Was macht AWS mit Quanten?

00:00:05: Hallo liebe Zuhörer und Zuhöre, willkommen zu einer neuen Folge unseres Podcastes Quanten in der Industrie.

00:00:12: Und mir in Linz zugeschaltet ist der Johannes Kofler-Johannis.

00:00:17: Endlich geht's wieder los mit Quanten.

00:00:19: Ja, ich freue mich sehr wieder dabei zu sein.

00:00:21: Hallo Robert!

00:00:22: Liebe Grüße aus Linz.

00:00:23: Wir haben gerade ein bisschen gefrotzt bevor wir aufgenommen haben.

00:00:27: im Herbst haben wir aufgezeichnet und hätten wir da alle investiert wären wir jetzt viel reicher.

00:00:32: Johannes das ist schon was in den paar Monaten passiert ist Wahnsinn.

00:00:36: Ja, es hat sich tatsächlich einiges getan in dem letzten halben Jahr was die Bewertungen der klanten Industrie an den Kapitalmärkten betrifft.

00:00:46: Unglaublich!

00:00:46: Unfassbar.

00:00:47: darüber reden wir nächste Woche noch mal bisschen.

00:00:49: aber wir haben uns heute einen Gast aus den USA eingeladen nämlich aus New York und in New York sitzt der Martin Schütz.

00:00:56: Hallo Martin willkommen im Podcast.

00:00:58: Hallo und Servus.

00:00:59: Martin bevor wir über dein Thema sprechen stelle ich doch bitte ganz kurz vor, wer bist du?

00:01:06: Was machst Du und wie bist Du zu den Quanten gekommen?

00:01:11: Ja also mein Name ist Martin Schütz.

00:01:13: Erstmal vielen Dank dass ihr mich hier dabei habt.

00:01:16: Danke das Du dabei bist!

00:01:17: Ich habe promoviert beim Ignatius Iraq am Max-Planck-Institut für Quantenoptik.

00:01:23: da hab ich auch den Johannes damals kennengelernt und habe da eine Quantenphysik gearbeitet relativ nah an der Hardware so genannten Spin Cubits.

00:01:34: Und gegen Ende meiner Promotion habe ich dann angefangen mit dem Misha Lukin an der Harvard University zusammenzuarbeiten.

00:01:42: Da ging es um zu fragen, wie kann man Spin Cubits über größere Distanzen verschränken?

00:01:49: Das hat mir am Ende des Tages die Tür geöffnet für einen Postdoc.

00:01:53: Also bin ich dann... das war dann Anfang of the year.

00:01:56: in den letzten Jahren für meinen Postdoc an die Harvard University gegangen hatte da auch eine super Zeit, habe da immer noch an Quantensimulationen, Quantenoptimierung gearbeitet.

00:02:06: Aber über das letzte Jahr hinaus hat mich dann doch als mich dann immer mehr gereizt mal was anderes auszuprobieren und also hat sich dann die Möglichkeit ergeben eben in die Industrie zu gehen zu AWS Amazon Web Services Und dort bin ich seit twohntausend neunzehn Bin da eigentlich ganz lustig, bin da eigentlich geheiert worden Data Scientist oder Machine Learning Scientist.

00:02:31: Okay,

00:02:32: das ist ja interessant!

00:02:33: Ja ich wollte... Ich war eigentlich bereit so weit den Sprung zu machen dass ich eben jetzt mal AI mir angucke, Machine Learning und wie es dann so ist.

00:02:41: da war ich gerade bei Amazon Und dann wurde ich relativ schnell mit reingezogen in die damals noch nicht bekannten Quantenvorhaben von Amazon und hatte dann halt einfach eine sehr gute Möglichkeit direkt am Anfang dabei zu sein.

00:02:58: Ja, doch schon recht stark.

00:02:59: Das Quantenteam und die Quantenstrategie bei Amazon mit aufzubauen.

00:03:04: Sehr spannend!

00:03:06: Was heißt denn die Quantentrategie von AWS?

00:03:09: Was macht ihr denn?

00:03:10: womit beschäftigt ihr euch?

00:03:12: Wir machen einiges.

00:03:14: Coop kann man das unterteilen in die drei größeren Teams, die wir haben.

00:03:19: also zum einen haben wir in den letzten Jahren Amazon Bracket aufgebaut.

00:03:26: unser Quantencomputing Service in der AWS Cloud.

00:03:31: Also schon heute kann sich jeder, der sich heute in AWS einloggt... ...kann dort durch Bracket-Zugang zu Quantenkomputern haben?

00:03:42: In heutigen Quantenkommutern und so geben wir natürlich anders um auch Startups zum Beispiel auch AQT aus Österreich die Chance sich quasi der Welt zu öffnen.

00:03:54: Was glaube ich speziell ist an unserer Strategie, was Bracket angeht.

00:03:58: Unser Anspruch ist dass wir quasi das ganze Hardware Portfolio abdecken.

00:04:03: also man kann dort durch Brackets Zugang haben zu Superconducting Cubits zu Trapped Irons zu Neutral Atoms und das Ganze wird eben sozusagen durch einen One Stop Shop Prinzip uns an unsere Kunden offeriert.

00:04:18: Aber ihr bleibt dann euren, sagen wir mal traditionellen AWS System oder Geschäftsmodell treu.

00:04:24: Ihr stellt Infrastruktur bereit?

00:04:26: Genau ja das ist Infrastruktur und only pay as you go.

00:04:30: Modell ganz normal.

00:04:32: Und also wenn man so will es in dem Sinne Bracket nichts anderes als die anderen AWS Services sind auch nur eine Ansammlung von von APIs und diese APIs können unsere Kunden dann eben benutzen um Workflows in der Cloud zu bauen.

00:04:49: Johannes schon interessant, Infrastruktur as a Service und das kennen wir aus dem Machine Learning Bereich, AI-Bereich.

00:04:56: jetzt hast du so schon jemanden, der es im Quantenbereich macht?

00:05:00: Ja genau und das wäre hier auch eine meiner Fragen gewesen.

00:05:02: aber da Martin hat sich schon vorweggenommen.

00:05:04: Das Besondere glaube ich beim Cloud Computing von Amazon ist dass sie verschiedene Hardware anbieten.

00:05:11: also quasi alle Gängigen noch im Rennen befindlichen physikalischen Systeme werden abgebildet von Jonen, Superconduct in Cubits, Neutral Atoms.

00:05:20: Ihr setzt quasi noch auf alle guten Pferde gleichzeitig?

00:05:24: Genau und ich weiß auch gar nicht ehrlich gesagt ob es am Ende einen Gewinner gibt.

00:05:29: Ich kann mir schon vorstellen das für manche Workflows ja vielleicht die Trap-Eins besser sind und für andere die Super Contact in Cubids.

00:05:36: und da ist halt bei uns die Rangehensweise dass man wirklich also da schreibt man seinen Code das ist abstrakt und baut ein Scranton Circuit aber also ein change one line of code und dann kannst du es halt in einem einmal auf die trap eins in österreich schicken, das andere mal auf die superconducting qubits in den usa oder so.

00:05:55: Und dann die ergebnisse vergleichen.

00:05:57: ich weiß ich aber noch nicht erwähnt hatte ist also das ist nur ein teil von unserer größeren quanten strategie also das war emerson bracket.

00:06:06: wir haben auch noch des cqc der center for quantum computing.

00:06:11: Es ist direkt am Campus von Caltech.

00:06:15: Und das kann man sich also vorstellen, dass es quasi unsere eigene R&D-Abteilung wird geleitet vom Oscar Panther Professor an Caltech und der baut also unsere eigene Hardware basierend auf Superconducting Cubits und die wird wenn es so weit ist auch durch Pracket dann an unsere Kunden aufgemacht.

00:06:38: Das ist also das zweite Team, was wir haben.

00:06:40: Und das dritte Team ist das Amazon Advanced to Rushing Slab.

00:06:44: Das ist das Team wo ich von Anfang an dabei war und was ich jetzt leite... ...und das ist quasi das Team dass direkt die Verbindung zu unseren Kunden schlägt.

00:06:55: Also Ich hab mit EMW, mit JP Morgan Chase, mit Goldman Sachs Kundenprojekte geleitet.

00:07:01: Kunden die sich eben für Quanten Computing interessieren.. ..und sich dort eben mit unserer Hilfe richtig aufstellen wollen für die Zukunft.

00:07:09: Was machen sie denn mit euch?

00:07:10: Kannst du was ein bisschen von deinen Kundenprojekten erzählen, ihr habt ja auch publiziert dazu.

00:07:15: Ganz richtig!

00:07:16: Ja also wir haben doch finde ich bin ganz stolz darauf wie mit einigen publiziert.

00:07:20: Mit BMW, mit JP Morgan Chase und mit Goldman Sachs und anderen übern sehr... das find' ich auch als Wissenschaftler interessant.

00:07:29: ...übern sehr großen Bereich von Anwendungsgebieten.

00:07:33: Also mit Champion Moon Chase war das dann stichwort?

00:07:35: zum Beispiel Portfoliooptimierung.

00:07:37: Mit BMW haben wir uns angeschaut, wie sie ihre Roboter im Paint Shop besser bewegen können.

00:07:43: Mit dem Roten Kreuz in Australien haben wir zusammen uns angeguckt, wie Sie Ihre Krankenschwestern effizienter einteilen können über die Zeitspanne und sehr viel gelernt.

00:07:55: Und aber auch... Wir sind damit eine ganz offene Visier reingegangen.

00:07:59: Aber nach ein paar Jahren kann man jetzt sagen dass die allermeisten Probleme dann doch irgendwo Optimierungsprobleme waren, einfach weil Optimierung halt ein Feld ist was quasi alle sparten sei es jetzt Automobil oder Logistik oder Finanzen abdeckt.

00:08:16: Da würde ich gerne gleich direkt einhaken.

00:08:19: Kannst du unserer Zuhörerschaft auf mitteltechnischen Niveau erklären, wie man solche Optimierungsprobleme die eben so große Anwendungen haben in der Industrie auf physikalische Modelle abbildet?

00:08:32: Also was haben quasi Spinsysteme und die Schwierigkeit des Aufwinden des Grundzustands mit so Optimierung Problemen zu tun?

00:08:41: und mit welchen Lösungsmethoden geht sie das dann an?

00:08:44: Quantum bzw.

00:08:45: nicht Quantum?

00:08:47: Also die Herangehensweise bei uns ist immer so, dass wir Quantencomputing quasi nicht im Vakuum machen sondern wir wollen schon ganz ehrlich sein mit unseren Kunden und Partnern wo Quanten Computing steht und wo es vielleicht dann stehen könnte in ein paar Jahren.

00:09:06: Und deswegen fahren wir eigentlich immer auch zweikleisig mit einer klassischen Schiene.

00:09:13: Das kann übrigens auch sehr fruchtbar sein, dass sich gequanten Schiene und die klassische Schiene in dem Projekt dann gegenseitig beeinflussen.

00:09:21: Aber nur so können wir quasi einen soliden Benchmark aufbauen, auf den unsere Kunden und Partner auch eine verlässliche Strategie aufbauten können.

00:09:32: Und jetzt konkret zu dem Problem Johannes was du angesprochen hattest also... Ich würde jetzt einfach mal Portfoliooptimierung als Beispiel nehmen, weil wir das immer wieder gesehen haben mit Kunden in der Finanzwelt.

00:09:44: Es ist ein hartes Problem und er drückt der Schuh und deswegen schauen sie da eben ob da neue Methoden und Technologien wie Konjunktin vielleicht irgendwann eins wieder bringen können.

00:09:56: Das kann man sich vereinfacht so vorstellen dass im Portfoliosoptimierungen man sich am Ende des Tages fragt welche Assets kauf ich und welche kaufe ich nicht.

00:10:11: Und das Problem ist natürlich, dass das Universum an Assets sehr sehr großes also Zehntausende von Stocks.

00:10:18: Das heißt man hat dann also zwei hoch zehntausend weil es sind die nähere Entscheidungen ja oder nein kaufen oder nicht kaufen aber halt für ein sehr großes Universum.

00:10:27: das heißt keine Chance dass man da irgendwie exakt ran gehen kann.

00:10:32: Die Analogie zu den Spin-Systemen in der Physik.

00:10:37: Das ist also quasi kaufen ist spin hoch, nicht kaufen ist bin runter und so kann man dann ein schönes Mapping aufbauen.

00:10:47: zu den Spinnsystemen die halt in der physik lange untersucht wurden und gut verstanden sind und für die insbesondere Algorithmen gebaut wurden um den Grundzustand zu finden.

00:11:01: Also der Zustand mit der niedrigsten Energie und in dem Angewendungsgebiet für im Finanzbereich übersetzt ist dann quasi auf das beste Portfolio.

00:11:11: Das heißt, wenn man jetzt Algorithmen hat wie zum Beispiel Simulated annealing was sehr oft erfolgreich angewendet wurde in der Physik um Grundzustände von diesen großen Spin System zu finden kann man jetzt auch Simulated Annealing anwenden um gute Portfolios in der Finanzwelt zu finden.

00:11:31: Johannes weißt du jetzt wie es geht?

00:11:34: Ja, deine

00:11:36: Portfolio zu optimieren.

00:11:38: Wunderbar!

00:11:38: Das ist sehr spannend und sehr toll erklärt.

00:11:41: Die nachhackende Frage ist noch was ist der Unterschied zwischen Simulated annealing und Quantum annealing?

00:11:48: Ich verwende jetzt ja dann auch mal beides für die Kunden.

00:11:50: aber kannst du kurz erklären...

00:11:53: Genau wir verwenden beides.

00:11:54: das ist Teil von unserer Benchmarking Übung.

00:11:58: und also erst einmal vielleicht wie funktioniert Simulated Annealing?

00:12:01: Also Simulated bis ein, kann man sagen, Optimierungsalgorithmus der eben aus der Physik inspiriert ist.

00:12:08: Aus dem Metallwesen.

00:12:10: Man fängt heiß an und kühlt das Metall runter um am Ende des Tages möglichst ein perfektes Metall zu haben ohne Fehlstellen.

00:12:17: Und so fängt man auch im Algorithmus an.

00:12:19: also man fängt sozusagen bei heißen Temperaturen an und gibt es so dem System die Möglichkeit die Kostlandschaft zu explorieren?

00:12:32: Zu erforschen und wenn es dann mal eine gute Lösung gefunden hat, dann geht man von Exploration über in Exploitation durch tiefe Temperaturen.

00:12:41: Und so wird man quasi im Lauf des Algorithmus immer weiter greedy und sucht gute Lösungen – das ist nicht unbedingt das globale Optimum aber zumindest das lokale Optimium –.

00:12:55: der Unterschied zu einem einfachen Greedy-Algorithmus ist eben dass am Anfang in den heißen Phasen noch durchaus Verschlechterungen in Kauf nimmt, dass man quasi über einen kleinen Hügel drüber springt um am Ende des Tages in das niedrigste Tal zu kommen.

00:13:12: Das niedrigte Teil wäre also der Kunstzustand beziehungsweise das perfekte Portfolio.

00:13:16: und wenn man eben diese Berglandschaft durchwandert hat man mit Quantum Aniling noch einen weiteren Trick den man spielen kann und das ist das Quantum Tunneling.

00:13:27: da kann man quasi anstatt über dem berg wandern müssen durch tunneln.

00:13:32: Das erlaubt also die Quantenmechanik.

00:13:34: Und das ist quasi der Unterschied zwischen Quantum Aniling und dem Classical Simulated Aniling.

00:13:41: Jetzt macht ihr das ja mit Kunden, und das hört sich ja für mich so an... ...das ist ja auch ein Research-Projekt oder?

00:13:48: Das kann ja schlecht skalieren am Ende des Tages, oder?

00:13:51: Oder sind das erste wo man sagt wir wollen damit sozusagen Use Cases aufzeigen, die funktionieren um den anderen Geschmack darauf zu machen?

00:13:59: Das ist eine gute Frage!

00:14:00: Also es geht den Kunden Zunächst mal darum, diesen Bereich einfach besser zu verstehen.

00:14:07: Zu sehen wo das heute ist aber auch dann... ...besser zu verstehen wo könnte die Reise hingehen?

00:14:14: Also wir sagen ja oft also Quantum Computing ist jetzt kein Sprint es ist ein Marathon für so große Unternehmen und dann fangen sie eben besser an schon heute um einfach eine gewisse Bewusstsein in der Firma aufzubauen für diese Technologie größere Workforce schon darauf vorzubereiten.

00:14:34: Und was wir da schaffen, egal ob es jetzt hundert oder zweihundert Cubits sind als ersten großen Meilenstein ist erstmal dieses Problem zu nehmen seien's die Roboter bei BMW das heißt das Portfoliooptimierung bei Chapel Morgan Chase und dieses Problem mathematisch so zu formulieren dass es denn überhaupt ein Quantencomputer verstehen könnte.

00:15:00: weil wir haben natürlich unsere klassischen Formulierungen und die nehmen dann, wenn wir auf unseren klassischen Workstream.

00:15:07: Und damit können wir schon oft skalierbare Lösungen heute erzielen.

00:15:13: also zum Beispiel der Algorithmus den wir dann klassisch gebaut haben für BMW, der ist heute in Produktionen und das ist auch so ehrlich gesagt die Maßgabe die wir uns geben.

00:15:22: Wir wollen wirklich auch schon heute die Nadel bewegen für unser Kunden Und dann können wir aber auch allein auf der mathematischen Formulierung, können wir schon sehen wie effizient oder ineffizient wäre denn die Quantenformulierung.

00:15:38: Egal ob wir es heute laufen oder nicht!

00:15:40: Wir laufen's auf kleinen Systeme in eine abgespeckten Version.

00:15:44: Das sind halt kleine Portfolios.

00:15:46: das wird sich ja und ich heute im Produktion gehen.

00:15:49: Aber da kann man zumindest einige Lessons learn draus ziehen.

00:15:55: Eure Zweigleisigkeit macht euch da natürlich sicher für die nächsten Jahre.

00:16:00: eine Einschätzungsfrage hätt ich gehabt.

00:16:02: Bis jetzt gibt es ja noch kein kommerziell relevantes Problem, das man mit einem Quantenrechner schneller lösen könnte als mit einem klassischen Computer.

00:16:09: Dazu braucht's noch Entwicklung in der Quantenkomputer-Hardware.

00:16:14: Wie weit weg glaubst du sind wir von diesem Punkt deiner Meinung nach noch?

00:16:19: Was brauchtest dazu?

00:16:20: mehr Cubits bessere Fehlerkorrektur?

00:16:23: Also, wie lange noch glaubst du bis tatsächlich dann euer Amazon Bracket die bessere Lösung ausspuckt fürs größere Portfolio als es ein klassischer Computer könnte?

00:16:35: Ja.

00:16:36: Das ist natürlich irgendwo der Elephant in the Room.

00:16:41: Da habe ich jetzt auch nicht die Kristallkugel hier vor mir.

00:16:44: Ich glaube das hängt auch stark von dem Gebiet ab.

00:16:47: Ich glaube in der Chemie oder in den Materialwissenschaften, wo wir zum Teil inherent quantenechanische Probleme finden könnte das früher kommen vielleicht schon in den nächsten Jahren als jetzt eventuell in der Optimierung.

00:17:05: Einfach weil in der Optimierung gibt es keine inherent quantemechanische Probleme also alles klassische Probleme.

00:17:12: die kann man dann als Quantenmechanisch Probleme formulieren, so wie ich das gerade versucht habe zu beschreiben.

00:17:17: Muss man aber nicht!

00:17:19: Wohingegen?

00:17:19: vielleicht in der Chemie oder in Materialwissenschaften ist wirklich Probleme, die sind einfach inherent quantomechanische Probleme?

00:17:27: Vielleicht schon in den nächsten Jahren über Quantum Simulation.

00:17:32: Ich glaube auch dass wenn man sich jetzt die größere Quantum Stack anschaut es sind sicherlich Fortschritte noch notwendig auf der Hardware Ebene Aber es gibt ja auch die Algorithmenebene und es gibt die Application-Ebene.

00:17:47: In der Industrie sind die Algoritmen eigentlich nie im Vakuum am Bauen und machen, sondern sie sind immer eingebettet in den größeren Workflow Und nur wenn Sie in dem größeren workflow standhalten wird's da auch wirklich zu Anwendungen kommen.

00:18:05: Deswegen glaube ich dass wir noch auf der Algorithmen Seite und auf der Application Seite im Stack unsere Arbeit machen müssen.

00:18:13: Joannes, das hatten wir schon mal in einer der Folgen, dass Sie sagen vor allem auf der Algorithmen-Seite hatten wir damals.

00:18:18: Das Thema muss noch was passieren oder?

00:18:21: Ja ja ich stimme einen Aussagen von Martin und natürlich auch selber keine Kristallkugel besitzend vollkommen zu.

00:18:31: Was sind denn die größten Hürden für euch Martin gerade wenn ihr euch mit der Technologie beschafft oder mit euren Use Cases bei eurem Kunden?

00:18:41: Eine der größte Hürde also ich sehe ... ist, dass wir schon als ein paar Algorithmen haben.

00:18:47: Aber die halt dann oft vielleicht einen Speed-Up bringen aber halt aufs... ich sag mal irgendwo konstruierten Problemen und diese konstruierte Probleme dann nicht direkt so Anwendung finden in der echten Welt, in der Industrie weil es dann halt doch sozusagen gibt's dann doch einige Bedingungen im Kleingedruckten, die dann erfüllt werden müssen.

00:19:11: Und da drückt der Schuh.

00:19:14: Ich glaube auch, dass wir als Community im Benchmarking unsere Algorithmen noch besser werden müssen.

00:19:21: Da sieht man also oft, dass ich sage mal irgendwo auch künstlich konstruierte Modelle genommen werde.

00:19:28: Also das sind dann diese Spinsysteme die wir zum Beispiel vorher besprochen haben.

00:19:33: Dass sie dann genommen werden mit zufällig gewählten Kopplungen und so weiter, die also gar keine Struktur haben.

00:19:40: Wenn man sich aber Portfoliooptimierungsprobleme in der Welt anschaut, die haben natürlich sehr viel Struktur.

00:19:47: Die haben sogar Communities weil einfach die echte Welt eben sehr viel struktur hat und klassische Algorithmen und das habe ich auch jetzt erst über die letzten Jahre gelernt.

00:19:58: Klassische Algoritmen sind schon sehr gut darin diese Struktur auszunutzen.

00:20:04: Und diesen Vorteil dem beraubt man sich eben wenn Als Testbed zum Benchmarking nur diese random Instances, also diese zufällig gewählten Instances gibt es keine Struktur haben.

00:20:18: Das siehst du das auch so Johannes?

00:20:21: Ja bei der klassischen Optimierung gibt's viele stolper Fallen.

00:20:26: Random Benchmarks ist das eine, das andere ist immer ob man sich auf auf Worst oder Medium-Cases beziehet in der Laufzeit.

00:20:33: Wie geht es euch da bei den Kunden?

00:20:35: Du hast CVH angedeutet, ihr könnt es ja niemandem wahrscheinlich versprechen das absolute Optimum in diesem exponentiellen Rundraum zu finden.

00:20:43: Man will ja nur möglichst mit großer Wahrscheinlichkeit gute Lösungen finden, dass genügt er in der Praxis.

00:20:48: Das Genügt in der praxis sehr oft.

00:20:51: Da ist also die Industrie einfach sehr, sehr pragmatisch und ich glaube, da gibt's auch noch ein gewissen Gap dem wir schließen müssen weil in der Physik wie uns halt ... sehr, sehr oft darauf konzentrieren den Grundzustand zu finden.

00:21:03: Aber in der Industrie ist es halt dann oft wichtiger... ... einen guten als ein niedrig energetischen Zustand nicht unbedingt dem Grundzustands zu finden,... ... aber halt in einer sehr schnellen Zeit.

00:21:15: In der Interoptivierung ist es immer so dass man irgendwo muss man halt abwägen zwischen... ... Güte der Lösung und Laufzeit.

00:21:24: Und manchmal ja Die müssen halt Rechnungen innerhalb von der Minute oder so passieren.

00:21:29: Und dann gibt es da ein hartes Limit, ja?

00:21:33: Jetzt verstellt sich eine Frage bei mir Martin wenn wir so uns unterhalten wie viel Prozent was ihr tut ist noch Grundlagenforschung und wieviel ist konkrete Produktentwicklung in deinem Alltag, in deinm Team?

00:21:48: Na das ist ne gute Frage!

00:21:49: Es hängt stark vom Projekt ab.

00:21:51: für mich selber Meine Forschungsinteressen, meine Forschungsarbeit ist natürlich schon im Vergleich zu früher angeweinter geworden.

00:21:58: Das ist aber auch stark damit verbunden dass spezielle Amazon wir ein Prinzip haben das tief in unserer DNA ist und das heißt also Working Backwards.

00:22:10: Es geht also weit über den Quantenbereich hinaus und es ist so dass wir nie jetzt mit einer Methode oder Speziellen Technologie in den Raum reingehen sondern eigentlich immer erst mal zuhören wollen und das Problem verstehen.

00:22:24: Also ist alles was wir machen, es sehr problemfokussiert und vielleicht nicht so Methoden fokussieren wie manche Grundlagen Forschung die wir an den Universitäten und Akademie sehen.

00:22:36: ich glaube am Ende des Tages werden wir beides brauchen.

00:22:40: Ich glaube hier können etwas zurückgeben mit unserer problemfokusierten Resultaten an die Wissenschaft Und wir können sich natürlich auch einiges von den metodenfokussierten Ergebnissen aus der Wissenschaft wieder mit reinziehen in unsere Arbeit, in der Industrie.

00:22:56: Habt ihr abgesehen von natürlich dem Hardware-Partnerschaften auch Partnerschaften bezüglich der theoretischen Entwicklung mit anderen Unis oder Forschungsinstituten?

00:23:07: Oder macht sie das unabhängig und alleine?

00:23:10: Ne ne also ich glaube wir brauchen da das ganze Dorf.

00:23:14: Es braucht ein ganzes Dorf um einen Quantencomputer zu bauen.

00:23:17: Ja, das ist glaube ich in der Tat so.

00:23:19: Also wir brauchen da schon die Community.

00:23:21: alleine in unserer Bubble werden wir das nicht schaffen und ich glaube allein schon die Tatsache dass unsere Hardware Abteilung auf dem Campus von Caltech ist spricht schon dafür dass wir eben weiterhin stark verzahnt sein wollen mit den Universitäten Und es zieht sich komplett durch das Stack durch also von der Hardware bis hoch zu den Algorithmen und den Applications.

00:23:46: Warum sitzt du eigentlich in New York?

00:23:47: Ist New York ein Quantenmecker oder ist es einfach nur weil ihr da Büros angemietet habt, weil's einfach praktisch war?

00:23:54: warum New York.

00:23:56: Das hat sich so ergeben.

00:23:58: ich war ja damals in Boston für mein Toast Dog und dann habe ich eben den Sprung zu Amazon gemacht.

00:24:05: die haben mir was angeboten Ich hätte in Boston bleiben können.

00:24:08: Es war aber ein Team schon hier in New york Und ich fand einfach New York als Stadt mich und meine Frau einfach noch mal gereizt.

00:24:17: Und dann hat es uns nach New York verschlagen, haben wir auch nie bereut irgendwie.

00:24:22: Mein Team ist... Also wir sind global verteilt also an der Westküste, an der Ostküfte in Europa überall wo der oder diejenige dann gerade leben will und bei uns ist das eben gerade New York privat einfach.

00:24:37: Du hast gerade gesagt, euer Team ist verteilt.

00:24:39: Ostküste, Westküster und Europa.

00:24:41: Das heißt in Europa spielt das Quantenthema, spielt Europa durchaus noch mit aus deiner Perspektive?

00:24:47: Ja ja auf jeden Fall.

00:24:49: Einige Leute in Europa.

00:24:51: Ist ein gutes Signal Johannes oder?

00:24:54: Ja selbstverständlich!

00:24:55: Ich glaube auch dass man insbesondere was Forschung betrifft, Troppa aufgestellt hat in Europa bezüglich den großen Playern.

00:25:04: die sind halt tatsächlich sehr amerikanisch dominiert und auch startupfreundlich ist natürlich die USA.

00:25:11: Martin, wie ist da dein Blick quasi jetzt zurück über den Teilchauend nach München, Deutschland, EU?

00:25:19: Wie siehst du denn den Vergleich zur USA bezüglich Forschung und Business?

00:25:24: Ja,

00:25:25: mein Du hast es ja gerade schon erwähnt.

00:25:27: ich glaube mit der Ausbildung, die wir in Europa bekommen müssen wir uns nirgendwo verstecken.

00:25:33: Ich bin sehr dankbar für die Möglichkeiten die ich in Deutschland am Max-Bank-Institut insbesondere hatte, aber auch schon vorher während meiner Unizeit in Deutschland hat mir glaube ich extrem gute Basis und ein extrem gutes Fundament mitgegeben von dem ich heute auch noch zehre.

00:25:49: Was ich hier so über die letzten Jahre ein bisschen von der amerikanischen Mentalität glaube ich auch mitgenommen habe ist so ein bisschen dieses Hems ärmliche.

00:25:57: da wird halt glaube ich ein bisschen schneller mal was gemacht und ausprobiert ... mit einer ein bisschen größeren Risikobereitschaft, als jetzt vielleicht von der... ich sag mal speziell von der deutschen Mentalität wo wir glaube ich in Deutschland schon ein bisschen dazu neigen erst einmal alle Eventualitäten versuchen in der Zukunft durch zu prognostizieren.

00:26:20: Das wird hier glaube ich, da fängt man halt an, vielleicht fällt mein hin aber man lernt auf jeden Fall was und macht weiter.

00:26:27: Ja das hören wir, es zieht sich durch alle Branchen Johannes, ne?

00:26:29: Da hören wir bei dem AI Thema genauso.

00:26:32: Ja, das scheint was ganz Grundlegendes zu sein.

00:26:36: Das ist sicher nicht Quanteninherent.

00:26:40: Was siehst

00:26:40: du?

00:26:41: Was machen die Europäer technologisch gut?

00:26:45: Wo siehst Du da, sagen wir mal Leuchttürme wo man sagt kein Bord hat kann man sich etwas von abschauen.

00:26:51: Also ich sag mal die Ausbildung ist sehr sehr gut und der Grundlagenverständnis ist sehr, sehr gut ... akademischen Resultate aus den Leuchtszentren in Europa kommen.

00:27:03: Auch jetzt in Österreich zum Beispiel, ja?

00:27:04: Ich mein... Innsbruck Wien ist in der ganzen Welt bekannt als EP-Zentrum für ... ... türkwanten Technologien.

00:27:12: Die müssen sich auf keinen Fall irgendwo verstecken.

00:27:14: Was mich auch freut jetzt vor allem in... Jetzt wo ich in der Industrie bin dass ich Startups mehr und mehr sehe

00:27:21: oder... Hast du einen heißen Tipp für uns?

00:27:24: Auf wen sollten wir schauen?

00:27:26: Nein!

00:27:26: Zum Beispiel der neueste Quantencomputer, den wir in Bracket mit aufgenommen haben.

00:27:31: In unsere Familie kommt eben aus Innsbruck.

00:27:34: AQT.

00:27:36: Wir könnten mit denen reden.

00:27:37: oder habt ihr schon mit dem geredet?

00:27:39: Habe ich schon!

00:27:40: Ja, das ist super.

00:27:42: Seid ihr seid mir ja schon frei raus.

00:27:43: Super und auch in München tut sicher was... ...und ja das freut mich und ich glaube es braucht's

00:27:51: zum Ende welche Quantentechnologie, also Quanten Computing, Communication Sensing.

00:27:57: Wo geht deiner Meinung nach im Bereich Wirtschaft oder auch sozusagen Monetarisierung am meisten in den nächsten Jahren?

00:28:08: Das ist natürlich eine breite Frage.

00:28:10: Mein persönlicher Fokus die letzten Jahre war auf dem Bereich des von Quanten und Computing.

00:28:15: Also bin ich da vielleicht auch im ersten qualifiziert dazu was zu sagen.

00:28:19: Ich glaube wenn man sich die größeren Berichte oder Reports anschaut, sind die Prognosen schon auch so dass das der Löwenanteil sein wird in der Zukunft über die drei Bereiche, die du gerade genannt hast.

00:28:32: Ich glaube wie gesagt ich habe keine Kristallkugel!

00:28:36: Ich glaube aber und es deutet sich jetzt schon an, dass mir so oder so profitieren werden von diesem sehr interessanten... oder Interplay zwischen Quantum und Classical.

00:28:52: Also dann kommt ein neuer Algorithmus raus, das stachelt schon oft die klassische Community an und das sollten wir nicht vergessen.

00:29:00: auch die klassischen Community ist immer noch sehr aktiv und da tut sich einiges und ich finde es einfach ein interessantes Zusammensein wo Quanten Computing Im Ende des Tages vielleicht ein Speedup bringt, aber zumindest wird es die klassische Community immer wieder herausfordern und am Ende des Tages so für unsere Gesellschaft bessere Resultate, bessere Algorithmen, besseren Ergebnisse bringen.

00:29:29: Johannes du darfst noch die letzte Frage?

00:29:32: Ja das ist eigentlich schon das fantastische Schlusswort schon gewesen.

00:29:35: Wir stimmen dem auch zu weil wir haben auch diese drei Säulen halt in Quantentechnologie, Handeln Computing Quantum Communication Quantum Sense identifiziert Quantum-inspired Classical Algorithms oder einfach klassisches Machine Learning dadurch weiter pushen.

00:29:49: Du hast es vollkommen recht, ich sehe das eigentlich auch als die plizite vierte Säule der Quantentechnologie letztlich.

00:29:55: Ja, der Coelefant zum Vorigen im Raum.

00:29:57: jetzt rechnest du Martin mit einer Art Quantenwinter, was die derzeitigen riesenghaften Bewertungen Börsengänge und so weiter in der Quantenlandschaft betrifft oder glaubst du, dass wir rechtzeitig schnell reinwachsen?

00:30:13: Vielleicht kannst du jetzt doch die Kristallkugel noch aufhören

00:30:15: aus der Lage.

00:30:16: Ja ihr probiert das immer wieder, gell?

00:30:19: Ich meine da bin ich ganz ehrlich... ich weiß es nicht!

00:30:23: Ich glaube aber für jede größere Technologie ist es nicht überraschend wenn es denn einen Winter gibt.

00:30:29: ja ich mein selbst in AI das gerade in diesen Moment durch die Decke geht wissen wir sehr gut ... theoretisch hat das ja, glaube ich schon in den Siebzgern angefangen.

00:30:40: Da wurde von den ersten neuronalen Netzwerken berichtet und beschrieben...

00:30:43: Wenn man Jürgen Schmid-Huber fragt dann war das schon ganz noch viel früher!

00:30:48: Ja?

00:30:49: Und auch da klar gab es natürlich nicht nur einen Winter sondern gab's ein paar Täler durch die man durch musste.

00:30:56: Insofern würde mich das jetzt nicht überraschen, sondern das wäre finde ich ein ganz normaler Lauf der Dinge.

00:31:03: Ob wie und in welcher Form das kommt wird sich zeigen müssen aber Alles in allem bin ich optimistisch.

00:31:09: Was machst du denn im Quantenwinter?

00:31:11: Machst dann doch mal was mit Machine Learning.

00:31:14: Da geh' ich dann Skifahren.

00:31:17: Martin, vielen herzlichen Dank!

00:31:18: Es hat echt Spaß gehabt mit dir und schönen Grüße nach New York.

00:31:21: Vielen Dank.

00:31:22: Herzlichen Dank, Martin.

00:31:23: Schöne Grüße aus Linz.