zurück zum Artikel

Googles coolstes Projekt

Infotech
Googles coolstes Projekt

Seit 30 Jahren erforscht John Martinis Konzepte für Quantencomputer. Jetzt baut er wirklich einen – für Google.

Mit dem Bügel seiner Lesebrille deutet John Martinis auf die Stelle, an der in ein paar Jahren ein fast unvorstellbar mächtiger, neuartiger Computerprozessor arbeiten soll: ein zylindrischer Sockel von knapp vier Zentimetern Durchmesser an der Unterseite eines Stapels von Leiterplatten, Blöcken und Drähten aus Messing, Kupfer und Gold.

Kurz nachdem ich ihn im Herbst 2015 traf, installierte Martinis auf diesem Sockel tatsächlich einen ersten supraleitenden Experimentalprozessor, in den ein mikroskopisch kleines Google-Logo geätzt war. Dann kühlte er die Apparatur auf ein Hundertstel Grad über dem absoluten Nullpunkt. Zur Feier des ersten Tests lud er Mitarbeiter seines neu gegründeten Google-Labors im kalifornischen Santa Barbara in eine nahe gelegene Mikrobrauerei ein.

Sollten Martinis und seine Gruppe die Wundermaschine erfinden, nach der sie suchen, stünde allerdings eine sehr viel größere Party an. Indem er sich die seltsamen Eigenschaften der Quantenwelt zunutze macht, könnte der neue Prozessor in einer Kaffeepause Berechnungen erledigen, für die heutige Supercomputer Millionen von Jahren benötigen.

Die theoretischen Grundlagen eines Quantencomputers sind gut etabliert. Physiker sind auch in der Lage, die Grundeinheit – ein sogenanntes Qubit – zu erzeugen, auf die der Quantencomputer aufbauen würde. Sie lassen sogar Qubits in kleinen Gruppen zusammenarbeiten. Doch die Herstellung eines voll funktionsfähigen, praktisch nutzbaren Quantencomputers ist bisher nicht gelungen.

Martinis will das ändern. Er gehört zu den herausragenden Persönlichkeiten dieses Forschungsgebiets: Seine Gruppe an der University of California in Santa Barbara hat einige der stabilsten Qubits erzeugt, die es derzeit gibt. Im Juni 2014 stellte Google ihn ein. Mithilfe des neuen Labors glaubt Martinis, einen kleinen, aber nutzbaren Quantencomputer in zwei bis drei Jahren realisieren zu können. "Wir sprechen oft davon, dass wir die Geburtshelfer der Quantencomputer-Industrie sind", sagt er.

Google und Quantencomputer, das wäre ein Traumpaar. Denn das Unternehmen hat zwar sein Geld damit gemacht, passende Anzeigen zu Suchergebnissen zu verkaufen. Seinen technologischen Vorsprung wird Google aber nur halten, wenn sein unstillbarer Hunger nach Daten einhergeht mit der Fähigkeit, aus diesen Daten intelligente Informationen zu gewinnen.

In jüngerer Zeit hat Google daher stark in die Entwicklung von Software für künstliche Intelligenz (KI) investiert, die zum Beispiel Sprache oder Bilder versteht, einfache Schlussfolgerungen beherrscht oder ein Auto durch den Verkehr steuert – alles Anwendungen, die für herkömmliche Rechner schwierig bleiben. Für Quantencomputer dagegen sollten sie ein Kinderspiel sein.

Wenn Martinis erklärt, warum Google seine Technologie benötigt, schont er nicht die Gefühle der Kollegen, die sich mit künstlicher Intelligenz beschäftigen. "Algorithmen zum maschinellen Lernen sind ziemlich dumm", sagt er mit einem Anflug von Verwunderung in der Stimme. "Sie brauchen so viele Beispiele zum Lernen."

Tatsächlich erscheint die von Google und anderen Computerfirmen betriebene Form des maschinellen Lernens armselig gegenüber der Art, wie Menschen oder Tiere sich neue Fähigkeiten oder Wissen aneignen. Eine Software neue Tricks zu lehren, etwa Autos oder Katzen auf einem Foto zu erkennen, erfordert in der Regel Tausende oder gar Millionen sorgfältig kuratierter Beispiele. Wenngleich Techniken wie Deep Learning in letzter Zeit eindrucksvolle Fortschritte beim Interpretieren von Bildern und natürlicher Sprache ermöglichen, bleiben komplexere Fähigkeiten wie das Verstehen sprachlicher Nuancen für Software vorerst unerreichbar.

Herauszufinden, wie Martinis' Prozessoren Googles Software weniger dumm machen könnten, ist die Aufgabe von Hartmut Neven. Der Leiter des Quantum Artificial Intelligence Lab glaubt, die ungeheure Leistung der Qubits werde die Lücke zwischen maschinellem und biologischem Lernen schließen helfen – und das Forschungsgebiet der künstlichen Intelligenz neu erfinden. "Maschinelles Lernen wird zum Quantenlernen", sagt er. Die Google-Forscher dachten sich zum Beispiel einen Algorithmus aus, mit dem Computer auch dann noch lernen könnten, wenn mehr als die Hälfte der Beispieldaten falsch annotiert sind. Diese Art der Programmierung könne Computern Fähigkeiten nahebringen, die heute Menschen vorbehalten bleiben, glaubt Neven.

Dabei war es bis Ende 2015 noch eine ausgesprochen spekulative Idee, ein Quantencomputer könne innerhalb weniger Jahre sinnvolle Arbeiten erledigen. Die Forscher in staatlichen, universitären und kommerziellen Labors waren kaum in der Lage, genügend Qubits in einem Gerät zu kombinieren, um auch nur das Prinzip hinreichend zu verifizieren. Einzig ein finanziell gut ausgestattetes kanadisches Start-up namens D-Wave Systems verkaufte einige Exemplare einer Maschine, die es als "den weltweit ersten kommerziellen Quantencomputer" vermarktete. Doch lange Jahre konnte das Unternehmen nicht den Beweis antreten, dass sie überhaupt wie ein echter Quantencomputer arbeitet.

Dann rief die Nasa Anfang Dezember 2015 Journalisten zum Gebäude N-258 ihres Ames Research Center in Mountain View, Kalifornien. Seit 2013 steht dort ein durch Google angeschaffter Quantenrechner von D-Wave. Hartmut Neven empfing sie und präsentierte ihnen die ersten Ergebnisse, die belegen könnten, was die Befürworter der Quanteninformatik seit Langem versprechen: In einem sorgfältig gestalteten Test hatte der supraleitende Prozessor – er gehört zu einer Klasse, die man "Quanten-Annealer" nennt – 100 Millionen Mal schneller gerechnet als herkömmliche Prozessoren.

Doch diesen Vorsprung müsste der Quantenrechner auch für reale Anwendungen zeigen – nicht nur in künstlichen Tests. Hier schlägt Martinis' Stunde. Denn Neven glaubt nicht, dass D-Wave den Google-Entwicklern in absehbarer Zeit einen praktisch nutzbaren Annealer liefern kann – daher heuerte er Martinis an. "Uns wurde klar, dass wir nicht einfach abwarten können", sagt Neven. "Es gilt eine Reihe von Mängeln zu überwinden, um zu einer echten Technologie zu kommen." Die Qubits auf D-Waves Prozessor seien zu unzuverlässig und untereinander nicht ausreichend stabil verbunden.

Nach einer vorläufigen internen Planung will Martinis' Gruppe bereits 2017 einen Annealer mit 100 Qubits herstellen. D-Waves CEO Vern Brownell antwortet, er mache sich über Konkurrenz durch Google keine Sorgen. D-Waves neueste Version verfügt zwar bereits über 1097 Qubits. Aber Neven ist überzeugt, dass ein qualitativ verbesserter Prozessor mit weniger Qubits für bestimmte Aufgaben nützlich sein könne, wie etwa Mustererkennung und maschinelles Lernen.

John Martinis, 57, ist der perfekte Kandidat, um aus einem schwindelerregend komplexen Strang der Quantenphysik eine neue technische Disziplin zu machen: Einerseits fühlt er sich in esoterischer Mathematik zu Hause, andererseits liebt er es, Dinge zu bauen. Das Betreiben auch nur eines einzigen Qubits erfordert die Lösung eines Puzzles aus Quantentheorie, Festkörperphysik, Materialwissenschaften, Mikrofabrikation, Maschinenbau und konventioneller Elektronik.

Martinis, groß und mit einer lauten, freundlichen Stimme, legt Wert darauf, persönlich die Theorie und die technische Umsetzung jeder einzelnen Komponente zu verstehen. Auf einem Rundgang durch sein neues Labor zeigt er sich ebenso begeistert über neue Lötkolben und Werkzeugmaschinen wie über die anspruchsvolleren Geräte, die die Chips kühlen und überwachen. "Für mich ist es ein großer Spaß", sagt er. "Ich konnte Experimente durchführen, die sonst niemandem gelungen waren, indem ich meine eigene Elektronik gebaut habe."

Martinis und sein Team müssen in so vielen Dingen geschickt sein, weil Qubits unbeständig sind. Sie lassen sich auf verschiedene Weise herstellen – Martinis verwendet Aluminiumschleifen, die er mit kleinen Strömen kühlt, bis sie supraleitend werden. Doch alle stellen Daten mittels empfindlicher Quantenzustände dar. Werden sie durch Wärme oder elektromagnetisches Rauschen verzerrt oder gestört, kann das eine Berechnung schnell ruinieren.

Weil es so schwierig ist, hinreichend stabile Qubits herzustellen, haben wir noch keine Quantencomputer. Doch Martinis arbeitet seit mehr als elf Jahren an dem Problem und glaubt, es fast gelöst zu haben. Die Kohärenzzeit seiner Qubits – wie lange sie eine Superposition aufrechterhalten – beträgt zig Mikrosekunden. Das ist ungefähr 10000-mal länger als auf dem D-Wave-Chip.

Martinis hat so viel Zutrauen zur Hardware seines Teams, dass er sogar glaubt, er könne nicht nur einen Annealer konstruieren, sondern auch einen universellen Quantencomputer. Der könnte nicht nur Optimierungsprobleme lösen, sondern jede Art von Aufgabe. Mehr noch: Auch diesen universellen Quantencomputer will er in rund zwei Jahren fertig haben. Das wäre ein Meilenstein der Informatik.

Ob er damit jedoch die Google-Programmierer erfreut, steht auf einem anderen Blatt. Denn ihre Arbeit könnte deutlich schwieriger werden. Martinis Gruppe hat zwar eine Methode gefunden, um die unweigerlich auftretenden Fehler beim Manipulieren der Qubits zu korrigieren – die Wissenschaftler nennen das "Surface Code". Die Fehlerüberprüfung sei aber so komplex, dass ein Prozessor mit 100 Qubits nicht mehr viel Kapazität übrig hätte, um seine eigentliche Aufgabe zu erledigen, sagt Robert McDermott, Leiter einer Forschungsgruppe zu Quanten-Computing an der University of Wisconsin.

Martinis teilt die Ansicht, glaubt allerdings, das Problem mit steigender Rechenpower lösen zu können. Sobald er 100 Qubits zuverlässig auf einem universellen Quantenchip platziert hätte, stehe ihm der Weg zur Kombination weiterer Qubits offen. "Das ist etwas, was wir gut beherrschen", sagt er. "Kohärenz herzustellen ist schwer, Hochskalieren ist leicht."

Noch fehlt der Beweis. Da die Google-Forscher bisher nur D-Waves Maschinen zum Ausprobieren haben, können sie lediglich theoretisch darüber nachdenken, was sich mit Martinis' Chips anstellen ließe. Selbst wenn sie einmal fertig sind, wird weitere Zeit für die Entwicklung einer Infrastruktur ins Land gehen, die große Zahlen dieser exotischen Geräte so betreiben kann, dass sie einen brauchbaren Beitrag erbringen.

Neven ist jedoch zuversichtlich, dass Quantenhandwerker Martinis das alles meistern wird. Für die relativ nahe Zukunft stellt er sich bereits Reihen supraleitender Chips in Rechenzentren vor, auf die seine Kollegen via Internet zugreifen können. "Ich wage die Prognose, dass maschinelles Lernen in zehn Jahren nur noch auf Quantenbasis stattfindet – den konventionellen Weg wird man ganz aufgeben." Martinis akzeptiert diese Vorstellung mit einem Lächeln. "Das gefällt mir, aber es wird nicht einfach", sagt er. "Er hat gut reden, aber ich muss es bauen."


URL dieses Artikels:
http://www.heise.de/-3277141