de.wedoany.com-Bericht: Der Entwickler supraleitender Quantencomputer, IQM Quantum Computers (Nasdaq: IQMX), hat gemeinsam mit der Deutschen Bahn eine Studie veröffentlicht, die die Ausführung hybrider Quanten-Klassik-Optimierungsalgorithmen auf realen Betriebsdaten der Bahn demonstriert. Die Studie wurde durchgängig auf IQMs Emerald-Quantenprozessor ausgeführt und befasst sich mit dem Fahrzeugumlaufproblem – der Zuordnung physischer Triebzugeinheiten zu geplanten Zugfahrten, unter Minimierung der Betriebskosten und strikter Einhaltung von Wartungsbeschränkungen.
Beide Parteien bewerteten einen realen Betriebsdatensatz der DB Systel, der IT-Tochter der Deutschen Bahn, mit 190 geplanten Zugfahrten über ein Planungsfenster von zwei Tagen, der fünf deutsche Großstädte abdeckt: Köln, München, Berlin, Frankfurt und Hamburg. Um das Planungsproblem an die Quantenausführung anzupassen, bildete IQM die Beschränkungen als Maximum-Weight-Independent-Set-Problem (MWIS) auf einem Konfliktgraphen ab: Die Knoten des Graphen sind machbare geschlossene Zugumläufe, wobei jeder Umlauf den erzwungenen zweistündigen Wartungshalt in Hamburg und die Höchstgrenze von 4.000 Kilometern erfüllen muss; Kanten verbinden inkompatible Umläufe, die dieselbe geplante Zugfahrt bedienen.
Die MWIS-Graphgenerierung in vollem Umfang ergab etwa 98.500 machbare Umläufe – ein Suchraum, der für aktuelle Quantenprozessoren zu groß ist. Die Forscher entwickelten ein quantenbasiertes Teile-und-Herrsche-Framework: Eine klassische äußere Schleife extrahiert iterativ handhabbare Teilgraphen (z. B. 20 Knoten), sortiert nach Passagierfahrten-Dichte; ein Quanten-Unterprogramm führt den Quantum Approximate Optimization Algorithm (QAOA) mit Tiefe p=1 aus, um Teillösungen auszuwählen; ein klassisches Nachbearbeitungs-Trimprogramm löst Konfliktauswahlen und erzeugt eine gültige unabhängige Menge, bevor der globale Graph aktualisiert wird. In jeder Iteration werden ausgewählte Zugumläufe entfernt, und noch nicht bediente Fahrten gehen in die nächste Runde.
Die Experimente bestätigten drei Kernaussagen. Erstens kann das hybride Framework durchgängig auf aktueller Quantenhardware ausgeführt werden und erzeugt machbare, hochwertige Planungslösungen für reale Unternehmensdatensätze – ohne fehlertolerante Quantenprozessoren.
Zweitens zeigt die Leistung einen vorhersagbaren Skalierungstrend mit wachsender Teilgraphgröße. Mit einem klassischen exakten Löser als Referenz zeigt sich ein statistisch signifikanter Zusammenhang (P=1,04×10⁻⁹): Mit zunehmender Teilgraphgröße steigt auch die direkt reduzierte Leerkilometerzahl (unproduktive Fahrstrecke ohne Passagiere) des hybriden Frameworks.
Drittens werden Hardwareverbesserungen automatisch genutzt. Wenn der Quantenprozessor in Qubit-Anzahl, Konnektivität und Gattertreue skaliert und größere Teilgraphen verarbeiten kann, liefert die zugrunde liegende Algorithmusarchitektur ohne strukturelles Redesign bessere Planungsergebnisse.
Zum Zeitpunkt der Veröffentlichung dieser Studie war IQM bereits im Juli 2026 am Nasdaq Global Select Market und an der Nasdaq Helsinki unter dem Kürzel IQMX notiert. Beide Institutionen erklärten, dass sich die aktuelle Forschung auf deterministische Offline-Planung konzentriert; die Teile-und-Herrsche-Architektur könne künftig auf Echtzeit-Störungsmanagement angewendet werden, sodass Bahnbetreiber bei unerwarteten Serviceverzögerungen Fahrzeuge dynamisch neu zuweisen können.
Der Preprint der zugehörigen Studie wurde auf der arXiv-Plattform veröffentlicht; IQM hat zeitgleich ein technisches Whitepaper und eine vollständige technische Fallstudie veröffentlicht.
