IBM und das Massachusetts Institute of Technology (MIT) haben das MIT-IBM Computing Research Lab gegründet, eine neue gemeinsame Forschungseinrichtung. Ziel ist es, Grundlagenforschung in den Bereichen Künstliche Intelligenz, Algorithmen und Quantencomputing voranzutreiben, mit einem Schwerpunkt auf Rechenmethoden, die die praktischen Grenzen klassischer Systeme überwinden können. Das Labor ist aus dem MIT-IBM Watson AI Lab hervorgegangen (gegründet 2017 auf dem MIT-Campus). Es spiegelt den Wandel in der Technologielandschaft wider, in der KI mittlerweile weit verbreitet ist und Quantencomputing zunehmend praktische Anwendung findet.
Die Leitung beschrieb das neue Labor als Plattform für eine vertiefte gemeinsame Entwicklung in den Bereichen Modellierung, Algorithmen und Systemdesign, insbesondere an der Schnittstelle von KI und Quantentechnologie. Die MIT-Leitung positionierte das Projekt als Fortsetzung der Ergebnisse des vorangegangenen Jahrzehnts der Partner und als Mechanismus zur Sicherstellung langfristiger Forschung mit akademischer Strenge und industrieller Relevanz.
Forschungsschwerpunkt: KI, Algorithmen, Quantentechnologie und Hybridsysteme
Der technische Schwerpunkt des Labors liegt auf der Zusammenarbeit über verschiedene Fachbereiche hinweg.
Ein Schwerpunkt liegt auf KI und hybridem Computing. Dabei werden Ansätze erforscht, die klassisches Rechnen mit fortschrittlichen KI-Methoden und, wo sinnvoll, quantenmechanischen Elementen kombinieren. Ziel ist es, die Integration von KI-Funktionen in produktionsorientierte Rechenumgebungen zu verbessern, wobei der Fokus auf praktischen, betrieblichen Optimierungen liegt.
Das Labor legt zudem Wert auf die Entwicklung kleiner, effizienter Sprachmodellarchitekturen und neuer KI-Computing-Paradigmen. Diese Bemühungen werden aus der Perspektive des Unternehmenseinsatzes betrachtet, wobei besonderes Augenmerk auf Systemeigenschaften wie Zuverlässigkeit, Transparenz und Vertrauenswürdigkeit gelegt wird. Dies verdeutlicht den Fokus nicht nur auf Forschungsprototypen, sondern auf die Entwicklung betriebsbereiter Systeme, die realen Anforderungen gerecht werden.
Die Agenda umfasst auch die Forschung zu Quantenalgorithmen und den mathematischen Grundlagen, die zur Lösung komplexer Problemklassen in Bereichen wie Materialwissenschaft, Chemie und Biologie erforderlich sind. Parallel dazu findet eine umfassendere Untersuchung der mathematischen und algorithmischen Grundlagen des Rechnens der nächsten Generation statt, mit dem Ziel, das grundlegende Verständnis und die Fähigkeiten zu erweitern.
Das Labor hob zudem grundlegende Arbeiten hervor, die maschinelles Lernen, Optimierung, Hamiltonsche Simulation und partielle Differentialgleichungen (PDEs) umfassen. Diese Bereiche stellen häufig Engpässe bei der Approximation großer dynamischer Systeme dar, da klassische Methoden mit Genauigkeit, Rechenaufwand oder beidem zu kämpfen haben. Obwohl mehrere Anwendungsbeispiele genannt wurden, liegt der technische Kern in verbesserten Simulations- und Optimierungsmethoden, die zu präziseren Vorhersagen und effizienteren Rechenprozessen führen könnten.
Übereinstimmung mit MIT-Initiativen und IBMs Quanten-Roadmap
Das MIT hob hervor, dass das Labor zwei institutsweite Initiativen ergänzt: das MIT Generative AI Impact Consortium und die MIT Quantum Initiative. IBM bekräftigte seinerseits seinen Plan, bis 2029 einen fehlertoleranten Quantencomputer zu entwickeln, sowie sein umfassenderes Bestreben nach quantenzentriertem Supercomputing, das das Unternehmen als die enge Integration von Quantensystemen mit Hochleistungsrechnern und KI-Beschleunigern beschreibt.
Laborstruktur und -leitung
Das Labor wird weiterhin von Aude Oliva, Senior Research Scientist am MIT CSAIL, und David Cox, Vice President, AI Foundations bei IBM Research, gemeinsam geleitet. Für drei Bereiche wurden jeweils Co-Leiter ernannt:
- KI: Jacob Andreas (MIT EECS) und Kenney Ng (IBM Research; Programmmanager für Wissenschaftsprogramme am MIT und IBM)
- Algorithmen: Vinod Vaikuntanathan (MIT EECS) und Vasileios Kalantzis (IBM Research)
- Quanten: Aram Harrow (MIT Physik) und Hanhee Paik (IBM; Quantum Algorithm Centers)
Das MIT benannte außerdem Dan Huttenlocher, Dekan des MIT Schwarzman College of Computing, als MIT-Co-Vorsitzenden des Labors.
Bisherige Ergebnisse des vorherigen Labors
MIT und IBM stellten das neue Labor als Weiterentwicklung des Watson AI Lab hinsichtlich Größe und Publikationserfolg dar. Seit Beginn der vorherigen Zusammenarbeit wurden über 210 Forschungsprojekte mit mehr als 150 MIT-Dozenten und über 200 IBM-Forschern finanziert, woraus über 1,500 Fachartikel hervorgingen. Das Programm förderte zudem über 500 Studierende und Postdoktoranden und etablierte damit die Personalentwicklung als kontinuierliches Ziel neben der Forschung.
IBM und Dallara kündigen KI- und Quantenexploration für aerodynamische Design-Workflows an
In einer separaten Mitteilung im Anschluss an die Eröffnung des MIT-IBM-Labors gaben IBM und die Dallara Group eine Zusammenarbeit bekannt, die sich auf die Anwendung von KI auf physikbasierte Fahrzeugaerodynamik und auf die Erforschung von Quanten- und hybriden quantenklassischen Methoden konzentriert, die simulationsintensive Designzyklen im Laufe der Zeit ergänzen könnten.
Physikbasierte KI als Ersatz zur Beschleunigung CFD-gesteuerter Iteration
Das Projekt zielt auf eine bekannte Einschränkung im Motorsport und in der Entwicklung von Hochleistungsfahrzeugen ab: Die numerische Strömungsmechanik (CFD) ist zwar genau, aber teuer, und die iterative Geometrieerkundung kann sich von Stunden pro Durchlauf bis hin zu Wochen oder Monaten über einen kompletten Entwicklungsablauf erstrecken.
IBM und Dallara präsentierten erste Ergebnisse einer physikbasierten KI-Methode zur Bewertung verschiedener Heckdiffusor-Konfigurationen an einem Konzeptfahrzeug, das dem LMP2-Rennwagen ähnelt. Im Vergleich benötigte die herkömmliche CFD-Methode mehrere Stunden für die Berechnung aller Konfigurationen. Die KI-Methode hingegen führte dieselben Berechnungen in etwa 10 Sekunden durch, wies vergleichbare Fehlermargen wie die CFD-Methode auf und ermittelte eine optimale Konfiguration.
IBM beschrieb dies als einen Weg, die Auswertung hunderter Konfigurationen von Tagen auf Minuten zu verkürzen. Dies ermöglicht eine frühere Erkundung im Designprozess, während die vollständige CFD-Simulation für eine tiefergehende Validierung und die abschließende Optimierung reserviert bleibt. Die Pressemitteilung erwähnte außerdem die Druckfeldmodellierung für eine Anpassung des Heckdiffusorwinkels von -2 auf +4 Grad, wobei die KI-Ergebnisse laut Beschreibung sehr gut mit den CFD-Ergebnissen übereinstimmten.
Quanten- und Hybridansätze werden derzeit evaluiert
Parallel dazu prüfen die Teams, wo Quanten- oder hybride quantenklassische Verfahren in Simulations- und Optimierungsabläufe integriert werden könnten. Kurzfristig steht die explorative Phase im Vordergrund: Es gilt, Anwendungsfälle zu identifizieren, in denen diese Methoden etablierte CFD-Pipelines ergänzen können, und langfristige Möglichkeiten aufzuzeigen, sobald Quantensysteme ausgereifter sind.
Forschungsveröffentlichungen und Modellabstammung (arXiv und ICLR)
IBM und Dallara stellten einen Bezug zu aktuellen Veröffentlichungen her:
- Erste Ergebnisse der Zusammenarbeit wurden in einem arXiv-Preprint vom 20. April 2026.
- Die Arbeit baut auf dem GIST-Modell (Gauge-Invariant Spectral Transformers) von IBM auf, das in einem Vorabdruck vom 17. März.
Die Unternehmen gaben an, dass sie auf der International Conference on Learning Representations (ICLR) am 26. April 2026 in Rio de Janeiro entsprechende Fortschritte vorgestellt haben.
Fabrizio Arbucci, CIO von Dallara, hob die weitreichendere Bedeutung neuronaler Ersatzmodelle hervor, die zunächst in Hochleistungsfahrzeugen getestet wurden. Er betonte, dass Fortschritte in der aerodynamischen Effizienz, wie beispielsweise eine Reduzierung des Luftwiderstands um ein bis zwei Prozent, zu erheblichen Kraftstoffeinsparungen in verschiedenen Verkehrsträgern, darunter Pkw und Flugzeuge, führen und somit Branchen zugutekommen können, die auf Aerodynamik angewiesen sind.
Amazon