Neues Projekt am RRZE
QuNET+ML: Optimierung von Quantenkommunikationsnetzen mittels maschinellen Lernens
Am Rechenzentrum der FAU startete im Januar ein neues Forschungsvorhaben: Die Forschungsgruppe Netz des RRZE beteiligt sich am Projekt QuNET+ML: Optimierung von Quantenkommunikationsnetzen mittels maschinellen Lernens (Link). Die vom Bundesministerium für Bildung und Forschung geförderte Studie gehört zu einer Reihe von neuen Projekten, die ins Leben gerufen wurden, um vom QuNET Konsortium identifizierte spezielle Fragestellungen zu adressieren (Link).
Die Erweiterung des konventionellen Kommunikationsnetzes um eine parallele Quanteninfrastruktur wird viele Vorteile mit sich bringen, die sich bisher über klassische Netze so nicht erreichen lassen. Dies liegt z.B. daran, dass sich mit Quantengeräten Schlüssel erzeugen und austauschen lassen, deren Sicherheit allein auf den Gesetzen der Quantenmechanik beruht und damit ein abhörsicherer Datentransfer über konventionelle Netze möglich ist. Weitere Verbesserungen basierend auf Quantenverschränkung sind auch bei Quanten-Sensornetzwerken, für sichere Identifikation und bei der Verarbeitung von verteilten Daten zu erwarten.
Bevor in Deutschland große Quanten Computer zur Verfügung stehen, ist davon auszugehen, dass viele Anwendungen verteilt berechnet werden oder durch Infrastrukturen unterstützt werden müssen, die einen hybriden HPC/quantenbasierten Austausch, quantenbasierte Berechnungen über mehrere Parteien oder Ansätze wie Blind Quantum Computing erlauben.
Mit einer parallelen Quanteninfrastruktur und den hohen Anforderungen an Hardware und Software gestaltet sich auch das Management aller dieser Systeme viel komplexer.
Statt einer einfachen Provisionierung eines Links im klassischen Netz, müssen nun eine Vielzahl neuer Parameter beachtet werden, um Sicherheitsaspekte über das Netz zu ermöglichen (Austausch von pre-shared keys, Quantum Tokens, verschränkte Elemente/Zustände, die nur über bestimmte Routen (eingeschränkt auf Länder, Hersteller, Technologien, etc.) provisioniert werden sollen. Für Anwendungen, die beispielsweise ein simultanes Signieren erfordern, muss das Netz über diesen Abschnitten auch die erforderliche Zeitsynchronisation vorweisen können.
Es müssen daher geeignete Methoden und Konzepte entwickelt werden, wie diese Vielzahl an Netz- und Rechnerressourcen kontrolliert und optimal ausgeschöpft und zugeteilt werden können, und wobei alle relevanten Sicherheitsaspekte berücksichtigt werden. Dies kann nur mit ML-gestützen Verfahren gelingen.
Das Rechenzentrum der FAU wird sich im Verbundprojekt schwerpunktmässig mit Netzarchitekturen und Schnittstellen befassen, sowie mit Modellen des maschinellen Lernens für heterogene Netze und wird der Frage nachgehen, wie diese Modelle dabei Optimierungen und intelligentes Management unterstützen können. Das Projektteam plant, diese neuen ML-basierten Entwicklungen am Ende des Projekts in einer geeigneten Demonstratorumgebung zu testen.
Außer der FAU sind noch die Christian-Albrechts-Universität zu Kiel, das Fraunhofer Heinrich Hertz Institut in Berlin am Projekt beteiligt. Kommerzielle Partner sind ADVA Optical Networking SE, Planegg und Infosim GmbH & Co. KG, Würzburg; Infosim stellt den Verbundkoordinator des Projekts. Darüber hinaus gibt es noch zwei assoziierte Partner: den DFN-Verein e.V., Berlin, und die Deutsche Telekom Technik GmbH in Bonn. Das Vorhaben umfasst drei Jahre mit einem Fördervolumen von 2,8 Mio. € (davon 84 % Förderanteil durch BMBF).
Dr.-Ing. Susanne Naegele-Jackson
Regionales Rechenzentrum Erlangen (RRZE)
Abteilung Kommunikationssysteme (RRZE)
- Telefon: +49 9131 85-29479
- E-Mail: susanne.naegele-jackson@fau.de
