"Infineon will das Herzstück des Quantencomputers neu erfinden. Eine wesentliche Aufgabe des neuen Quantenlabors wird es sein, die Elektronik für Ionenfallen-Quantencomputing zu entwickeln und zu testen mit dem Ziel, diese in die Quantum Processing Unit zu integrieren. Denn nur so lässt sich Quantencomputing skalieren und nutzbar machen", sagt Richard Kuncic, Senior Vice President und General Manager Power Systems bei Infineon Technologies. "Quantencomputer werden dank ihrer Rechenleistung viele Anwendungen revolutionieren. Aber davor steht noch ihre Industrialisierung. Die bringen wir in unserem neuen Labor voran."
Dazu hat das Unternehmen einen innovativen Kryostaten installiert, eine Art Superkühlschrank, der bis zu 4 Kelvin, minus 269 Grad Celsius, kühlen kann. Qubits, die kleinsten Einheiten für Berechnungen in Quantencomputern, sind äusserst empfindlich und nur unter extremen Bedingungen ausreichend stabil. Typisch sind Temperaturen unter minus 250 Grad Celsius und niedrigste Drücke. Trotz dieser extremen Bedingungen muss die Elektronik einwandfrei arbeiten. Gerade in derart kalten Umgebungen verändern viele Materialien ihre Eigenschaften, das elektrische Verhalten kann sich ändern.
Zwar gibt es bereits eine ganze Reihe an Quantencomputern, doch handelt es sich dabei um Installationen von und für Forschungseinrichtungen. Für die Skalierung hin zu leistungsfähigen Quantencomputern und zur Industrialisierung der Technik sind noch einige Schritte in der Entwicklung zu gehen. Dazu gehört die präzise elektronische Ansteuerung von hunderten und tausenden von Qubits. Das Team in Oberhaching entwickelt unter anderem optische Detektoren, um Quantenzustände der Ionen auszulesen. Dabei kooperieren die KollegInnen eng mit dem Quantenlabor von Infineon in Villach, das auf Ionenfallen spezialisiert ist. Darüber hinaus wird es nach Synergien mit den KollegInnen in Dresden und Regensburg suchen, die Silizium- und Supraleiter-Qubits erforschen.
Im Bereich Leistungshalbleiter wird im Labor künstliche Intelligenz eingesetzt, um das Alterungs- und Ausfallverhalten von Mikroelektronik im Bereich Power zu simulieren und noch besser vorhersagen zu können. Hierfür müssen nicht nur passende Algorithmen entwickelt werden. Vielmehr muss auch durch praktische Messung die Datenbasis geschaffen werden, um Neuronale Netze zu trainieren und deren Verhalten zu verifizieren. Das dient dazu, die Lebensdauer von Power Convertern besser abzuschätzen und Anomalien zu erkennen. Diese Einsichten sind wichtig für eine effektive vorrausschauende Wartung, die letztlich den Ausfall von Geräten verhindern und damit Nutzungszeiten optimieren soll.