg für noch effizientere Quantencomputer.

Denken wie ein Quantencomputer

Das Beispiel der Zahl 9 zeigt, dass die Rechnung 9 x 9 = 81 im Kopf zwar leicht gelöst werden kann, ein klassischer Computer oder Taschenrechner 1001 x 1001 aber in vielen Einzelschritten berechnen muss. Mit klassischen Computern können wir uns das erlauben, bei Quantencomputern aber, die extrem sensibel auf Umwelteinflüsse reagieren, müssen Rechnungen mit so wenig Schritten wie möglich durchgeführt werden.

Eine der besonderen Eigenschaften von Quantensystemen, und von zentraler Bedeutung für die überragende Rechenleistung von Quantencomputern, ist Verschränkung. Um dieses Potential auszunutzen, ist es von zentraler Bedeutung, Verschränkung hochdimensionaler Systeme auf effiziente und robuste Weise zu erzeugen.

Die natürliche Sprache des Quantencomputers

Die Forscher an der Universität Innsbruck haben nun eine neue Methode demonstriert, um zwei Qudits mit jeweils bis zu fünf Zuständen maximal zu verschränken. Diese Methode gibt sowohl theoretischen, als auch Experimentalphysikern ein neues Werkzeug zur Hand, um die Entwicklung nichtbinärer Quantencomputer zu beschleunigen.

Martin Ringbauer erklärt: „Quantensysteme, wie etwa gespeicherte Ionen, haben viel mehr als nur zwei Zustände, die zur Informationsverarbeitung verwendet werden können.“ Viele der anspruchsvollsten Probleme der heutigen Zeit, in so unterschiedlichen Bereichen wie Chemie, Physik oder Optimierung, können von dieser natürlicheren Sprache des Quantencomputers profitieren.

Die Forschungen wurden unter anderem vom Österreichischen Wissenschaftsfonds FWF, der Österreichischen Forschungsförderungsgesellschaft FFG, dem Europäischen Forschungsrat ERC, der Europäischen Union und der Industriellenvereinigung Tirol finanziell unterstützt.

Originalpublikation:
Native qudit entanglement in a trapped ion quantum processor. Pavel Hrmo, Benjamin Wilhelm, Lukas Gerster, Martin W. van Mourik, Marcus Huber, Rainer Blatt, Philipp Schindler, Thomas Monz, Martin Ringbauer. Nature Communications 14, 2242 (2023) (Open Access)

Externer Link: www.uibk.ac.at