Der Digital Annealer im Einsatz: Fujitsu und das Projekt PHYSICS

Die Europäische Union wendet einen nicht unerheblichen Teil ihrer finanziellen Mittel zur Förderung von Forschung und Innovationen in den Mitgliedsstaaten auf, um beschlossene strategische Ziele zum Beispiel in der Entwicklung neuer Technologien zu erreichen. Natürlich beteiligt sich auch Fujitsu regelmäßig mit verschiedensten Partnern an solchen Ausschreibungen und Projekten. Eines dieser Projekte ist „PHYSICS“ mit einer Gesamtfinanzierung von etwa 5 Millionen Euro, das gemeinsam mit 13 internationalen Partnern durchgeführt wird.

Function-as-a-Service und ein neuartiger Global Continuum Layer

Das Hauptziel von PHYSICS ist es, das Potenzial des Function-as-a-Service (FaaS)-Paradigmas für Cloud-Service-Provider (CSP) und Anwendungsentwickler zu erschließen. Es soll Entwickler*innen in die Lage versetzen, fortschrittliche FaaS-Anwendungen im Rahmen einer Cloud-Anwendungsdesignumgebung zu entwerfen, zu implementieren und einzusetzen, wobei bewährte Designmuster und bestehende Bibliotheken von Cloud/FaaS-Komponenten genutzt werden sollen. So soll die Entwicklungsgeschwindigkeit steigen und eine höhere Qualität der Codebasis erreicht werden.

Ein weiteres Ziel ist es, einen neuartigen Global Continuum Layer anzubieten, der es ermöglicht, Funktionen auf optimale Weise einzusetzen, um mehrere Anwendungsziele gleichzeitig zu optimieren wie z. B. Leistung und Latenzzeit. Die Plattform bietet eine grafische Ansicht des Anwendungsflusses und ermöglicht durch einfache Drag-and-Drop-Befehle die Erstellung von Funktionspipelines gemäß dem FaaS-Modell. Im Rahmen des Projekts hat Fujitsu verschiedene Optimization Pattern entwickelt, die von der Leistung der Quanten-Inspirierten Technologie „Digital Annealer“ profitieren.

Kombinatorische Optimierungsprobleme als Herausforderung

Der Digital Annealer ist in der Lage, kombinatorische Optimierungsprobleme besonders schnell und mit besonders guten Ergebnissen zu lösen. Zu den kombinatorischen Optimierungsproblemen gehören Reihenfolge-, Zuordnungs-, Gruppierungs- und Auswahlprobleme. Das wären zum Beispiel das Problem des Handlungsreisenden, das Knapsack-Problem, Graphen-Ähnlichkeit, Portfolio-Optimierung, (Termin-)Planung, (Aufgaben-)Zuweisung, Software-Validierung, KI-Modell-Optimierungen und viele andere.

Allen diesen Problemen gemeinsam ist, dass es für ihre Beantwortung nicht nur eine, sondern durchaus sehr viele, qualitativ unterschiedliche Lösungen geben kann. Außerdem existiert kein bekannter Algorithmus, der diese Probleme einfach direkt ausrechnen kann. Das Finden einer guten bzw. der besten Lösung in großen Problemräumen nimmt also enorm viel Rechenkapazität und -zeit in Anspruch. Hinzu kommt, dass viele dieser Optimierungsprobleme im unternehmerischen Alltag nicht nur vorkommen, sondern eine wichtige Rolle spielen. Logistikoptimierungen, der optimierte Schichtplan oder die ideale Aufgabenzuweisung sind nur einige erste Ideen, wo im Unternehmen solche Fragestellungen zu finden sind.

Der Digital Annealer und der Weg zum Quantencomputing

Der Digital Annealer nutzt eine Reihe von Ideen aus dem sogenannten „Annealing“ und dem Quantencomputing, um die oben beschriebenen Fragestellungen besonders gut und schnell zu lösen. Dazu wird das jeweilige Problem in ein spezifisches mathematisches Modell überführt, welches der Digital Annealer anschließend löst.

Der Clou: wenn Quantencomputer eines Tages in der Lage sind, ähnlich große Aufgabenstellungen zu lösen, kann das bereits entwickelte mathematische Modell einfach auf diese übertragen und gelöst werden. Die Technologie ermöglicht also nicht nur bereits heute einen relevanten Vorteil im Business, sondern bereitet das Unternehmen auch bestmöglich auf das Zeitalter der Quantencomputer vor.

Implementierung in Node-Red

Im Rahmen des PHYSICS-Projekts haben wir zwei Optimierungsprobleme und deren Lösung mit Hilfe des Digital Annealers in Node-Red implementiert. Node-Red ist ein Low-Code-Programmierwerkzeug, mit dem Hardwaregeräte, APIs und Online-Dienste auf innovative Weise verbunden werden können. Es wird mit einem browserbasierten Editor geliefert, der es einfach macht, Abläufe mit einer Vielzahl von Knoten aus der Palette zu erstellen. Diese Abläufe können mit nur einem einzigen Klick in die Laufzeitumgebung übertragen werden. Um die Verwendung des Digital Annealers und seine Integration in das Node-Red-Ökosystem zu vereinfachen, haben wir verschiedene Backbone-Klassen implementiert, die die Verwendung des Digital Annealers und die Verarbeitung von Optimierungsproblemen innerhalb von Node-Red ermöglichen.

In diesem Zusammenhang wurden JavaScript-Klassen implementiert, die es ermöglichen, ein Optimierungsproblem als „Quadratic Unconstrained Binary Optimization“-Problem (QUBO) zu formulieren, das auf dem Digital Annealer gelöst werden kann. Dazu wurden verschiedene Klassen implementiert, die verschiedene Betriebsmodi des Digital Annealers unterstützen. Derzeit verfügt der Digital Annealer über zwei Betriebsmodi zur Lösung eines QUBO-Problems, die jeweils unterschiedliche Funktionalitäten bieten. Darüber hinaus werden auch Klassen bereitgestellt, die die Interpretation und Präsentation der vom Digital Annealer zurückgegebenen Ergebnisse erleichtern. Diese Klassen sind in das Node-Red-Ökosystem integriert und sind als Node-Red-Workflow-Blöcke leicht verfügbar. Die Nutzer*innen haben die Möglichkeit, sowohl die Backbone-JavaScript-Klassen als auch die Node-Red-Blöcke nach den eigenen Anforderungen und Präferenzen zu verwenden.

Lösungmuster für zwei beispielhafte Probleme

Um die Verwendung der bereitgestellten JavaScript-Klassen und Workflow-Blöcke zu demonstrieren, werden zwei Lösungsmuster in Node-Red bereitgestellt: „Two Persons Assignment“ (TPA) und das „Travelling Salesman Problem“ (TSP).

Beim klassischen „Zwei-Personen-Zuweisungsproblem“ muss eine Menge von Elementen, die Aufgaben oder Projekte darstellen, zwei Personen oder Maschinen so zugewiesen werden, dass der Unterschied in der Arbeitslast oder den Elementen, die den beiden zugewiesen sind, minimiert wird. Beim „Travelling Salesman Problem“ hingegen wird die folgende Frage gestellt: „Wie sieht die kürzeste mögliche Route aus, bei der jede Stadt genau einmal besucht wird und man anschließend zur Ausgangsstadt zurückkehrt?“, wenn eine Liste von Städten und deren Koordinaten gegeben ist.

Das TSP ist ein NP-schweres Problem der kombinatorischen Optimierung, das in der theoretischen Informatik und im Operations Research eine wichtige Rolle spielt. Die enorme Leistungsfähigkeit des Digital Annealers kann von Node-Red genutzt werden, um die oben genannten Probleme zu lösen.

Sprechen Sie uns an

Sollten Sie weitere Pattern implementieren wollen, möchten wir Ihnen auch unser Digital Annealer Tutorial empfehlen. Wir wissen jedoch, dass die Lösung eines speziellen Optimierungsproblems auf Quanten- oder Quanten-Inspirierter Hardware eine QUBO-Formulierung erfordert, was eine sehr komplexe Aufgabe sein kann. In dieser Hinsicht ist das Fujitsu Digital Annealer-Team gerne bereit, Sie bei der Formulierung Ihres Problems und dessen Lösung durch Digital Annealer zu unterstützen.

Autorin

Anne-Marie Tumescheit
Enablement Lead Quantum Computing Consultant
E-Mail: anne-marie.tumescheit@fujitsu.com