Rethinking Reproducibility in the Classical (HPC)-Quantum Era: Toward Workflow-Centered Science

Dieser Artikel untersucht die Herausforderungen der Reproduzierbarkeit in der klassischen HPC- und Quantencomputing-Ära und schlägt einen kulturellen Wandel hin zu einer workflow-zentrierten Wissenschaft vor, die durch Meta-Workflows sowohl Prozessabstraktionen als auch Implementierungskontexte dokumentiert, um wissenschaftliche Erkenntnisse angesichts zunehmender Komplexität robuster zu gestalten.

Das Wesentliche

🧪 Wenn der Kochbuch-Rezept nicht mehr reicht: Wie wir Wissenschaft in der Ära von klassischen und Quanten-Computern neu denken müssen

Stellen Sie sich Wissenschaft wie das Backen eines perfekten Kuchens vor. Früher (in der klassischen Welt) war das einfach: Wenn Sie das gleiche Rezept (Code), die gleichen Zutaten (Daten) und den gleichen Ofen (Computer-Hardware) verwenden, sollte am Ende immer derselbe Kuchen herauskommen. Das nennen wir Reproduzierbarkeit: Ein anderer Bäcker kann Ihren Kuchen nachbacken und er schmeckt identisch.

Doch die Welt der Wissenschaft wird immer komplizierter. Wir fügen nun einen völlig neuen, etwas verrückten Ofen hinzu: den Quanten-Computer. Und genau hier beginnt das Problem.

1. Das alte Problem: Der klassische Super-Ofen (HPC)

Selbst in der Welt der klassischen Supercomputer (HPC) ist es heute schwer, den perfekten Kuchen zu backen.

• Das Problem: Der "Ofen" (der Computer) ändert sich ständig. Manchmal wird das Rezept automatisch angepasst, weil eine neue Version des Backsystems installiert wurde, oder die Zutaten werden in einer anderen Reihenfolge gemischt.
• Die Folge: Zwei Wissenschaftler backen mit demselben Rezept, aber weil einer einen neuen Ofen hat und der andere einen alten, kommt beim einen ein flacher Kuchen und beim anderen ein perfekter Tortenboden heraus. Niemand weiß genau, ob der Fehler im Rezept oder im Ofen lag.

2. Das neue Problem: Der Quanten-Ofen

Jetzt kommt der Quanten-Computer ins Spiel. Stellen Sie sich diesen Ofen nicht als Maschine vor, die Dinge berechnet, sondern als Wahrscheinlichkeits-Würfel.

• Der Unterschied: Ein klassischer Computer ist wie ein präziser Uhrmacher: Wenn Sie den Knopf drücken, passiert immer exakt das Gleiche. Ein Quanten-Computer ist wie ein Wettervorhersage-System: Er sagt Ihnen nicht "es regnet", sondern "es regnet zu 70%".
• Das Chaos: Wenn Sie dasselbe Quanten-Rezept zweimal backen, kommt das Ergebnis nie exakt gleich heraus. Es ist immer ein bisschen anders, weil der Ofen "zittert" (Rauschen) und empfindlich auf jede kleine Erschütterung reagiert.
• Die Gefahr: Wenn ein Wissenschaftler sagt: "Mein Quanten-Ofen hat diesen Kuchen gebacken", ist das Ergebnis untrennbar mit diesem speziellen Ofen verbunden. Ein anderer Ofen (selbst vom gleichen Modell) würde einen leicht anderen Kuchen backen.

3. Die große Vermischung: Wenn beide Ofen zusammenarbeiten

Die Zukunft liegt darin, beide Ofen zu kombinieren. Der klassische Computer macht die schwere Vorarbeit, und der Quanten-Computer löst die schwierigsten Teile.

• Das Dilemma: Wie dokumentieren Sie ein Rezept, das teilweise aus festen Anweisungen (klassisch) und teilweise aus Wahrscheinlichkeiten (Quanten) besteht?
• Die Erkenntnis: Das Papier sagt: Wir können nicht mehr erwarten, dass das Ergebnis immer 100% identisch ist. Die Infrastruktur (der Ofen) ist nicht mehr nur ein Werkzeug; sie ist Teil des Ergebnisses.

4. Die Lösung: Vom "Rezept" zum "Meta-Kochplan" (Workflow-Centered Science)

Statt zu versuchen, jeden einzelnen Ofen perfekt zu kopieren (was unmöglich ist), schlägt das Papier eine neue Methode vor: Workflow-Centered Science (Wissenschaft, die sich auf den Arbeitsablauf konzentriert).

Stellen Sie sich das so vor:

• Alt: Wir versuchen, das exakte Rezept zu kopieren, inklusive der genauen Temperatur des Ofens von 2023.
• Neu (Meta-Workflows): Wir erstellen einen übergeordneten Kochplan.
  • Dieser Plan sagt nicht: "Nutze Ofen Modell X".
  • Sondern: "Der Kuchen muss so gebacken werden, dass er stabil ist, egal ob wir Ofen A oder Ofen B nutzen. Wenn wir Ofen B nutzen, müssen wir die Backzeit um 5% anpassen, weil er etwas wärmer ist."

Was bedeutet das für die Wissenschaftler?

1. Keine Blackbox mehr: Wissenschaftler müssen nicht mehr nur das Rezept schreiben. Sie müssen verstehen, wie ihr "Ofen" funktioniert. Sie werden vom passiven Nutzer zum aktiven Mitarbeiter des Ofen-Bauers.
2. Neue Art von Wissen: Wir akzeptieren, dass das Ergebnis vom Kontext abhängt. Ein Ergebnis ist nicht mehr "die absolute Wahrheit", sondern "die Wahrheit unter diesen spezifischen Bedingungen".
3. Meta-Dokumentation: Wir dokumentieren nicht nur den Code, sondern auch die "Stimmung" des Computers (welche Fehler auftreten, wie laut der Ofen ist, etc.).

5. Fazit: Warum das gut ist

Das Papier argumentiert, dass wir nicht gegen die Komplexität ankämpfen sollten, sondern sie umarmen müssen.

• Die alte Hoffnung: "Wenn wir alles genau genug dokumentieren, kann jeder das Ergebnis 1:1 nachmachen." (Das funktioniert in der Quantenwelt nicht mehr).
• Die neue Hoffnung: "Wir dokumentieren den Prozess und die Regeln, wie man mit den Unterschieden umgeht."

Die einfache Botschaft:
Wissenschaft wird nicht weniger wahrhaftig, nur weil die Computer komplexer werden. Wir müssen nur aufhören, nach perfekten Kopien zu suchen, und stattdessen lernen, robuste Pläne zu erstellen, die auch dann funktionieren, wenn sich die Werkzeuge ändern. Wir müssen lernen, mit dem "Zittern" des Quanten-Ofens zu kochen, anstatt zu hoffen, dass er sich nie bewegt.

Das ist der Weg zu einer Wissenschaft, die auch in der Zukunft, mit immer komplexeren Maschinen, verlässlich bleibt.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des Papers „Rethinking Reproducibility in the Classical (HPC)-Quantum Era: Toward Workflow-Centered Science" auf Deutsch.

1. Problemstellung (Problem)

Das Papier adressiert die zunehmende Reproduzierbarkeitskrise in der computergestützten Wissenschaft, die durch die wachsende Komplexität der Infrastruktur und die Integration von Quantencomputing in High-Performance Computing (HPC) verschärft wird.

• Herausforderungen im klassischen HPC: Obwohl klassische Computer deterministisch arbeiten, ist die Reproduzierbarkeit durch Hardware-Abhängigkeiten, unzureichende Dokumentation, Software-Versionskonflikte und eine Kultur, die Reproduktion nicht belohnt, gefährdet. Oft ist die Infrastruktur (Betriebssysteme, Compiler, Bibliotheken) so stark mit den Ergebnissen verflochten, dass eine exakte Wiederholung unter „denselben Bedingungen" kaum möglich ist.
• Herausforderungen im Quantencomputing: Quantensysteme führen neue, fundamentale Probleme ein:
  • Probabilistische Ausgaben: Ergebnisse sind statistische Verteilungen, nicht deterministische Werte.
  • Hardware-Abhängigkeit: Rauschen (Noise), Dekohärenz und gate-spezifische Fehler variieren je nach physikalischem Aufbau (Supraleiter, Ionenfallen etc.) und sogar zwischen Geräten desselben Typs.
  • Low TRL (Technology Readiness Level): Der aktuelle NISQ-Zustand (Noisy Intermediate-Scale Quantum) bedeutet, dass Fehlerkorrektur noch nicht vollständig verfügbar ist und die Hardware-Software-Kopplung extrem eng ist.
• Das Kernproblem: Bei der Integration von HPC und Quantencomputing (Hybrid-Systeme) kollabiert die traditionelle Trennung zwischen „Experiment" und „Infrastruktur". Die Infrastruktur wird zu einem integralen Bestandteil des Ergebnisses. Bestehende Reproduzierbarkeitsrahmenwerke sind unzureichend, da sie weder die inhärente Variabilität von Quantensystemen noch die Komplexität hybrider Workflows adäquat abbilden.

2. Methodik (Methodology)

Die Autoren verwenden einen konzeptionellen und analytischen Ansatz, der auf einer Literaturrecherche, Experten-Fokusgruppen (insbesondere bei SURF, einer niederländischen IT-Kooperation) und der Anwendung philosophischer Grundlagen der Wissenschaftstheorie basiert.

• Theoretischer Rahmen: Das Papier stützt sich auf das Konzept der Robustheit (nach Karaca), unterteilt in:
  • Prozedurale Robustheit (PR): Fähigkeit eines Verfahrens, trotz Variationen stabil zu funktionieren.
  • Ergebnis-Robustheit (RR): Konsistenz der Ergebnisse über verschiedene Methoden hinweg.
• Analyse-Dimensionen: Zur Bewertung der Reproduzierbarkeit werden drei Achsen adaptiert (nach Chirigati et al.):
  1. Transparenz: Offenlegung von Daten, Code und Umgebungen.
  2. Portabilität: Fähigkeit, Ergebnisse in verschiedenen Umgebungen zu reproduzieren.
  3. Abdeckung (Coverage): Wie vollständig ist der gesamte Forschungsprozess dokumentiert?
• Vergleichende Analyse: Die Autoren vergleichen systematisch klassische HPC- und Quanten-Computing-Herausforderungen, um zu identifizieren, welche Probleme neu sind und welche bereits lange in der klassischen Informatik bestehen, aber durch Quantenintegration offengelegt werden.
• Lösungsansatz: Entwicklung eines neuen Paradigmas („Workflow-Centered Science") und der Konzeptualisierung von Meta-Workflows.

3. Wichtige Beiträge (Key Contributions)

Das Papier leistet mehrere wesentliche Beiträge zur Debatte um wissenschaftliche Validität:

• Neudefinition von Reproduzierbarkeit im Quantenkontext: Die Autoren argumentieren, dass bei Quantensystemen „Reproduzierbarkeit" nicht mehr die exakte Wiederholung eines deterministischen Ergebnisses bedeutet, sondern die Reproduktion innerhalb definierter Vertrauensintervalle und unter Berücksichtigung hardware-spezifischer Rauschprofile.
• Entlarvung der „Infrastruktur-Blindheit": Ein zentraler Beitrag ist die Erkenntnis, dass viele als „quantenspezifisch" wahrgenommene Probleme (z. B. enge Hardware-Software-Kopplung) eigentlich Symptome eines allgemeinen Problems in der computergestützten Wissenschaft sind, das durch die Quantentechnologie nur sichtbarer wird.
• Einführung von Meta-Workflows: Als Lösung wird das Konzept der Meta-Workflows vorgeschlagen. Diese abstrahieren die wissenschaftliche Logik (das „Was" und „Warum") von der spezifischen Implementierung (das „Wie" und „Wo").
  • Sie dokumentieren nicht nur den Algorithmus, sondern auch die Validitätsanforderungen (z. B. maximale Schaltungstiefe aufgrund von Rauschen) und erlauben es, diese Logik auf verschiedene Hardware-Architekturen (klassisch oder quanten) anzuwenden.
• Rollenwandel: Das Papier fordert einen kulturellen Wandel, bei dem Forscher von passiven Nutzern zu aktiven Co-Designern von Workflows werden, die eng mit Infrastruktur-Anbietern zusammenarbeiten.

4. Ergebnisse und Erkenntnisse (Results & Findings)

Die Analyse führt zu folgenden spezifischen Erkenntnissen:

• Kollaps der „Gleichen Setup"-Bedingung: In hybriden Umgebungen ist es unmöglich, die Infrastruktur als neutralen Hintergrund zu betrachten. Hardware-Variationen (z. B. Rauschprofile eines Quantenprozessors) beeinflussen die wissenschaftlichen Ergebnisse direkt. Daher muss die Infrastruktur selbst Teil der Metadaten werden.
• Unterscheidung temporärer vs. persistenter Herausforderungen:
  • Temporär: Mangelnde Standardisierung und begrenzte Hardware-Zugänglichkeit (werden sich mit der Reifung der Technologie verbessern).
  • Persistenz: Die probabilistische Natur von Quantencomputing und die Notwendigkeit hardware-spezifischer Optimierungen bleiben bestehen und erfordern eine dauerhafte Anpassung der wissenschaftlichen Methodik.
• Grenzen der Portabilität: Während klassische Code-Portabilität durch Containerisierung gelöst werden kann, ist eine direkte Portabilität von Quanten-Code zwischen verschiedenen Architekturen aufgrund der physikalischen Unterschiede (z. B. Qubit-Konnektivität, Rauschen) derzeit nicht möglich. Stattdessen müssen Benchmarks für statistische Konsistenz entwickelt werden.
• Verifikations-Engpass: Bei hybriden Workflows, die „Quantum Advantage" beanspruchen, wird die klassische Verifikation oft rechnerisch unmöglich, was die Reproduzierbarkeit durch unabhängige Dritte erschwert.

5. Bedeutung und Implikationen (Significance)

Die Bedeutung dieses Papers liegt in seinem paradigmatischen Wandel für die wissenschaftliche Praxis:

• Epistemologische Evolution: Das Papier schlägt vor, wissenschaftliches Wissen nicht mehr als rein kontextfrei zu betrachten, sondern als Ergebnis strukturierter Interaktionen zwischen Forschern, Werkzeugen und Umgebungen. Die Abstraktion durch Meta-Workflows erlaubt es, die wissenschaftliche Logik stabil zu halten, während sich die zugrundeliegende Technologie weiterentwickelt.
• Brückenschlag zwischen Disziplinen: Es fördert die Zusammenarbeit zwischen Domänenexperten, Physikern und Infrastruktur-Spezialisten, um die „Blackbox"-Problematik zu überwinden.
• Zukunftssichere Validität: Durch die Fokussierung auf Workflows und Meta-Workflows wird eine robustere Grundlage für wissenschaftliches Wissen geschaffen, die Komplexität anerkennt, ohne die wissenschaftliche Strenge zu opfern. Dies ist essenziell, da die Rechenkomplexität in allen Bereichen (von Klimaforschung bis Materialdesign) weiter zunimmt.
• Katalysator-Funktion: Die Integration von Quantencomputing wird nicht als isoliertes Problem behandelt, sondern als Katalysator, der tiefgreifende methodische Mängel in der gesamten computergestützten Wissenschaft aufdeckt und Lösungen liefert, die auch für klassisches HPC gelten.

Zusammenfassend fordert das Paper einen Wechsel von einer rein technischen Betrachtung der Reproduzierbarkeit hin zu einer workflow-zentrierten Wissenschaft, die Infrastruktur-Variabilität systematisch dokumentiert und in die Validierung von Ergebnissen integriert.