QuCSplit: a decision support system for quantum-classical splitting

Abstract

Quantum computing is a new technology that depends on quantum mechanics concepts to solve traditional problems in computer science in different domains such as optimization, simulation and machine learning computations. The benefit of quantum computers over classical ones is that quantum algorithms provide an exponential speed-up over classical algorithms. This extraordinary promising performance motivates vendors and researchers to develop solutions using quantum computing and integrate them to solve different use cases. However, quantum computers depend on a different implementation than classical computers by using quantum circuits and data preparation and do not handle classical bits by central computations. Thus, we need to revise the translation process of high-level requirements and how to implement it as quantum solutions. For this reason, the integration and deployment of quantum computers might be expensive and not all problems can not benefit from it. Thus, In this early stage, stakeholders, e.g. researchers and enterprises, need support in this process to decide whether to use quantum or classical computers. To address this problem, we present a concept of using a decision tree to help users in this process. The decision tree is based on results that have been reviewed from literature which started to use quantum computers and compare their performance with classical methods. It consists of a set of decision which is connected consequently, starting from describing the use case requirements and transforming them into a mathematical formulation which can be solved on quantum computers. In addition, this project investigated the content comparison of the different use cases using NLP methods to get similar cases together and provide a recommendation based on similar content. The decision tree must be accessible in an easy way to all users from different backgrounds, including researchers, technical, vendors, and decision-makers in the business domain. To validate the practical feasibility of our concept, we introduce QuCSplit as a support framework to help users make their decisions. The decision tree approach can provide a reliable model of linear decisions that are sequentially ordered. However, it is still difficult to include decisions that require complex calculations and relationships. Furthermore, the texts comparison method still seeks a reliable evaluation study to analyze its accuracy.

Quantencomputer ist eine neue Technologie, die auf Konzepten der Quantenmechanik basiert, um traditionelle Probleme der Informatik in verschiedenen Bereichen wie Optimierung, Simulation und maschinelles Lernen zu lösen. Der Vorteil von Quantencomputern gegenüber klassischen Computern besteht darin, dass Quantenalgorithmen einen exponentiellen Geschwindigkeitszuwachs gegenüber klassischen Algorithmen bieten. Diese außerordentlich versprechende Leistung motiviert Anbietern und Forschern, Lösungen auf der Grundlage von Quantencomputern zu entwickeln und sie zur Lösung verschiedener Anwendungsfälle zu integrieren. Quantencomputer ist jedoch auf eine andere Implementierung als klassische Computer angewiesen, da sie Quantenschaltungen und Datenaufbereitung verwenden und klassische Bits nicht durch zentrale Berechnungen verarbeiten. Daher muss man den Übersetzungsprozess von High-Level-Anforderungen und deren Umsetzung in Quantenlösungen überarbeiten. Aus diesem Grund könnte die Integration und der Einsatz von Quantencomputern aufwändig sein, und nicht alle Probleme können davon profitieren. In diesem frühen Phase benötigen die Beteiligten, z. B. Forscher und Unternehmen, daher Unterstützung bei der Entscheidung, ob sie Quantencomputer oder klassische Computer einsetzen wollen. Um dieses Problem anzugehen, stellen wir das Konzept eines Entscheidungsbaums vor, der den Benutzern bei diesem Prozess helfen soll. Der Entscheidungsbaum basiert auf Ergebnissen aus der Literatur, die mit dem Einsatz von Quantencomputern begonnen haben und deren Leistung mit klassischen Methoden vergleichen. Er besteht aus einer Reihe von Entscheidungen, die konsequent miteinander verknüpft sind, ausgehend von der Beschreibung der Anforderungen des Anwendungsfalls und deren Umwandlung in eine mathematische Formulierung, die auf Quantencomputern gelöst werden kann. Darüber hinaus wurde in diesem Projekt der inhaltliche Vergleich der verschiedenen Anwendungsfälle mit Hilfe von NLP-Methoden untersucht, um ähnliche Fälle identifizieren und eine Empfehlung auf der Grundlage ähnlicher Inhalte zu geben. Der Entscheidungsbaum muss allen Nutzern mit unterschiedlichem Hintergrund, einschließlich Forschern, Technikern, Anbietern und Entscheidungsträgern in der Wirtschaft, auf einfache Weise zugänglich sein. Um die praktische Durchführbarkeit unseres Konzepts zu prüfen, stellen wir QuCSplit als Framework vor, der den Benutzern bei ihren Entscheidungen hilft. Der Entscheidungsbaum-Ansatz kann ein zuverlässiges Modell für lineare Entscheidungen liefern, die sequentiell geordnet sind. Es ist jedoch immer noch schwierig, Entscheidungen zu erfassen, die komplexe Berechnungen und Beziehungen erfordern. Darüber hinaus ist die Methode des Textvergleichs noch auf der Suche nach einer zuverlässigen Evaluierungsstudie, um ihre Genauigkeit zu analysieren.