Mokslas

Kvantinės revoliucijos pradžia mokslinėje bendruomenėje

Moksliniai tyrimai visada buvo priklausomi nuo turimų skaičiavimo galimybių. Nuo pirminių mechaninių skaičiuotuvų iki šiuolaikinių superkompiuterių – kiekvienas technologinis šuolis atvėrė naujas galimybes tyrinėti sudėtingesnius reiškinius. Tačiau dabar stovime ties visiškai naujo tipo transformacijos slenksčiu. Kvantiniai kompiuteriai nėra tiesiog greitesni klasikiniai kompiuteriai – jie veikia fundamentaliai kitokiu principu, išnaudodami kvantinės mechanikos dėsnius, tokius kaip superpozicija ir susipynimas.

Šiandien daugelis mokslininkų jau nebežvelgia į kvantinius kompiuterius kaip į tolimą ateities viziją. IBM, Google, IonQ ir kitos kompanijos siūlo prieigą prie realių kvantinių procesorių debesų platformose. Nors šie įrenginiai dar nepasiekė visiško klaidų korekcijos lygio, jie jau dabar leidžia atlikti tam tikrus skaičiavimus, kurie klasikiniams kompiuteriams būtų neįmanomi arba užtruktų nepagrįstai ilgai. Tai reiškia, kad mokslinių tyrimų metodologija pradeda keistis ne teoriniame, o praktiniame lygmenyje.

Molekulinės chemijos ir vaistų kūrimo transformacija

Viena akivaizdžiausių sričių, kur kvantiniai kompiuteriai jau dabar rodo savo pranašumą, yra molekulinė chemija. Klasikiniai kompiuteriai gali modeliuoti tik santykinai paprastas molekules – kai atomų skaičius viršija kelias dešimtis, skaičiavimo sudėtingumas tampa astronomiškas. Problema slypi tame, kad elektronų sąveika molekulėje yra iš esmės kvantinis reiškinys, o bandymas jį aprašyti klasikiniais būdais reikalauja eksponentiškai augančių resursų.

Kvantiniai kompiuteriai šią problemą sprendžia natūraliai. Jie gali tiesiogiai simuliuoti kvantines sistemas, nes patys veikia kvantiniais principais. Jau atlikti eksperimentai, kuriuose kvantiniai procesoriai sėkmingai apskaičiavo vandenilio molekulės energijos lygius, o naujesni tyrimai juda link sudėtingesnių junginių, tokių kaip litio vandenilis ar nedidelės organinės molekulės.

Farmacijos pramonėje tai gali lemti tikrą revoliuciją. Šiuo metu naujo vaisto kūrimas kainuoja milijardus dolerių ir užtrunka dešimtmetį ar net ilgiau. Didelė dalis šių sąnaudų tenka molekulių modeliavimui ir bandymams nustatyti, kaip potencialus vaistas sąveikaus su organizmo baltymais. Kvantiniai kompiuteriai galėtų drastiškai sutrumpinti šį procesą, leidžiant tiksliau prognozuoti molekulinę sąveiką dar prieš prasidedant brangiems laboratoriniams bandymams. Kai kurie ekspertai prognozuoja, kad per artimiausius 5-7 metus kvantiniai kompiuteriai taps standartine priemone pradinėse vaistų atradimo stadijose.

Materialų mokslo proveržiai ir naujų medžiagų projektavimas

Panašiai kaip ir chemijoje, materialų mokslui reikia suprasti atomų ir elektronų elgesį įvairiose struktūrose. Norėdami sukurti naują medžiagą su specifinėmis savybėmis – pavyzdžiui, aukštatemperatūrinį superlaidininką ar efektyvesnį saulės elementą – mokslininkai turi išbandyti nesuskaičiuojamą kiekį galimų atomų konfigūracijų.

Tradicinis požiūris remiasi eksperimentavimu ir intuicija, papildytais ribotais kompiuteriniais modeliais. Kvantiniai kompiuteriai čia atveria galimybę sistemingam naujų medžiagų projektavimui. Vietoj to, kad bandytume tūkstančius variantų laboratorijoje, galėsime iš anksto apskaičiuoti, kokios atomų kombinacijos turėtų norimas savybes, ir tada tikslingai sintetinti tik perspektyviausius kandidatus.

Ypač didelės viltys dedamos į baterijų technologijų sritį. Elektromobilių ir atsinaujinančios energetikos plėtra labai priklauso nuo efektyvesnių energijos kaupimo sprendimų. Kvantiniai skaičiavimai galėtų padėti rasti naujus elektrodų ir elektrolitų materialinius sprendimus, kurie leistų sukurti baterijas su didesniu energijos tankiu, greitesniu įkrovimu ir ilgesniu tarnavimo laiku. Keletas tyrimų grupių jau bendradarbiauja su kvantinių kompiuterių gamintojais būtent šioje srityje, ir pirmieji rezultatai atrodo padrąsinantys.

Optimizavimo uždaviniai ir dirbtinio intelekto mokymas

Ne visos kvantinių kompiuterių taikymo sritys yra tiesiogiai susijusios su kvantinės mechanikos simuliavimu. Daugelis mokslinių tyrimų susiduria su sudėtingais optimizavimo uždaviniais – situacijomis, kai reikia rasti geriausią sprendimą iš milžiniško galimų variantų skaičiaus. Tai gali būti baltymų sulankstymų modeliavimas, logistikos maršrutų planavimas, finansinių portfelių optimizavimas ar net klimato modelių parametrų derinimas.

Klasikiniai kompiuteriai sprendžia tokius uždavinius naudodami įvairius algoritmus, tačiau daugeliu atvejų negali garantuoti, kad rastas sprendimas yra tikrai optimalus – jie tiesiog randa pakankamai gerą sprendimą per priimtiną laiką. Kvantiniai kompiuteriai, naudodami tokius metodus kaip kvantinis atkaitinimas (quantum annealing), gali efektyviau tyrinėti sprendimų erdvę ir rasti geresnius atsakymus.

Dirbtinio intelekto srityje kvantiniai kompiuteriai gali pakeisti tai, kaip mokome mašininio mokymosi modelius. Kai kurie kvantiniai algoritmai teoriškai gali eksponentiškai pagreitinti tam tikrus mokymosi procesus. Nors praktinė realizacija dar susiduria su techninėmis kliūtimis, tyrimai šia kryptimi vyksta intensyviai. Artimiausiame dešimtmetyje tikėtina pamatyti hibridinius klasikinius-kvantinius dirbtinio intelekto modelius, kur kvantiniai procesoriai atlieka specifines, sunkiai įveikiamas klasikinėmis priemonėmis užduotis.

Kriptografijos ir duomenų saugumo pertvarka

Kvantiniai kompiuteriai kelia ne tik galimybes, bet ir rimtus iššūkius. Viena akivaizdžiausių problemų yra tai, kad pakankamai galingi kvantiniai kompiuteriai galės nulaužti daugelį šiuo metu naudojamų šifravimo sistemų. Dauguma interneto saugumo protokolų remiasi matematiniais uždaviniais, kurie klasikiniams kompiuteriams yra praktiškai neįsprendžiami, bet kuriuos kvantiniai kompiuteriai galėtų išspręsti per priimtiną laiką.

Šoro algoritmas, vienas žinomiausių kvantinių algoritmų, gali efektyviai faktorizuoti didelius skaičius – būtent tai yra RSA šifravimo pagrindas. Nors dabartiniai kvantiniai kompiuteriai dar neturi pakankamai stabilių kubitų tokiems skaičiavimams atlikti, ekspertai sutaria, kad per 10-15 metų situacija gali pasikeisti. Tai reiškia, kad mokslinė bendruomenė ir pramonė jau dabar turi ruoštis postkvantinei kriptografijai.

Gera žinia yra ta, kad kartu su grėsme atsiranda ir sprendimas. Kvantinė kriptografija, ypač kvantinis raktų paskirstymas, siūlo teoriškai neįveikiamą saugumo lygį, pagrįstą kvantinės mechanikos dėsniais. Jau veikia komercinės kvantinio raktų paskirstymo sistemos, nors jos dar brangi ir riboto nuotolio. Artimiausiame dešimtmetyje tikėtina matyti kvantinių komunikacijų tinklų plėtrą, pradedant nuo kritinės infrastruktūros apsaugos.

Klimato modeliavimas ir sudėtingų sistemų analizė

Klimato kaita yra viena didžiausių šiuolaikinių iššūkių, o tikslus klimato modeliavimas reikalauja milžiniškų skaičiavimo resursų. Atmosfera, vandenynai, biosfera ir jų tarpusavio sąveikos sudaro nepaprastai sudėtingą sistemą su daugybe kintamųjų ir netiesinių ryšių. Net galingiausi šiuolaikiniai superkompiuteriai turi supaprastinti daugelį procesų, kad modeliai būtų apskaičiuojami per priimtiną laiką.

Kvantiniai kompiuteriai galėtų padėti tiksliau modeliuoti tam tikrus klimato sistemos aspektus. Pavyzdžiui, molekulinis vandens garų elgesys debesyse, cheminės reakcijos atmosferoje ar vandenynų srovių dinamika – visa tai apima procesus, kuriuos natūraliau aprašyti kvantiniais terminais. Nors pilnas klimato modelis kvantiniame kompiuteryje dar yra toli nuo realizacijos, hibridiniai metodai, kur kvantiniai procesoriai sprendžia specifines problemas, o klasikiniai kompiuteriai atlieka bendrą koordinavimą, gali pasirodyti per artimiausius 5-10 metų.

Be klimato, kitos sudėtingos sistemos – nuo finansų rinkų iki epidemijų plitimo – taip pat galėtų gauti naudos iš kvantinių skaičiavimo metodų. Ypač perspektyvios atrodo sistemos, kuriose svarbi atsitiktinumo ir tikimybinių procesų analizė, nes kvantiniai kompiuteriai natūraliai operuoja tikimybinėmis būsenomis.

Praktiniai iššūkiai ir technologinės kliūtys

Nepaisant viso entuziazmo, būtina realistiškai įvertinti, su kokiomis problemomis vis dar susiduriama. Dabartiniai kvantiniai kompiuteriai yra tai, kas vadinama NISQ (Noisy Intermediate-Scale Quantum) įrenginiais – jie turi ribotas kubitų skaičių ir kenčia nuo triukšmo bei klaidų. Kvantinės būsenos yra itin trapios ir lengvai suardo bet kokia sąveika su aplinka, procesas vadinamas dekoherencija.

Klaidų korekcija yra viena didžiausių techninių problemų. Teoriškai žinome, kaip ją įgyvendinti, tačiau tam reikia daug papildomų kubitų – kiekvienas loginis kubitas gali reikalauti šimtų ar net tūkstančių fizinių kubitų klaidoms taisyti. Tai reiškia, kad nors šiandien turime įrenginius su šimtais kubitų, efektyvus loginis kubitų skaičius yra daug mažesnis.

Temperatūros reikalavimai taip pat yra iššūkis. Daugelis kvantinių kompiuterių veikia temperatūrose, artimose absoliutiniam nuliui – tai reikalauja sudėtingų ir brangių aušinimo sistemų. Nors kai kurios technologijos, tokios kaip jonų spąstai ar fotonikos sprendimai, gali veikti aukštesnėse temperatūrose, jos turi kitų apribojimų. Kiekviena kvantinių kompiuterių platforma – superlaidi, jonų spąstai, fotonikos, neutralūs atomai – turi savo privalumų ir trūkumų.

Programavimo paradigma taip pat yra visiškai kitokia. Mokslininkai turi išmokti mąstyti kvantiniais algoritmais, o tai reikalauja gilaus kvantinės mechanikos supratimo. Nors atsiranda vis daugiau įrankių ir bibliotekų, kurios palengvina kvantinių programų kūrimą, vis dar trūksta specialistų, kurie galėtų efektyviai panaudoti šias technologijas realiems mokslo uždaviniams spręsti.

Artimiausiojo dešimtmečio perspektyvos ir ką turėtume daryti

Žvelgiant į artimiausius 5-10 metų, galime tikėtis kelių svarbių pokyčių. Pirma, kvantinių kompiuterių kubitų skaičius ir kokybė toliau augs. Jei šiandien kalbame apie šimtus kubitų, artimiausiame dešimtmetyje tikėtina pasiekti tūkstančius stabilių, klaidų korekcijai tinkamų kubitų. Tai atvers duris sudėtingesnėms problemoms spręsti.

Antra, išvysime daugiau hibridinių klasikinių-kvantinių algoritmų, kurie išnaudoja abiejų technologijų stipriąsias puses. Daugelis praktinių problemų nereikalaus viso skaičiavimo atlikti kvantiniame kompiuteryje – pakaks, kad kritiškos dalys būtų sprendžiamos kvantiškai, o likusi logika veiktų klasikiniuose procesuriuose. Tokia hibridinė architektūra greičiausiai taps dominuojančia artimiausiame laikotarpyje.

Trečia, kvantinių kompiuterių prieinamumas didės. Debesų platformos jau dabar siūlo prieigą prie kvantinių procesorių, o ateityje ši paslauga taps prieinamesnė ir pigesnė. Tai leis platesniam mokslininkų ratui eksperimentuoti su kvantiniais algoritmais, net neturint fizinės prieigos prie įrenginių.

Mokslininkams ir tyrėjams svarbu jau dabar pradėti ruoštis šiai transformacijai. Tai nereiškia, kad visi turi tapti kvantinės fizikos ekspertais, tačiau bazinis supratimas apie kvantinių kompiuterių galimybes ir apribojimus tampa vis svarbesnis. Universitetai ir mokslinės institucijos turėtų investuoti į mokymo programas, kurios parengtų naują specialistų kartą, galinčią dirbti su kvantinėmis technologijomis.

Tarpdisciplininis bendradarbiavimas bus ypač svarbus. Kvantinių kompiuterių potencialo realizavimas realiems mokslo uždaviniams spręsti reikalauja glaudaus fizikų, kompiuterių mokslininkų ir konkrečių sričių ekspertų – chemikų, biologų, klimatologų – bendradarbiavimo. Tik kartu jie gali sukurti efektyvius algoritmus ir taikymus, kurie iš tikrųjų paspartins mokslinį pažangą.

Investicijos į kvantinių technologijų infrastruktūrą taip pat turėtų būti prioritetas. Tai apima ne tik pačius kvantinius kompiuterius, bet ir palaikančias sistemas – programinę įrangą, simuliacijos įrankius, mokymo platformas. Šalys ir institucijos, kurios investuos į šią infrastruktūrą dabar, turės konkurencinį pranašumą ateityje.

Galiausiai, reikia išlaikyti realistišką požiūrį. Kvantiniai kompiuteriai nėra stebuklingas sprendimas visoms problemoms. Daugeliui uždavinių klasikiniai kompiuteriai ir toliau bus efektyvesni. Svarbu suprasti, kuriose srityse kvantiniai kompiuteriai tikrai gali duoti pranašumą, ir sutelkti pastangas būtent ten. Hype ir pernelyg optimistiškos prognozės gali pakenkti, sukeldami nusivylimą, kai lūkesčiai nesutampa su realybe.

Kvantiniai kompiuteriai jau dabar keičia mokslinių tyrimų metodologiją, nors ši transformacija dar tik prasideda. Artimiausiame dešimtmetyje matysime vis daugiau praktinių taikymų – nuo naujų vaistų atradimo iki efektyvesnių medžiagų projektavimo. Mokslinė bendruomenė, kuri aktyviai įsitrauks į šį procesą, bus geriau pasirengusi pasinaudoti naujomis galimybėmis ir prisidėti prie fundamentalių atradimų, kurie laukia už horizonto. Kvantinė era moksle nebe ateitis – ji jau čia, ir laikas pradėti mokytis jos kalbos.

Kvantinė revoliucija jau čia – tik ne taip, kaip tikėjomės

Kai prieš dešimtmetį mokslininkai kalbėjo apie kvantinius kompiuterius, daugelis klausėsi su skeptišku šypsniu. Atrodė, kad tai dar viena iš tų futuristinių technologijų, kurios amžinai liks „už dešimties metų”. Tačiau 2024-ieji įrodė, kad kvantinė era jau prasidėjo – tiesa, ne tokia dramatiška, kaip piešė mokslinės fantastikos kūriniai, bet galbūt dar įdomesnė.

Šiandien kvantiniai kompiuteriai nebėra vien teorinė galimybė. IBM, Google, IonQ ir kitos kompanijos jau siūlo prieigą prie realių kvantinių procesorių per debesis. Mokslo institucijos visame pasaulyje pertvarkė savo tyrimo programas, kad galėtų išnaudoti šias naujas galimybes. Ir nors dar negalime pasakyti, kad kvantiniai kompiuteriai „išsprendė” visas problemas, jie jau dabar keičia tai, kaip mokslininkai kelia klausimus ir ieško atsakymų.

Kai klasikinė logika pasiekia savo ribas

Norint suprasti, kodėl kvantiniai kompiuteriai tokie svarbūs mokslui, reikia pažvelgti į tai, kur įprastiniai kompiuteriai pradeda dusti. Imkime molekulės simuliaciją – atrodytų, paprasta užduotis. Bet kai bandome tiksliai apskaičiuoti, kaip elgiasi net nedidelė molekulė su keliolika atomų, skaičiavimų kiekis auga eksponentiškai. Klasikinis kompiuteris turi tikrinti kiekvieną galimą būseną atskirai, lyg bandytų atspėti slaptažodį išbandydamas visas įmanomas kombinacijas.

Kvantinis kompiuteris dirba fundamentaliai kitaip. Jis naudoja kvantinės mechanikos principus – superpoziciją ir susipynimą – kad galėtų „išbandyti” daugelį variantų vienu metu. Tai ne greičio skirtumas, o principiškai kitoks požiūris į problemų sprendimą. Tarsi turėtumėte galimybę eiti visais labirinto keliais vienu metu, o ne blaškyti laiko klaidžiodami po vieną koridorių.

Chemijos srityje tai jau duoda apčiuopiamų rezultatų. Mokslininkai pradėjo naudoti kvantinius kompiuterius katalizatorių tyrimams – medžiagų, kurios paspartina chemines reakcijas, bet kurių veikimo mechanizmai dažnai lieka neaiškūs. 2023 metais Japonijos mokslininkai su kvantinio kompiuterio pagalba sugebėjo tiksliau numatyti, kaip tam tikros molekulės sąveikaus su katalizatoriais, nei tai buvo įmanoma klasikiniais metodais. Tai ne tik akademinis pasiekimas – geriau suprasdami katalizatorius, galime kurti efektyvesnius procesus nuo vaistų gamybos iki degalų sintezės.

Vaistų kūrimas: nuo atsitiktinumo link tikslumo

Farmacijos pramonė visada buvo labai brangus žaidimas su neaiškiomis taisyklėmis. Naujo vaisto sukūrimas kainuoja milijardus ir užtrunka dešimtmetį ar ilgiau. Didelė dalis šio proceso – tai molekulių „bandymas ir klaida” principu. Mokslininkai sintetina tūkstančius junginių, tikėdamiesi, kad vienas iš jų turės norimą poveikį ir nepriimtinus šalutinius efektus.

Kvantiniai kompiuteriai žada pakeisti šią logiką. Jie gali simuliuoti, kaip potencialus vaistas sąveikaus su baltymais organizme daug tiksliau nei klasikiniai metodai. Tai reiškia, kad galima „išbandyti” milijonus molekulių virtualiai, prieš sintetinant jas laboratorijoje. Roche ir Biogen jau investavo į kvantinių kompiuterių naudojimą vaistų atradimui. Nors dar per anksti kalbėti apie konkrečius rinkoje pasirodžiusius vaistus, sukurtus kvantine pagalba, metodologija jau keičiasi.

Ypač įdomu tai, kad kvantiniai kompiuteriai gali padėti suprasti sudėtingus biologinius procesus, kurie įprastai yra per daug komplikuoti klasikiniam modeliavimui. Pavyzdžiui, baltymų sulankstymą – procesą, kurio metu ilga aminorūgščių grandinė susisuka į specifinę trijų dimensijų formą. Ši forma lemia baltymo funkciją, o jos neteisingas sulankstimas siejamas su ligomis nuo Alzheimerio iki Parkinsono. Kvantiniai algoritmai jau dabar rodo gebėjimą tiksliau numatyti šias struktūras, ką patvirtino keletas nepriklausomų tyrimų grupių.

Medžiagų mokslas ir energetikos ateitis

Jei ir yra sritis, kur kvantiniai kompiuteriai gali turėti tiesioginį poveikį klimato kaitai, tai medžiagų mokslas. Mes desperatiškai ieškome geresnių baterijų, efektyvesnių saulės elementų, medžiagų, galinčių absorbuoti anglies dioksidą. Bet naujų medžiagų kūrimas yra lėtas procesas, nes reikia suprasti, kaip atomai ir elektronai sąveikauja sudėtingose struktūrose.

Štai kur kvantiniai kompiuteriai tampa neįkainojami. Jie natūraliai „kalba” kvantinės mechanikos kalba, nes patys veikia pagal tuos pačius principus. Tai reiškia, kad jie gali simuliuoti naujų medžiagų savybes daug tiksliau nei klasikiniai kompiuteriai. Daimler ir Volkswagen bendradarbiauja su kvantinių kompiuterių kompanijomis, kad sukurtų geresnes baterijas elektromobiliams. Jų tikslas – rasti medžiagas, kurios leistų baterijoms laikyti daugiau energijos, greičiau įsikrauti ir būti saugesnėms.

Panašiai ir saulės energetikoje. Šiandien naudojami silikoniniai saulės elementai yra gana efektyvūs, bet jų gamyba brangi ir ne itin ekologiška. Mokslininkai ieško alternatyvų – perovskitų, organinių puslaidininkių ir kitų medžiagų, kurios galėtų būti pigesnės ir efektyvesnės. Kvantiniai kompiuteriai padeda numatyti, kaip šios medžiagos elgsis realiomis sąlygomis, kokia bus jų ilgaamžiškumas, kaip jos reaguos į drėgmę ar temperatūros pokyčius. Tai leidžia tyrinėtojams sutelkti dėmesį į perspektyviausius kandidatus, o ne švaistytis išteklius akliems bandymams.

Dirbtinio intelekto ir kvantinių kompiuterių santuoka

Viena netikėčiausių krypčių, kur kvantiniai kompiuteriai randa pritaikymą, yra dirbtinis intelektas. Iš pirmo žvilgsnio tai gali atrodyti keista – juk dabartiniai DI modeliai puikiai veikia įprastiniuose kompiuteriuose. Bet kai kalbame apie tikrai didelius duomenų kiekius ir sudėtingus optimizavimo uždavinius, kvantiniai algoritmai gali pasiūlyti privalumų.

Pavyzdžiui, mašininio mokymosi procese dažnai reikia rasti optimalius parametrus iš milžiniškos galimybių erdvės. Tai tarsi bandymas rasti žemiausią tašką kalnuotoje vietovėje, kai nematai viso kraštovaizdžio. Klasikiniai algoritmai gali įstrigti vietiniuose minimumuose – tarsi nusileidę į nedidelę duobę, manytų, kad tai žemiausia vieta, nors netoliese yra daug gilesnė slėnis. Kvantiniai algoritmai, naudodami kvantinį tuneliavimą, gali „persikelti” per tokias kliūtis ir rasti geresnius sprendimus.

Keli tyrimai jau parodė, kad kvantiniai neuronų tinklai gali mokytis efektyviau tam tikrų tipų duomenų atveju. Google eksperimentavo su kvantiniais algoritmais vaizdo atpažinimui, o IBM kūrė kvantines versijas populiarių mašininio mokymosi metodų. Nors dar per anksti teigti, kad kvantinis DI pakeisis dabartines technologijas, tendencija aiški – abi šios srities pradeda susilieti, ir rezultatai gali būti įspūdingi.

Finansų modeliavimas ir rizikos valdymas naujoje eroje

Galbūt mažiau akivaizdus, bet itin svarbus kvantinių kompiuterių pritaikymas yra finansų sektoriuje. Bankai ir investicinės kompanijos jau dabar naudoja sudėtingus matematinius modelius portfelio optimizavimui, rizikos įvertinimui ir kainų nustatymui. Bet šie modeliai dažnai remiasi supaprastinimais, nes tikslūs skaičiavimai būtų per daug sudėtingi.

Kvantiniai kompiuteriai gali pakeisti šią situaciją. Jie ypač gerai tinka Monte Karlo simuliacijoms – metodui, kuris naudoja atsitiktinį atrinkimą, kad įvertintų sudėtingų sistemų elgesį. Finansuose tai naudojama įvairiems tikslams – nuo opcionų kainų nustatymo iki kredito rizikos įvertinimo. JP Morgan, Goldman Sachs ir kiti finansų gigantai aktyviai investuoja į kvantinių kompiuterių tyrimus.

Konkrečiau, kvantiniai algoritmai gali padėti optimizuoti investicijų portfelius, atsižvelgiant į šimtus ar tūkstančius kintamųjų vienu metu. Arba modeliuoti, kaip finansų krizė galėtų plisti per susijusias institucijas – užduotis, kuri įprastiniais metodais yra nepaprastai sudėtinga dėl tarpusavio priklausomybių. Tai ne tik teorinis interesas – geresnis rizikos supratimas galėtų padėti išvengti būsimų finansų krizių arba bent sumažinti jų poveikį.

Kokių konkrečių proveržių tikėtis artimiausiais metais

Dabar pereikime prie praktiškesnio klausimo – ko realiai galime tikėtis artimiausiu metu? Svarbu suprasti, kad kvantiniai kompiuteriai nebus „stebuklingas sprendimas” visoms problemoms. Jie puikiai tinka tam tikrų tipų uždaviniams, bet kitiems – ne geriau už įprastinius kompiuterius.

Per artimiausius 2-3 metus tikėtina, kad pamatysime pirmuosius komercinius produktus, sukurtus pasitelkus kvantinius kompiuterius. Tai gali būti nauji katalizatoriai chemijos pramonei, optimizuoti logistikos maršrutai didelėms korporacijoms ar nauji finansiniai instrumentai. Šie pasiekimai nebus revoliucingi – greičiau evoliuciniai, bet jų ekonominis poveikis gali būti reikšmingas.

Medžiagų moksle tikėtina, kad kvantiniai kompiuteriai padės identifikuoti naujus kandidatus baterijoms ir saulės elementams. Keli tyrimų centrai jau skelbia apie perspektyvias medžiagas, kurių savybes padėjo numatyti kvantiniai algoritmai. Nuo identifikavimo iki komercializacijos paprastai praeina 5-10 metų, taigi apie 2030-uosius galime tikėtis pamatyti rinkoje produktus, kurių šaknys siekia šiandienos kvantines simuliacijas.

Vaistų kūrimo srityje procesas dar lėtesnis dėl reguliacinių reikalavimų. Bet jau dabar farmacijos kompanijos naudoja kvantinius kompiuterius ankstyvose vaistų atradimo stadijose. Tikėtina, kad per 5-7 metus pamatysime pirmuosius klinikinius tyrimus su junginiais, kurių dizaine dalyvavo kvantiniai kompiuteriai. Jei šie tyrimai bus sėkmingi, tai gali radikaliai pagreitinti ir piginti naujų vaistų kūrimą.

Iššūkiai ir apribojimai, apie kuriuos retai kalbama

Būtų neteisinga nutylėti, kad kvantiniai kompiuteriai vis dar susiduria su rimtomis problemomis. Didžiausia iš jų – klaidų korekcija. Kvantiniai bitai (kubitai) yra nepaprastai jautrūs aplinkos trukdžiams. Net menkiausias vibracijos, temperatūros svyravimas ar elektromagnetinis laukas gali sugadinti skaičiavimą. Todėl kvantiniai kompiuteriai veikia ekstremaliai žemoje temperatūroje (artimoje absoliutaus nulio) ir yra izoliuoti nuo išorinių trukdžių.

Bet net ir idealiomis sąlygomis kubitai „dekoheruoja” – praranda savo kvantines savybes – per labai trumpą laiką. Šiuolaikiniai kvantiniai kompiuteriai gali išlaikyti koherentinę būseną tik kelias mikrosekundes ar milisekundes. Per tą laiką reikia atlikti visus skaičiavimus, o tai riboja problemų sudėtingumą, kurį galima spręsti.

Klaidų korekcija – tai procesas, kai naudojami papildomi kubitai, kad būtų aptiktos ir ištaisytos klaidos. Teoriškai žinome, kaip tai daryti, bet praktiškai reikia labai daug fizinių kubitų, kad sukurtume vieną „loginį” kubitą, apsaugotą nuo klaidų. Dabartiniai kvantiniai kompiuteriai turi šimtus ar tūkstančius fizinių kubitų, bet tik keliolika ar keliasdešimt loginių kubitų. Norint spręsti tikrai sudėtingas problemas, reikės milijonų fizinių kubitų – o iki to dar toli.

Kita problema – algoritmų kūrimas. Ne visoms problemoms žinomi efektyvūs kvantiniai algoritmai. Kartais mokslininkai žino, kad kvantinis kompiuteris teoriškai galėtų išspręsti problemą greičiau, bet nežino, kaip tiksliai tai padaryti. Kvantinių algoritmų kūrimas reikalauja gilaus kvantinės mechanikos supratimo ir kūrybiškumo – tai ne tiesiog klasikinių algoritmų „vertimas” į kvantinę kalbą.

Kaip mokslininkai turėtų ruoštis kvantinei ateičiai

Jei esate mokslininkas ar tyrėjas, tikriausiai svarstote, ar verta investuoti laiką į kvantinių kompiuterių mokymąsi. Atsakymas priklauso nuo jūsų srities, bet bendrai – taip, verta bent susipažinti su pagrindinėmis sąvokomis ir galimybėmis.

Pirmas žingsnis – suprasti, kokio tipo problemos jūsų srityje galėtų turėti naudos iš kvantinių kompiuterių. Jei jūsų darbas apima molekulių simuliacijas, optimizavimo uždavinius, kriptografiją ar mašininį mokymąsi su dideliais duomenų kiekiais – kvantiniai kompiuteriai gali būti aktualūs. Jei jūsų darbas labiau susijęs su duomenų apdorojimu ar statistine analize, kvantiniai kompiuteriai gali neduoti reikšmingo pranašumo.

Gera žinia ta, kad nebūtina tapti kvantinės mechanikos ekspertu, kad galėtumėte naudoti kvantinius kompiuterius. Daugelis kompanijų kuria įrankius ir bibliotekas, kurie leidžia programuoti kvantinius kompiuterius naudojant įprastas programavimo kalbas. IBM Qiskit, Google Cirq, Microsoft Q# – tai tik keletas platformų, kurios siūlo prieigą prie kvantinių kompiuterių ir mokymo medžiagą.

Praktinis patarimas – pradėkite nuo internetinių kursų ir tutorialų. Daugelis universitetų ir kompanijų siūlo nemokamus įvadinius kursus apie kvantinius kompiuterius. Nebijokite eksperimentuoti su realiais kvantiniais kompiuteriais per debesis – daugelis platformų siūlo nemokamą prieigą tyrimų tikslais. Pradėkite nuo paprastų problemų ir palaipsniui didinkite sudėtingumą.

Taip pat svarbu sekti literatūrą ir konferencijas savo srityje. Kvantinių kompiuterių pritaikymai sparčiai plečiasi, ir tai, kas šiandien atrodo neįmanoma, rytoj gali tapti standartine praktika. Daugelis mokslinių žurnalų dabar turi specialias sekcijas, skirtas kvantiniams skaičiavimams, o konferencijose vis dažniau pasirodo pranešimai apie kvantinių kompiuterių panaudojimą įvairiose srityse.

Kvantinė ateitis – artimesnė, nei manome

Grįžtant prie pradžios klausimo – kaip kvantiniai kompiuteriai keičia mokslinių tyrimų metodologiją – atsakymas yra kompleksiškas ir daugiasluoksnis. Jie nekeičia visko iš karto, bet jau dabar leidžia užduoti klausimus, kurie anksčiau buvo neįsivaizduojami. Mokslininkai gali simuliuoti sistemas, kurios buvo per sudėtingos klasikiniams kompiuteriams. Jie gali tirti fenomenus, kurie natūraliai yra kvantiniai ir todėl geriau atitinka kvantinių kompiuterių logiką.

Artimiausi metai bus pereinamasis laikotarpis. Kvantiniai kompiuteriai dar nepakankamai galingi, kad galėtų išspręsti visas problemas, kurias teoriškai gali išspręsti. Bet jie jau pakankamai geri, kad duotų naudingų rezultatų tam tikrose nišose. Mokslininkai, kurie pradės eksperimentuoti su šiomis technologijomis dabar, turės pranašumą, kai kvantiniai kompiuteriai taps galingesni ir prieinamesni.

Svarbu išlaikyti realistiškas lūkesčius. Kvantiniai kompiuteriai nėra magija – jie nepramuš šifravimo per sekundę, neišspręs klimato kaitos per naktį ir nesukurs stebuklingų vaistų nuo visų ligų. Bet jie yra galingas įrankis, kuris praplečia mūsų galimybes tirti pasaulį ir spręsti sudėtingas problemas. Ir kaip su bet kokiu įrankiu, jų vertė priklausys nuo to, kaip išmaniai juos naudosime.

Todėl mokslininkai, tyrėjai, studentai – dabar yra geras laikas pradėti mokytis apie kvantinius kompiuterius. Ne dėl to, kad jie rytoj pakeistų viską, bet dėl to, kad po penkerių metų jie gali tapti tokia pat įprasta mokslinių tyrimų dalimi kaip šiandien yra statistinė analizė ar kompiuterinis modeliavimas. Kvantinė revoliucija jau prasidėjo – klausimai tik, kas dalyvaus ir kas pasinaudos jos teikiamomis galimybėmis.