Quanteninformatik zum Lösen von Problemen im Bereich der Erdbeobachtung

Die Erdbeobachtung befasst sich mit einem breiten Spektrum von Problemen, die in der Regel durch die Analyse von Bildern aus verschiedenen Bereichen der elektromagnetischen Strahlung angegangen werden. Vor diesen Analysen müssen die Satellitenbetreiber sich jedoch mit einem Problem der Optimierung von Ressourcen auseinandersetzen, das sich wie folgt beschreiben lässt:

Bei einer für einen Satellitenüberflug angeforderten Bildserie muss festgelegt werden, welche Bilderteilmenge beim jeweiligen Überflug in dem Bestreben aufgenommen werden soll, bestimmte Kriterien wie Nutzen, Bedeutung, Kapazität usw. zu optimieren.

Kaum jemals ist es möglich, alle angeforderten Bilder in einem einzigen Überflug aufzunehmen, da die Umlaufbahn des Satelliten fest steht und die erfassbaren Bildkombinationen einer Reihe von Einschränkungen unterliegen. So können beispielsweise einige Bilder aufgrund von Einschränkungen der Beweglichkeit der Kameras, der Aufnahmezeit, der geografischen Nähe usw. nicht mit derselben Kamera aufgenommen werden.

Um diese Fragestellung zu beantworten, haben Antón Makarov und Alexander Benítez vom Geschäftsbereich künstliche Intelligenz und Big Data bei GMV auf dem Meetup mit IBM dargelegt, wie sich diese Problematik mathematisch formulieren lässt, um sie mithilfe von Quantencomputing lösen zu können. Dieser Beitrag bezieht sich auf den Anwendungsfall, an dem sie beim Projekt CUCO arbeiten, dem ersten spanischen unternehmerischen Großvorhaben zum Quantencomputing, mit dem angestrebt wird, den Stand der Technik der Quantenalgorithmen voranzutreiben und dieses Wissen auf eine Reihe von Konzeptnachweise in verschiedenen strategischen Sektoren der spanischen Wirtschaft wie Energie, Finanzen, Weltraum, Verteidigung und Logistik anzuwenden. Dieses Projekt wurde vom Zentrum für industrielle Technologieentwicklung (CDTI) subventioniert und vom Ministerium für Wissenschaft und Innovation im Rahmen des Plans zur wirtschaftlichen Erholung, Transformation und Resilienz unterstützt.

Die Auswahl dieses Problems war nicht zufällig: Nach einer langen Bewertung von mehr als 15 verschiedenen Anwendungsfällen wurde festgestellt, dass es sich um eine alltäglich in der Luft- und Raumfahrt auftretende Schwierigkeit handelt: Die optimale Bilderfassung ist ein Problem, das jeder Satellitenbetreiber regelmäßig lösen muss. Hinzu kommt, dass Bildanfragen oft unvorhergesehen eintreffen, so dass es in der Praxis notwendig ist, für eine einzige Planungsaufgabe mehrere Probleme zu lösen und dabei sofort auch die neuen Bildanfragen zu berücksichtigen. Die Verkürzung der Ausführungszeit dieser Algorithmen kann einen Wettbewerbsvorteil darstellen und den Weg für die Lösung zukünftiger Multi-Satelliten-Probleme ebnen, deren Berechnung sogar noch mehr Zeit in Anspruch nimmt.<