Kvantinė revoliucija mokslinių tyrimų laboratorijose
Kai 2019 metais Google paskelbė apie „kvantinę viršenybę”, daugelis mokslininkų šią žinią priėmė su skepticizmu. Tačiau praėjus vos keliems metams, kvantiniai kompiuteriai jau nebėra vien teorinė koncepcija ar tolimos ateities technologija – jie tampa realiu įrankiu, keičiančiu tai, kaip mokslininkai kelia hipotezes, renka duomenis ir daro išvadas. Šis pokytis nėra tik apie spartesnius skaičiavimus; kalbame apie fundamentaliai kitokį požiūrį į problemų sprendimą.
Tradiciniai kompiuteriai, net ir galingiausi superkompiuteriai, veikia pagal klasikinės fizikos dėsnius. Jie apdoroja informaciją bitais – vienetais ir nuliais. Kvantiniai kompiuteriai naudoja kvantų bitus arba kubitus, kurie gali egzistuoti keliose būsenose vienu metu dėl superpozicijos reiškinio. Tai reiškia, kad tam tikrų tipų problemoms spręsti jie gali tirti eksponentiškai daugiau galimybių tuo pačiu metu. Bet štai kas įdomu: ne visos problemos tinka kvantiniams kompiuteriams. Jie nėra tiesiog greitesni kompiuteriai – jie yra kitokio tipo mąstymo įrankis.
Molekulinė chemija ir vaistų kūrimas naujoje eroje
Viena iš sričių, kur kvantiniai kompiuteriai jau demonstruoja praktinę vertę, yra molekulinė chemija. Klasikiniai kompiuteriai susiduria su fundamentalia problema, bandydami modeliuoti molekulines sistemas – elektronų sąveikos yra iš prigimties kvantinės. Bandymas simuliuoti net santykinai paprastas molekules reikalauja tokių skaičiavimo resursų, kad tai tampa praktiškai neįmanoma.
Pavyzdžiui, azoto fiksacija – procesas, kuris yra esminis trąšų gamyboje ir todėl pasaulio maisto tiekimui – vis dar nėra iki galo suprastas molekuliniu lygmeniu. Haber-Bosch procesas, kurį naudojame šiam tikslui, reikalauja milžiniškų energijos kiekių ir sudaro apie 1-2% pasaulinio energijos suvartojimo. Jei galėtume tiksliai suprasti, kaip bakterijos atlieka šį procesą kambario temperatūroje, galėtume revoliucionizuoti žemės ūkį.
IBM ir Daimler bendradarbiavimas 2020 metais parodė, kaip kvantiniai kompiuteriai gali simuliuoti ličio hidridą (LiH) – paprasčiausią molekulę, svarbią baterijų technologijoms. Nors tai gali skambėti kukliai, tai buvo reikšmingas žingsnis. Tyrėjai naudojo kvantinį kompiuterį, kad tiksliai apskaičiuotų molekulės pagrindinės būsenos energiją, o tai yra pagrindinis žingsnis link sudėtingesnių molekulių modeliavimo.
Farmacijos pramonėje kvantiniai kompiuteriai jau naudojami vaistų molekulių ir baltymų sąveikų modeliavimui. Tradicinis požiūris reikalauja išbandyti tūkstančius junginių laboratorijoje – procesą, kuris trunka metus ir kainuoja milijonus. Kvantinis modeliavimas gali sumažinti kandidatų skaičių, nukreipdamas tyrėjus tiesiogiai prie perspektyviausių variantų. Roche ir Boehringer Ingelheim jau investavo į šias technologijas, tikėdamiesi sutrumpinti vaistų kūrimo ciklą nuo 10-15 metų iki galbūt 5-7 metų.
Optimizavimo uždaviniai ir logistikos galvosūkiai
Kita sritis, kur kvantiniai kompiuteriai rodo įspūdingus rezultatus, yra optimizavimo problemos. Šios problemos yra visur – nuo transporto maršrutų planavimo iki finansų portfelio valdymo. Klasikiniai algoritmai dažnai gali rasti tik vietinius optimumus, o ne globalų geriausią sprendimą, ypač kai kintamųjų skaičius tampa didelis.
Volkswagen grupė 2019 metais pradėjo naudoti kvantinį kompiuterį viešojo transporto maršrutų optimizavimui Lisabonoje. Sistema turėjo optimizuoti devynių autobusų maršrutus realiuoju laiku, atsižvelgiant į eismo sąlygas. Nors tai buvo bandomasis projektas, rezultatai parodė, kad kvantiniai algoritmai gali rasti geresnius sprendimus greičiau nei klasikiniai metodai.
Airbus naudoja kvantinius kompiuterius orlaivių kilimo ir tūpimo sekų optimizavimui. Tai sudėtinga problema, nes reikia atsižvelgti į daugybę apribojimų: oro uosto pajėgumus, orų sąlygas, kuro efektyvumą, keleivių persėdimus. Kiekvienas papildomas lėktuvas eksponentiškai padidina galimų kombinacijų skaičių. Kvantiniai algoritmai gali ištirti šį sprendimų erdvę efektyviau.
Finansų sektoriuje JP Morgan ir Goldman Sachs eksperimentuoja su kvantiniais kompiuteriais portfelio optimizavimui ir rizikos analizei. Monte Carlo simuliacijos, kurios yra standartinis įrankis finansų rizikos vertinimui, gali būti žymiai pagreitintos naudojant kvantinius algoritmus. Tai ne tik apie greitį – tai apie galimybę ištirti sudėtingesnius scenarijus ir koreliacijas, kurios anksčiau buvo per sudėtingos.
Mašininio mokymosi ir dirbtinio intelekto transformacija
Kvantinis mašininis mokymasis (Quantum Machine Learning, QML) yra viena iš labiausiai žadančių, nors ir vis dar besiformuojančių sričių. Pagrindinė idėja yra ta, kad kvantiniai kompiuteriai gali apdoroti duomenis būdais, kurie yra neįmanomi klasikiniams kompiuteriams, potencialiai suteikdami privalumų mokymosi greičiui ir modelių sudėtingumui.
Vienas konkrečių pavyzdžių yra vaizdo atpažinimas medicininėje diagnostikoje. Tyrėjai Kanados Perimeter Institute demonstravo, kaip kvantiniai algoritmai gali klasifikuoti medicininius vaizdus naudodami mažiau mokymo duomenų nei tradiciniai neuroniniai tinklai. Tai ypač svarbu medicinoje, kur anotuotų duomenų rinkiniai yra riboti dėl privatumo ir ekspertų laiko apribojimų.
Google Quantum AI komanda dirba su kvantiniais neuroniniais tinklais, kurie galėtų mokytis iš duomenų fundamentaliai kitaip. Jų tyrimai rodo, kad tam tikroms problemoms kvantiniai modeliai gali pasiekti tą patį tikslumą su eksponentiškai mažesniu parametrų skaičiumi. Tai galėtų reikšti, kad sudėtingi modeliai, kurie dabar reikalauja didžiulių duomenų centrų, ateityje galėtų veikti kompaktiškesnėse sistemose.
Tačiau reikia būti realistais – šiandien kvantinis mašininis mokymasis vis dar yra daugiau tyrinėjimo nei praktinio taikymo stadijoje. Kvantiniai kompiuteriai yra triukšmingi, o tai reiškia, kad jie daro klaidas. Kol neturime patikimų klaidų korekcijos mechanizmų, didelės apimties QML taikymai lieka sudėtingi.
Kriptografija ir saugumo iššūkiai
Čia atsiranda paradoksas: kvantiniai kompiuteriai vienu metu yra ir grėsmė, ir sprendimas kibernetinio saugumo srityje. Pakankamai galingas kvantinis kompiuteris galėtų sulaužyti daugelį šiuo metu naudojamų šifravimo sistemų, įskaitant RSA algoritmą, kuris saugo viską nuo banko transakcijų iki valstybinių paslapčių.
Šoro algoritmas, kurį sukūrė matematikas Peteris Shoras 1994 metais, teoriškai gali faktorizuoti didelius skaičius eksponentiškai greičiau nei bet kuris žinomas klasikinis algoritmas. Tai skamba abstrakčiai, bet praktinė implikacija yra ta, kad kvantinis kompiuteris su pakankamai kubitu galėtų sulaužyti RSA šifravimą per valandas ar dienas, o ne milijonus metų, kaip prireiktų klasikiniam kompiuteriui.
Dėl šios priežasties vyriausybės ir organizacijos jau dabar ruošiasi „kvantinei apokalipsei” – momentui, kai kvantiniai kompiuteriai taps pakankamai galingi, kad sulaužytų dabartinę kriptografiją. JAV Nacionalinis standartų ir technologijų institutas (NIST) 2022 metais paskelbė pirmuosius post-kvantinės kriptografijos standartus – šifravimo metodus, kurie turėtų būti atsparūs net kvantiniams kompiuteriams.
Bet kvantinė technologija taip pat siūlo sprendimą – kvantinę kriptografiją. Kvantinė raktų paskirstymo sistema (QKD) naudoja kvantinės mechanikos dėsnius, kad sukurtų teoriškai nesulaužomą šifravimą. Kinija jau turi veikiančią kvantinę komunikacijos satelitą „Micius” ir daugiau nei 2000 km kvantinį komunikacijos tinklą tarp Pekino ir Šanchajaus. Europa investuoja į panašią infrastruktūrą per Europos kvantinės komunikacijos infrastruktūros (EuroQCI) iniciatyvą.
Klimato modeliavimas ir aplinkosaugos tyrimai
Klimato kaita yra viena sudėtingiausių mokslinių problemų, su kuria susiduriame. Klimato modeliai turi simuliuoti neįtikėtiną kiekį kintamųjų – atmosferos dinamiką, vandenynų sroves, ledo dangos pokyčius, biologinius ciklus – ir kaip visa tai sąveikauja per dešimtmečius ar šimtmečius. Net galingiausi superkompiuteriai turi daryti kompromisus tarp erdvinės rezoliucijos ir simuliacijos ilgio.
Kvantiniai kompiuteriai gali pasiūlyti naujus būdus spręsti tam tikrus klimato modeliavimo aspektus. Pavyzdžiui, turbulencijos modeliavimas skysčiuose – esminis atmosferos ir vandenynų dinamikos komponentas – yra notoriškai sudėtingas. Tyrėjai Jülicho tyrimų centre Vokietijoje eksperimentuoja su kvantiniais algoritmais skysčių dinamikos lygtims spręsti.
Lockheed Martin bendradarbiauja su NASA, naudodamas kvantinius kompiuterius oro srautų aplink orlaivius modeliavimui. Nors tai pirmiausia skirta aviacijos efektyvumui, tie patys principai taikomi ir atmosferos procesams. Geresnė turbulencijos ir oro srautų samprata galėtų pagerinti orų prognozių tikslumą, o tai turi tiesioginių pasekmių žemės ūkiui, nelaimių valdymui ir energetikos planavimui.
Kitas perspektyvus taikymas yra medžiagų mokslas – konkrečiai, naujų medžiagų anglies dioksido surinkimui ar efektyvesnių saulės baterijų kūrimas. Kvantiniai kompiuteriai gali simuliuoti, kaip skirtingos molekulinės struktūros sąveikaus su CO2 ar šviesa, potencialiai pagreitindami naujų medžiagų atradimą nuo dešimtmečių iki metų.
Fundamentalios fizikos ir kosmologijos klausimai
Galbūt įdomiausias kvantinių kompiuterių taikymas yra pačios kvantinės mechanikos ir fundamentalios fizikos tyrimai. Kvantiniai kompiuteriai iš esmės yra kontroliuojamos kvantinės sistemos, todėl jie yra idealūs įrankiai kvantiniams reiškiniams tirti.
Tyrėjai naudoja kvantinius kompiuterius kvantinių laukų teorijos aspektams simuliuoti – teorijos, kuri aprašo elementariąsias daleles ir jų sąveikas. Šios simuliacijos yra neįtikėtinai sudėtingos klasikiniams kompiuteriams, nes kvantinės sistemos elgesys yra iš prigimties nelokalus ir supintas.
Google ir Harvardo universiteto tyrėjai 2023 metais paskelbė rezultatus, kur jie naudojo kvantinį kompiuterį „laiko kristalų” – egzotiškos materijos būsenos, kuri kartoja save laike – kūrimui ir tyrimui. Tai gali skambėti kaip mokslinė fantastika, bet šie tyrimai padeda mums suprasti kvantinės informacijos išsaugojimą ir kvantinių sistemų stabilumą.
Juodųjų skylių informacijos paradoksas – vienas iš didžiausių neišspręstų klausimų teorinėje fizikoje – taip pat gali būti tiriamas naudojant kvantinius kompiuterius. Tyrėjai gali simuliuoti supaprastintas juodųjų skylių modelius ir stebėti, kaip informacija elgiasi šiose sistemose. Tai nėra tiesioginė juodųjų skylių stebėjimas, bet tai suteikia įžvalgų, kurios galėtų padėti išspręsti šį paradoksą.
Praktiniai iššūkiai ir ką tikėtis artimiausiu metu
Nepaisant visų šių žadančių taikymų, kvantiniai kompiuteriai vis dar susiduria su rimtais techniniais iššūkiais. Pagrindinė problema yra dekoherencija – kvantinės būsenos yra itin trapios ir lengvai suardomas bet kokios aplinkos sąveikos. Dauguma kvantinių kompiuterių veikia tik esant temperatūroms, artimoms absoliučiam nuliui, ir net tada kubitai išlaiko savo kvantines savybes tik mikrosekundes ar milisekundes.
Klaidų korekcija yra kitas didžiulis iššūkis. Klasikiniuose kompiuteriuose klaidų korekcija yra paprasta – tiesiog dubliuojate duomenis. Kvantiniuose kompiuteriuose tai sudėtingiau dėl kvantinės mechanikos dėsnių, tokių kaip neklonuojamumas. Norint sukurti vieną „loginį” kubitą, kuris būtų atsparūs klaidoms, reikia šimtų ar tūkstančių fizinių kubitų. Tai reiškia, kad nors šiandien turime kvantinių kompiuterių su šimtais kubitų, efektyvus skaičiavimo galingumas yra žymiai mažesnis.
Programavimas kvantiniams kompiuteriams taip pat reikalauja visiškai kitokio mąstymo būdo. Negalite tiesiog paimti klasikinės programos ir paleisti jos kvantiniame kompiuteryje. Reikia sukurti kvantinius algoritmus, kurie išnaudoja superpoziciją ir supynimą. Tai reiškia, kad mokslininkai turi ne tik suprasti savo tyrimų sritį, bet ir turėti gilų kvantinės mechanikos supratimą.
Dėl šių priežasčių artimiausiu metu matysime hibridinį požiūrį – kvantiniai kompiuteriai dirbs kartu su klasikiniais, spręsdami tuos problemų aspektus, kuriems jie yra tinkami, o klasikiniai kompiuteriai tvarkys viską kita. Tai jau vyksta – daugelis šiandieninių kvantinių algoritmų yra variacijiniai algoritmai, kurie naudoja kvantinį kompiuterį tam tikroms operacijoms, o klasikinį kompiuterį optimizavimui ir koordinavimui.
Praktiniai patarimai organizacijoms, svarstančioms kvantinių technologijų taikymą: pradėkite nuo švietimo ir kompetencijų kūrimo. Investuokite į darbuotojų mokymą apie kvantinę mechaniką ir kvantinius algoritmus. Identifikuokite savo organizacijoje problemas, kurios galėtų būti tinkamos kvantiniams kompiuteriams – optimizavimo uždavinius, molekulinį modeliavimą, mašininį mokymąsi su ribotais duomenimis. Pradėkite eksperimentuoti su debesies kvantiniais kompiuteriais, kuriuos siūlo IBM, Google, Amazon ir Microsoft – nereikia pirkti savo kvantinio kompiuterio, kad pradėtumėte mokytis.
Kvantinė ateitis jau čia, tik netolygiai paskirstyta
Mokslinės fantastikos rašytojas Williamas Gibsonas kartą pasakė, kad ateitis jau čia, ji tik netolygiai paskirstyta. Tai puikiai apibūdina dabartinę kvantinių kompiuterių būklę. Jie jau keičia tai, kaip mes atliekame mokslinius tyrimus tam tikrose srityse, bet vis dar yra toli nuo to, kad taptų universaliu įrankiu.
Realistinis požiūris yra toks: per artimiausius 5-10 metų kvantiniai kompiuteriai taps vis svarbesni specifinėse nišose – molekuliniame modeliavime, tam tikrų tipų optimizavimo problemose, kriptografijoje. Jie nebus naudojami kasdienėms užduotims kaip el. pašto siuntimas ar vaizdo įrašų žiūrėjimas. Bet jie gali fundamentaliai pakeisti, kaip mes kuriame vaistus, projektuojame medžiagas, optimizuojame sistemas ir suprantame fundamentalią fiziką.
Metodologinis pokytis, kurį kvantiniai kompiuteriai atneša, yra ne tik apie spartesnius skaičiavimus. Jie verčia mus permąstyti, kokius klausimus galime užduoti ir kaip formuluojame problemas. Kai kurios problemos, kurios atrodė neišsprendžiamos dėl skaičiavimo sudėtingumo, staiga tampa įmanomos. Kitos problemos, kurias lengvai sprendžia klasikiniai kompiuteriai, lieka sudėtingos kvantiniams kompiuteriams.
Svarbiausias dalykas moksliniams tyrėjams ir organizacijoms yra pradėti mokytis ir eksperimentuoti dabar. Kvantinė technologija nebėra tolimos ateities dalykas – ji yra šiandieninė realybė, kuri sparčiai bręsta. Tie, kurie investuoja į supratimą ir kompetencijas dabar, turės konkurencinį pranašumą, kai technologija taps brandesnė ir plačiau prieinama. Mokslinis tyrimas visada buvo apie naujų įrankių kūrimą ir naudojimą sudėtingoms problemoms spręsti. Kvantiniai kompiuteriai yra tik naujausia šios ilgos tradicijos grandis, bet jų potencialas yra tikrai transformuojantis.