Case Study – Fermioniq

Van algoritme naar schaalbaar product: een emulator voor quantum computing

Een quantumcomputer klinkt als sciencefiction: gigantische machines die rekenen op een manier die ons verstand te boven gaat. Ze bestaan echt, maar er zijn er maar een paar in de wereld, ze verbruiken onmetelijk veel energie en toegang is schaars en peperduur. Voor onderzoekers en bedrijven die nieuwe ideeën willen testen, vormt dat een flinke barrière.

Om die barrière te omzeilen, ontwikkelden wetenschappers zogeheten quantum simulators: software waarmee ze op gewone computers kunnen nabootsen hoe een quantumcircuit zich zou gedragen in een echte quantumcomputer. Die simulaties bleken echter beperkt tot relatief kleine circuits, waardoor onderzoekers al snel tegen de grenzen van de beschikbare rekenkracht aanliepen.

Twee promovendi van de Universiteit van Amsterdam besloten dat probleem aan te pakken. Zij ontwikkelden een uniek algoritme waarmee veel grotere quantumcircuits gesimuleerd konden worden dan met bestaande software mogelijk was. In hun lab draaide het al op één enkele server, een bewijs dat hun idee werkte.

Maar daarmee waren ze er nog niet. Een algoritme is geen product. Een theoretische doorbraak is nog geen schaalbare oplossing. Buiten het lab was er geen manier om het te gebruiken, laat staan om er een markt voor te creëren. Daar lag precies de aanleiding om Fermioniq op te richten: een spin-off start-up die het algoritme wilde vertalen naar een platform dat breed inzetbaar en commercieel haalbaar was

Wat Fermioniq nodig had

Voor Fermioniq was de inzet helder: van een wetenschappelijke vondst een schaalbaar product maken. Daarvoor moest er in korte tijd een oplossing komen die zowel onderzoekers als klanten toegang gaf tot de emulator.

En dat onder stevige randvoorwaarden:

De businesslogica moest draaien op Microsoft Azure.

De zware simulaties moesten uitgevoerd worden op een NVIDIA GPU-cluster in het Equinix-datacenter in Amsterdam.

De middelen waren beperkt: start-upbudget, beperkte tijd en schaarse GPU-resources.

Het systeem moest zowel klanten als de onderzoekers zelf bedienen.

De hoofdvraag van Fermioniq: hoe bouwen we rondom dit algoritme een werkend digitaal product dat klaar is voor de markt? En precies daar kwam WolperTec in beeld.

Waarom WolperTec

Fermioniq bestond uit briljante wiskundigen, maar geen van hen had ervaring met cloudarchitectuur, HPC-clusters of het omzetten van een algoritme naar een schaalbaar product. Ze zochten iemand die niet alleen een plan kon maken, maar het ook daadwerkelijk kon realiseren.

Die combinatie vonden ze bij WolperTec.

Markus, de directeur van WolperTec had ervaring met AI-infrastructuren en de praktische kennis om een GPU-cluster van de grond af op te zetten. Bovendien kende hij oprichter Jörgen Sandig al langer: jaren eerder werkte Markus samen met hem binnen Jörgens eigen AI-bedrijf, een van de eersten in Nederland. Toen Fermioniq iemand zocht die hun idee kon vertalen naar een werkend product, was de link snel gelegd.

De rol van WolperTec:

Onze rol was breed en ging verder dan alleen techniek. Fermioniq had een algoritme, wij maakten er een platform van.

We begonnen bij de architectuur: hoe breng je een cloudomgeving en een on-premises HPC-cluster samen tot één coherent systeem? Vanuit dat fundament ontwierpen we het clusterdesign en installeerden we de gloednieuwe NVIDIA Grace Hopper-servers in het Equinix-datacenter in Amsterdam.

Tegelijkertijd bouwden we de Azure-backend die zorgde voor businesslogica, authenticatie en jobbeheer. Om de schaarse GPU-resources eerlijk te verdelen, implementeerden we SLURM scheduling, waarmee meerdere gebruikers gelijktijdig en gecontroleerd toegang kregen tot de rekenkracht.

Tot slot keken we ook naar de gebruikerservaring. Wetenschappers moesten hun simulaties kunnen indienen zonder zich te verdiepen in de onderliggende infrastructuur. Daarom ontwikkelden we een Python-library als front-end, waarmee onderzoekers eenvoudig hun experimenten konden draaien.

Kortom: we brachten het geheel van losse code op één server naar een schaalbaar productiesysteem dat klaar was voor gebruik door klanten en onderzoekers.

Zo gingen we te werk

Het begon met een adviesgesprek. Fermioniq vroeg zich af welke architectuur en technologieën nodig waren om van hun algoritme een product te maken. Markus schetste de mogelijkheden, en al snel werd duidelijk dat de uitvoering complexer was dan gedacht. Toen kwam de vraag: kan WolperTec het niet gewoon zelf bouwen? En dat deden we graag!

We verdeelden het traject in duidelijke stappen en leverden telkens een werkend onderdeel op. Zo konden de onderzoekers hun eigen werk voortzetten, terwijl het platform groeide in functionaliteit.

De aanpak zag er in hoofdlijnen zo uit:

• Clusterinrichting – hardware bestellen, de NVIDIA Grace Hopper-servers fysiek installeren bij Equinix en het cluster inrichten.

• Backendontwikkeling – een serverless architectuur in Microsoft Azure voor businesslogica, authenticatie en jobbeheer.

• Job scheduling – SLURM configureren om GPU-resources eerlijk en efficiënt te verdelen over meerdere gebruikers.

• Developer-ervaring – een Python-library bouwen als front-end, zodat onderzoekers eenvoudig simulaties konden indienen.

• Iteratieve oplevering – werken in fases met steeds nieuwe contracten en deliverables, afgestemd op de prioriteiten van de start-up.

De samenwerking verliep soepel en met veel vertrouwen. Fermioniq vertrouwde erop dat wij de juiste keuzes maakten, en dat gaf ruimte om tempo te maken en flexibel in te spelen op nieuwe inzichten.

De grootste uitdaging

De complexiteit zat ook bij dit project niet in één uitdaging, maar in de combinatie van factoren.

Enerzijds was er de nieuwe technologie: de NVIDIA Grace Hopper-servers waren gloednieuw en vroegen om veel uitzoekwerk voordat ze stabiel draaiden.

Anderzijds was er de dubbele doelgroep: het platform moest zowel de onderzoekers van Fermioniq zelf ondersteunen in hun ontwikkelwerk, als externe klanten die betaalde toegang kregen. Dat vroeg om een slimme balans tussen flexibiliteit en strakke resourceplanning.

Daar bovenop golden er harde beperkingen: een start-upbudget, schaarse GPU-capaciteit en de druk van een deadline. Als het platform niet op tijd live zou gaan, kwam de continuïteit van Fermioniq direct in gevaar.

Juist die combinatie van technische innovatie, beperkte middelen en tijdsdruk maakte dit project uitzonderlijk uitdagend.

Het resultaat

In enkele maanden tijd stond er een productiesysteem dat live beschikbaar werd via fermioniq.com. Daarmee werd de quantumemulator voor het eerst buiten het lab toegankelijk, een enorme stap voor de jonge start-up.

Wat we concreet leverden:

• Een Azure-backend met API’s en jobbeheer.

• Een Equinix GPU-cluster, ingericht en geïntegreerd,

• SLURM scheduling voor eerlijk en stabiel gebruik van GPU’s,

• Een Python-library waarmee gebruikers eenvoudig simulaties indienen.

Wat dit in de praktijk betekende:

Het effect reikte verder dan de techniek alleen. Voor het eerst konden klanten zelf experimenten draaien en hun ideeën testen op de emulator. Tegelijkertijd kregen de onderzoekers van Fermioniq een schaalbare omgeving waarin zij hun algoritme verder konden ontwikkelen.

Ook richting investeerders maakte het systeem indruk: zij zagen concreet bewijs dat het idee niet alleen theoretisch werkte, maar ook als product levensvatbaar was. Daarmee werd niet alleen de technische basis gelegd, maar ook de continuïteit en verdere groei van Fermioniq veiliggesteld.

Zo kijken we terug op dit project

Wat begon als een doorbraak in een laboratorium groeide uit tot een werkend product in de markt. Voor ons was dit een bijzonder traject: de eerste keer dat we een volledig GPU-cluster vanaf nul hebben opgebouwd en succesvol in productie hebben gebracht. Dat het gelukt is, maakt ons trots.

Onderweg waren we verrast door de intelligentie van de onderzoekers en door hoe veelbelovend quantum is, al ligt grootschalige toepassing nog ver weg. We leerden opnieuw hoe waardevol de combinatie is van cloud voor flexibiliteit en on-premises hardware voor performance. SLURM bewees zich als robuuste scheduler. En hoewel Python praktisch was om te starten, zouden we voor grotere projecten in de toekomst eerder kiezen voor Rust.

Als we het project aan vrienden uitleggen, zeggen we vaak: stel je voor dat briljante wetenschappers een simulator in hun lab bouwen. Een geweldige doorbraak, maar nog opgesloten tussen vier muren, niemand kon erbij. Onze rol was om die simulator de wereld in te brengen, als product dat echt gebruikt kan worden.

En dat is gelukt. Fermioniq heeft nu een uniek product en een kansrijke marktpositie. Voor ons een schoolvoorbeeld van waar WolperTec voor staat: ambitieuze ideeën die pas echt impact krijgen als je ze weet te bouwen.