Изображение: Shutterstock / Phonlamai Photo
В 1981 году американский физик и лауреат Нобелевской премии Ричард Фейнман прочитал лекцию в Массачусетском технологическом институте (MIT) недалеко от Бостона, в которой изложил революционную идею. Фейнман предположил, что необычную физику квантовой механики можно использовать для выполнения вычислений.
Именно тогда зародилась область квантовых вычислений. За 40 с лишним лет с тех пор она стала одной из важных областей для исследований. Несмотря на годы упорного труда, физики пока не создали практические квантовые компьютеры, которые хорошо подходили бы для повседневного использования и нормальных условий (многие квантовые компьютеры работают при очень низких температурах). И перед ними все еще стоит вопрос наилучшего способа решения этой проблемы.
Что именно представляют собой квантовые вычисления и насколько мы близки к тому, чтобы увидеть их широкое применение?
Давайте сначала рассмотрим классические вычисления, например, тип вычислений который использует ноутбук, на котором я пишу эту статью:
Классические компьютеры обрабатывают информацию, используя комбинации «битов» – наименьших единиц данных. Эти биты имеют значения 0 или 1. Все, что вы делаете на своем компьютере, от написания электронных писем до просмотра веб-страниц, становится возможным благодаря обработке комбинаций этих бит в строках нулей и единиц.
С другой стороны, квантовые компьютеры используют квантовые биты, или кубиты. В отличие от классических битов, кубиты не просто представляют 0 или 1. Благодаря свойству, называемому квантовой суперпозицией, кубиты могут находиться в нескольких состояниях одновременно. Это означает, что кубит может быть 0, 1 или обоими одновременно. Это то, что дает квантовым компьютерам возможность обрабатывать огромные объемы данных и информации одновременно.
Представьте себе, что вы можете разбирать все возможные решения проблемы одновременно, а не по одному за раз. [Если бы вы находились в лабиринте], то это позволило бы вам искать правильный путь через лабиринт, одновременно пробуя все возможные комбинации. [Так работают] квантовые компьютеры, и поэтому они невероятно быстры в поиске оптимальных решений.
Изображение: Shutterstock / Ekaterina Pokrovsky
Задумайтесь о чрезвычайно сложной проблеме изменения расписания рейсов авиакомпании после задержки или неожиданного инцидента. Это происходит регулярно в реальном мире, но применяемые решения могут быть не лучшими или не оптимальными. Чтобы выработать оптимальные ответы, стандартным компьютерам нужно будет рассмотреть одну за другой все возможные комбинации перемещения, изменения маршрута, задержки, отмены или группировки рейсов.
Каждый день совершается более 45 000 рейсов, организованных более чем 500 авиакомпаниями, соединяющими более 4 000 аэропортов. На решение этой проблемы классическому компьютеру потребуются годы.
С другой стороны, квантовый компьютер мог бы попробовать все эти возможности одновременно и позволить наилучшей конфигурации возникнуть органически. Кубиты также обладают физическим свойством, известным как запутанность. Когда кубиты запутаны, состояние одного кубита может зависеть от состояния другого, независимо от того, насколько далеко они находятся друг от друга.
Это то, что, опять же, не имеет аналогов в классических вычислениях. Запутанность позволяет квантовым компьютерам решать определенные задачи экспоненциально* быстрее, чем это могут делать традиционные компьютеры.
Распространенный вопрос: заменят ли квантовые компьютеры классические компьютеры полностью или нет?
Короткий ответ — нет, по крайней мере, в обозримом будущем. Квантовые компьютеры невероятно эффективны для решения конкретных задач, таких как моделирование взаимодействия между различными молекулами, поиск наилучшего решения из множества вариантов или работа с шифрованием и дешифрованием. Однако они не подходят для всех типов задач.
Классические компьютеры обрабатывают одно вычисление за раз в линейной последовательности и следуют алгоритмам (наборам математических правил для выполнения определенных вычислительных задач), разработанным для использования с классическими битами, которые являются либо 0, либо 1. Это делает их чрезвычайно предсказуемыми, надежными и менее подверженными ошибкам, чем квантовые машины.
Для повседневных вычислительных нужд, таких как обработка текста или просмотр интернета, классические компьютеры будут продолжать играть доминирующую роль. На это есть как минимум две причины:
Первая — практическая. Создание квантового компьютера, способного выполнять надежные вычисления, чрезвычайно сложно. Квантовый мир невероятно изменчив, и кубиты легко нарушаются вещами в их окружении, такими как помехи от электромагнитного излучения, что делает их склонными к ошибкам.
Вторая причина заключается в присущей неопределенности при работе с кубитами. Поскольку кубиты находятся в суперпозиции (не являются ни 0, ни 1), они не так предсказуемы, как биты, используемые в классических вычислениях. Поэтому физики описывают кубиты и их вычисления в терминах вероятностей. Это означает, что одна и та же задача, использующая один и тот же квантовый алгоритм, запущенная несколько раз на одном и том же квантовом компьютере, может каждый раз иметь совершенно другое решение. Читайте также
MES и ERP в металлургии и машиностроении. С какими проблемами сталкиваются предприятия при интеграции систем В большинстве случаев на предприятии сначала внедряется ERP-система. В ней реализуется финансовый и материальный учет, а затем появляется необходимость в решении класса MES для управления производственными процессами и мониторинга их выполнения. Об особенностях, на которые необходимо обратить внимание при интеграции ERP-систем и MES, рассказывает Алексей Насакин, руководитель направления «Управление производством» компании «Национальная платформа».
Чтобы устранить эту неопределенность, квантовые алгоритмы обычно запускаются несколько раз. Затем результаты анализируются статистически, чтобы определить наиболее вероятное решение. Такой подход позволяет исследователям извлекать значимую информацию из изначально вероятностных квантовых вычислений.
С коммерческой точки зрения, развитие квантовых вычислений все еще находится на ранних стадиях, но каждый год появляется множество новых исследовательских компаний. Интересно видеть, что в дополнение к крупным, устоявшимся компаниям, таким как IBM и Google, присоединяются новые, такие как IQM, Pasqal и стартапы, такие как Alice и Bob. Все они работают над тем, чтобы сделать квантовые компьютеры более надежными, масштабируемыми и доступными.
В прошлом производители обращали внимание на количество кубитов в своих квантовых компьютерах как на меру мощности машины. Сейчас производители все больше [считают количество кубитов], как один из способов исправления ошибок, к которым склонны квантовые компьютеры. Это изменение в политике компаний имеет решающее значение для разработки крупномасштабных, отказоустойчивых квантовых компьютеров, поскольку эти методы необходимы для повышения их удобства использования.
Последний квантовый чип от Google – Willow, недавно продемонстрировал огромный прогресс в этой области. Чем больше кубитов Google использовал в Willow, тем больше он уменьшал ошибки. Это достижение знаменует собой значительный шаг на пути к созданию коммерчески значимых квантовых компьютеров, которые могут произвести революцию в таких областях, как медицина, энергетика и ИИ.
После более чем 40 лет квантовые вычисления все еще находятся в зачаточном состоянии, но в следующем десятилетии ожидается значительный прогресс. Вероятностная природа этих машин представляет собой фундаментальное различие между квантовыми и классическими вычислениями. Это то, что делает их хрупкими и сложными для разработки и масштабирования.
В то же время именно это делает их очень мощным инструментом для решения задач оптимизации, позволяя исследовать несколько решений одновременно, быстрее и эффективнее, чем это могут сделать классические компьютеры.
* Экспоненциальный рост — возрастание величины, когда скорость роста пропорциональна значению самой величины.
Domenico VicinanzaДоцент кафедры интеллектуальных систем и науки о данных, Университет Англии Раскин. Associate Professor of Intelligent Systems and Data Science, Anglia Ruskin University