Börseninformationen

MITTEILUNG UEBERMITTELT VON BUSINESS WIRE. FUER DEN INHALT IST ALLEIN DAS BERICHTENDE UNTERNEHMEN VERANTWORTLICH.

Die rund 100-fache Leistungssteigerung beschleunigt Innovationen in der Arzneimittelforschung, im Finanzsektor und auf weiteren komplexen Anwendungsfeldern

KAWASAKI, Japan --(BUSINESS WIRE)-- 07.04.2026 --

Die Toshiba Corporation hat einen bahnbrechenden Algorithmus entwickelt, der die Performance ihres proprietären, quanteninspirierten Computers für kombinatorische Optimierung – der „Simulated Bifurcation Machine“ (SBM) – erheblich steigert. Der neue Algorithmus erhöht die Wahrscheinlichkeit, innerhalb einer begrenzten Anzahl von Durchläufen eine optimale Lösung oder eine als beste bekannte Lösung zu finden, um ein Vielfaches. Diese Erfolgswahrscheinlichkeit ist eine wichtige Kennzahl für die Bewertung von Technologien zur kombinatorischen Optimierung.

Diese Pressemitteilung enthält multimediale Inhalte. Die vollständige Mitteilung hier ansehen: https://www.businesswire.com/news/home/20260407432873/de/

Die SBM wurde entwickelt, um großskalige kombinatorische Optimierungsprobleme in einer Vielzahl von Bereichen zu lösen, etwa die Entwicklung neuer Medikamente, die Optimierung von Lieferwegen oder die Zusammenstellung von Anlageportfolios. Während frühere Algorithmen bei ausreichend vielen Durchläufen optimale oder bekannte Bestlösungen finden konnten, blieb die Suche bei großskaligen Problemen häufig in lokalen Optima stecken – mit deutlich geringerer Erfolgswahrscheinlichkeit unter praxisbedingten Einschränkungen der Versuchszahl.

Toshiba hat diese Herausforderung durch die Entwicklung eines Algorithmus der dritten Generation zur simulierten Bifurkation (SB) gelöst. Dieser wegweisende Fortschritt baut auf dem ursprünglichen SB-Algorithmus auf, der im April 2019^*1 vorgestellt wurde, und dem SB-Algorithmus der zweiten Generation, der im Februar 2021^*2 veröffentlicht wurde und eine signifikante Steigerung der Rechengeschwindigkeit und Genauigkeit erzielte.

Der neue Algorithmus erweitert den Bifurkationsparameter, der die Bifurkationsphänomene^*3 auslöst – ein charakteristisches Merkmal des SB-Algorithmus – von einem einzigen globalen Parameter auf individuelle Parameter, die jeweils einer Positionsvariablen zugewiesen sind^*4. Diese Bifurkationsparameter werden unabhängig voneinander anhand der Werte der jeweiligen Positionsvariablen gesteuert, wodurch eine anpassungsfähigere und effektivere Lösungssuche erreicht wird.

Mit der Einführung dieses erweiterten Steuerungsmechanismus zeigt der Algorithmus je nach Bedingungen entweder ein reguläres oder ein chaotisches Verhalten^*5. Entscheidend ist die Erkenntnis von Toshiba, dass der Algorithmus durch die effektive Nutzung des Chaos am Rand des Chaos – der Grenze zwischen regulärer Dynamik und chaotischer Bewegung – lokale Optima deutlich effizienter vermeiden kann. Dadurch steigt die Wahrscheinlichkeit, das globale Optimum zu erreichen, deutlich und nähert sich der 100-Prozent-Marke.

Die auf dem neuen Algorithmus basierende SBM ist somit deutlich schneller. Die erforderliche Lösungszeit (TTS) zur Ermittlung einer optimalen oder der besten bekannten Lösung ist etwa 100-mal kürzer als bei der SBM auf Basis des Algorithmus der zweiten Generation. Diese Fortschritte werden die praktische Anwendung der kombinatorischen Optimierung bei einer Vielzahl von Herausforderungen beschleunigen.

Die Forschungsergebnisse wurden in der Ausgabe der Physical Review Applied vom 6. April 2026 veröffentlicht, einer Peer-Review-Publikation der American Physical Society^*6.

Anmerkungen:
*1 https://advances.sciencemag.org/content/5/4/eaav2372
*2 https://advances.sciencemag.org/content/7/6/eabe7953
*3 Ein Phänomen in nichtlinearen dynamischen Systemen, bei dem Änderungen von Systemparametern (Bifurkationsparametern) dazu führen, dass sich die Anzahl der stabilen Zustände von einem auf mehrere ändert.
*4 Im SB-Algorithmus werden die Bewegungsgleichungen eines klassischen dynamischen Systems gelöst, das aus vielen Oszillatoren besteht. Eine Positionsvariable repräsentiert die Position jedes Oszillators, und diese Positionsvariablen entsprechen den Entscheidungsvariablen (diskreten Variablen) des kombinatorischen Optimierungsproblems.
*5 Ein Phänomen in nichtlinearen dynamischen Systemen, bei dem bereits geringfügige Unterschiede in den Anfangsbedingungen dazu führen, dass die nachfolgenden Bewegungsbahnen erheblich voneinander abweichen, was zu ungeordnetem (chaotischem) Verhalten führt. Diese Empfindlichkeit des Chaos gegenüber den Anfangsbedingungen ist als Schmetterlingseffekt bekannt. Der obere Bereich von Abbildung 1 zeigt eine quantitative Bewertung dieses Effekts.
*6 https://doi.org/10.1103/2qd9-x6v8

Über Toshiba
Seit mehr als 150 Jahren trägt die Toshiba Group durch ihre Geschäftstätigkeit zur Gesellschaft bei, geleitet von der Unternehmensphilosophie „Committed to People, Committed to the Future“. Nach wie vor arbeitet der Konzern daran, seine Führungsstruktur weiter zu optimieren, die Betriebsabläufe zu straffen und in zukunftsorientierte Geschäftszweige in den Bereichen Energie, digitale Infrastruktur und elektronische Geräte zu investieren.
Der Jahresumsatz belief sich im Geschäftsjahr 2025 auf 3,5 Billionen Yen bei weltweit 95.000 Beschäftigten. Erfahren Sie mehr auf unserer Website und folgen Sie uns auf LinkedIn.

Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.

Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20260407432873/de/

Toshiba Corporation
Media Relations Office
Ryoji Shinohara/Naoko Oura
media.relations@toshiba.co.jp