RES-0001 selec-w ORG-0001 ORG-0001 TEN-0001 part-req 6.0 tenders 5.0 t-esubm 5.0 t-sme 3.0 CON-0001 LOT-0001 TEN-0001 true false TPA-0001 LOT-0001 CON-0001 2024-09-30+02:00 2024-10-14+02:00 false ORG-0001 TEN-0001 TPA-0001 ORG-0002 29 http://www.dlr.de/DE/Home/home_node.html ORG-0001 Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) Linder Höhe Köln 51147 DEA23 DEU Leitweg-ID 992-03005-81 Kanzlei Boesen Rechtsanwälte +49 228 215290 +49 228 215491 kanzlei@boesen.de false false UBO-0001 https://www.quantumsimulations.de small ORG-0002 HQS Quantum Simulations GmbH Rintheimer Straße 23 Karlsruhe 76131 DE122 DEU DE314607258 +49 178 513 4860 info@quantumsimulations.de https://www.bundeskartellamt.de ORG-0003 Vergabekammern des Bundes Kaiser-Friedrich-Straße 16 Bonn 53113 DEA22 DEU N.N. +49 228 94990 +49 228 9499163 vk@bundeskartellamt.bund.de ORG-0004Datenservice Öffentlicher Einkauf (in Verantwortung des Beschaffungsamts des BMI)Bonn53119DEA22DEU0204:994-DOEVD-83+49228996100noreply.esender_hub@bescha.bund.de UBO-0001 HQS Quantum Simulations GmbH +49 178 513 4860 info@quantumsimulations.de Rintheimer Straße 23 Karsruhe 76131 DE122 DEU DEU 00628086-2024203/20242024-10-17+02:00 2.3 eforms-sdk-1.7 c821b5b8-b8b2-495b-8304-4ff470cc0898 30e25e8f-f377-4d16-ab00-99af16a9d360 2024-10-15+02:00 09:35:53.888+02:00 01 2024-10-17+02:00 32014L0024 can-standard DEU org-sub education ORG-0001 ted-esenORG-0004 vgv comp-dial 2023 / GV 7360029 QuantiCoM MatQML Im Rahmen der Quantencomputing-Initiative des DLR wird das Projekt Quantum Computing for Materials Science and Engineering (QuantiCoM) durchgeführt. Die vorliegende Ausschreibung betrifft das Teilprojekt Quantum-Powered Materials Optimization and Learning (MatQML), das sich mit der Entwicklung von fortschrittlichen Methoden unter Nutzung von Quantencomputern für die Materialwissenschaften, die Werkstofftechnik und die Industrie befasst. Ziel ist es u.a. perspektivisch schnelle Materialentwicklungen zu ermöglichen und Entwicklungszeiten drastisch zu reduzieren. Zur Erreichung des Ziels soll der Auftragnehmer im DLR-Projekt mitarbeiten und einen Transferbeitrag leisten. Konkrete Ziele des Teilprojekts sind: • Entwicklung eines QML-basierten Metamodells zur Vorhersage von Materialeigenschaften, indem Legierungszusammensetzungen als Eingabe verwendet werden und Eigenschaften wie beispielsweise Elastizitätsmodul, Streckgrenze und thermischer Ausdehnungskoeffizient als Ausgabe prognostiziert werden, • Untersuchung und Implementierung eines Quantum Reinforcement Learning Agents zur Optimierung der Materialeigenschaften, • Training eines Metamodells für QUBO-Ansätze, um Materialeigenschaften auf der Grundlage von Legierungszusammensetzungen vorherzusagen, • Bestimmung des Hamiltonians für QUBO-Probleme mithilfe von Factorization Machines, um die Energieniveaus in Materialien zu modellieren, • Implementierung und Lösung von QUBO-Problemen auf einem Annealer zur Optimierung von Materialzusammensetzungen, • Anwendung des QAOA (Quantum Approximate Optimization Algorithm) auf das Knapsack-Problem im Zusammenhang mit der Materialoptimierung, • Nutzung von PINNs (Physics-Informed Neural Networks) zur Modellierung von Kontinuitätsgleichungen und atomaren Anordnungen in metallischen Gittern sowie zur Untersuchung der Schrödinger-Gleichung für Materialsimulationen. services supplies 72000000 Ort in der Europäischen Union DEA23 DEU LOT-0001 false no-eu-funds price quality ORG-0001 ORG-0001 Genaue Angaben zu den Fristen für die Einlegung von Rechtsbehelfen: Nach § 160 Abs. 3 S. 1 Nr. 1 bis 4 GWB ist der Antrag auf Einleitung eines Nachprüfungsverfahrens unzulässig, soweit • der Antragsteller den geltend gemachten Verstoß gegen Vergabevorschriften vor Einreichen des Nachprüfungsantrags erkannt und gegenüber dem Auftraggeber nicht innerhalb einer Frist von zehn Kalendertagen gerügt hat, • Verstöße gegen Vergabevorschriften, die aufgrund der Bekanntmachung erkennbar sind, nicht spätestens bis zum Ablauf der in der Bekanntmachung benannten Frist zur Bewerbung oder zur Angebotsabgabe gegenüber dem Auftraggeber gerügt werden, • Verstöße gegen Vergabevorschriften, die erst in den Vergabeunterlagen erkennbar sind, nicht spätestens bis zum Ablauf der Frist zur Bewerbung oder zur Angebotsabgabe gegenüber dem Auftraggeber gerügt werden, • mehr als 15 Kalendertage nach Eingang der Mitteilung des Auftraggebers, einer Rüge nicht abhelfen zu wollen, vergangen sind. Nach § 135 Abs. 2 GWB endet die Frist, mit der die Unwirksamkeit eines Vertrages in einem Nachprüfungsverfahren geltend gemacht werden kann, 30 Kalendertage nach der Information der betroffenen Bieter und Bewerber durch den öffentlichen Auftraggeber über den Abschluss des Vertrags, jedoch nicht später als sechs Monate nach Vertragsschluss. Im Falle der Veröffentlichung der Bekanntmachung der Auftragsvergabe im Amtsblatt der Europäischen Union endet die Frist 30 Kalendertage nach dieser Veröffentlichung. ORG-0003 ORG-0003 true false none none 2023 / GV 7360029 Mitarbeit im Projekt und Erbringung eines Transferbeitrags Im Rahmen der Quantencomputing-Initiative des DLR wird das Projekt Quantum Computing for Materials Science and Engineering (QuantiCoM) durchgeführt. Die vorliegende Ausschreibung betrifft das Teilprojekt Quantum-Powered Materials Optimization and Learning (MatQML), das sich mit der Entwicklung von fortschrittlichen Methoden unter Nutzung von Quantencomputern für die Materialwissenschaften, die Werkstofftechnik und die Industrie befasst. Ziel ist es u.a. perspektivisch schnelle Materialentwicklungen zu ermöglichen und Entwicklungszeiten drastisch zu reduzieren. Zur Erreichung des Ziels soll der Auftragnehmer im DLR-Projekt mitarbeiten und einen Transferbeitrag leisten. Konkrete Ziele des Teilprojekts sind: • Entwicklung eines QML-basierten Metamodells zur Vorhersage von Materialeigenschaften, indem Legierungszusammensetzungen als Eingabe verwendet werden und Eigenschaften wie beispielsweise Elastizitätsmodul, Streckgrenze und thermischer Ausdehnungskoeffizient als Ausgabe prognostiziert werden, • Untersuchung und Implementierung eines Quantum Reinforcement Learning Agents zur Optimierung der Materialeigenschaften, • Training eines Metamodells für QUBO-Ansätze, um Materialeigenschaften auf der Grundlage von Legierungszusammensetzungen vorherzusagen, • Bestimmung des Hamiltonians für QUBO-Probleme mithilfe von Factorization Machines, um die Energieniveaus in Materialien zu modellieren, • Implementierung und Lösung von QUBO-Problemen auf einem Annealer zur Optimierung von Materialzusammensetzungen, • Anwendung des QAOA (Quantum Approximate Optimization Algorithm) auf das Knapsack-Problem im Zusammenhang mit der Materialoptimierung, • Nutzung von PINNs (Physics-Informed Neural Networks) zur Modellierung von Kontinuitätsgleichungen und atomaren Anordnungen in metallischen Gittern sowie zur Untersuchung der Schrödinger-Gleichung für Materialsimulationen. services inn-pur supplies rd-act 72000000 Ort in der Europäischen Union DEA23 DEU 2000-02-01+01:00