QUBES
Quantum-Enhanced Multiscale Structural Segmentation for Battery Electrodes
Thema Quantencomputing und -simulation
Fördermaßnahme QC Next
Projektlaufzeit 01.10.2026 - 30.09.2029
Projektvolumen 1900000
Förderquote zu 74 % durch das BMFTR gefördert
Beschreibung
Motivation
Die dreidimensionale Analyse von Batterieelektroden ist wichtig, um Eigenschaften wie Energiedichte, Ladegeschwindigkeit und Alterung zu untersuchen. Es ist jedoch schwierig, die dafür eingesetzten FIB-SEM-Aufnahmen automatisiert auszuwerten: Geringe Kontraste, Bildartefakte und stark unterschiedliche Materialstrukturen bringen klassische Bildverarbeitungsverfahren an ihre Grenzen und machen häufig manuelle Nacharbeit erforderlich. QUBES untersucht, wie quantengestützte Lernverfahren die Segmentierung unterstützen können.
Ziele und Vorgehen
QUBES entwickelt einen modularen Workflow zur Segmentierung und Analyse von FIB-SEM-Bilddaten von Batterieelektroden. Im Mittelpunkt steht ein hybrides Quantum-Classical Diffusion Model, das klassische und quantenbasierte Lernverfahren kombiniert. Zusätzlich werden Verfahren zur quantenbasierten Darstellung dreidimensionaler Bilddaten untersucht. Die Methoden werden in einen durchgängigen Workflow eingebunden. Die Ausführung erfolgt in einer Cloud-nativen Instanzierung des QC-Next-Software-Stacks. Abschließend werden klassische, hybride und quantenbasierte Ansätze systematisch miteinander verglichen.
Innovation und Perspektiven
QUBES überträgt quantengestützte Bildverarbeitung auf reale FIB-SEM-Daten von Batterieelektroden und überführt sie mit einer containerisierten, Cloud-nativen Ausführungsumgebung in einen modularen, industrietauglichen Workflow. Die entwickelte Runtime und ein ergänzendes Benchmarking-Framework werden durch standardisierte Schnittstellen in den QC-Next-Software-Stack integriert. Die Softwarebausteine werden als Open Source bereitgestellt und sollen sich perspektivisch auch auf weitere industrielle Bildverarbeitungsaufgaben übertragen lassen.