Γιατί είναι σημαντικοί οι κβαντικοί υπολογιστές και πώς σκοπεύουμε να τους αξιοποιήσουμε

Οι τεχνολογικές εταιρείες επενδύουν δισεκατομμύρια δολάρια στην κβαντική πληροφορική, παρά το γεγονός ότι η τεχνολογία απέχει ακόμη χρόνια από τις πρακτικές εφαρμογές της. Για ποιους λόγους λοιπόν θα χρησιμοποιηθούν οι μελλοντικοί κβαντικοί υπολογιστές; Και γιατί τόσοι πολλοί ειδικοί είναι πεπεισμένοι ότι θα αλλάξουν τα δεδομένα;

Η κατασκευή ενός υπολογιστή που θα εκμεταλλεύεται τις ασυνήθιστες ιδιότητες της κβαντικής μηχανικής είναι μια ιδέα που συζητείται από τη δεκαετία του 1980. Αλλά τις τελευταίες δύο δεκαετίες, οι επιστήμονες έχουν κάνει σημαντικά βήματα στην κατασκευή συσκευών μεγάλης κλίμακας. Τώρα, μια σειρά από τεχνολογικούς κολοσσούς, από την Google έως την IBM, καθώς και αρκετές καλά χρηματοδοτημένες startups έχουν επενδύσει σημαντικά ποσά στην τεχνολογία – και έχουν δημιουργήσει αρκετά μηχανήματα και μονάδες κβαντικής επεξεργασίας (QPU).

Θεωρητικά, οι κβαντικοί υπολογιστές θα μπορούσαν να λύσουν προβλήματα που ξεπερνούν ακόμη και τον πιο ισχυρό κλασικό υπολογιστή. Ωστόσο, οι συσκευές αυτές θα πρέπει πρώτα να γίνουν πολύ μεγαλύτερες και πιο αξιόπιστες. Μόλις γίνει αυτό, υπάρχει η ελπίδα ότι η τεχνολογία θα επιλύσει μια σειρά από άλυτες σήμερα προκλήσεις στη χημεία, τη φυσική, την επιστήμη των υλικών, ακόμη και τη μηχανική μάθηση.

«Δεν είναι απλώς σαν ένας γρήγορος κλασικός υπολογιστής, πρόκειται για κάτι εντελώς διαφορετικό», δήλωσε στο LiveScience ο Norbert Lütkenhaus, εκτελεστικός διευθυντής του Ινστιτούτου Κβαντικών Υπολογιστών στο Πανεπιστήμιο του Waterloo στον Καναδά. «Οι κβαντικοί υπολογιστές μπορούν να επιλύσουν αποτελεσματικά ορισμένες εργασίες που οι κλασικοί υπολογιστές απλά δεν μπορούν να κάνουν».

Πού βρίσκεται η τεχνολογία σήμερα

Το πιο θεμελιώδες δομικό στοιχείο ενός κβαντικού υπολογιστή είναι το qubit – μια μονάδα κβαντικής πληροφορίας που είναι συγκρίσιμη με ένα bit σε έναν κλασικό υπολογιστή, αλλά με την απίστευτη ικανότητα να αναπαριστά έναν πολύπλοκο συνδυασμό του 0 και του 1 ταυτόχρονα. Τα qubits μπορούν να υλοποιηθούν σε ένα ευρύ φάσμα διαφορετικού υλικού, όπως υπεραγώγιμα κυκλώματα, παγιδευμένα ιόντα ή ακόμη και φωτόνια.

Οι σημερινοί μεγαλύτεροι κβαντικοί υπολογιστές ξεπέρασαν φέτος το όριο των 1.100 qubit, αλλά οι περισσότεροι διαθέτουν μόνο μερικές δεκάδες ή εκατοντάδες qubit. Είναι πολύ πιο επιρρεπείς σε σφάλματα λόγω της ακραίας ευαισθησίας των κβαντικών καταστάσεων σε εξωτερικό «θόρυβο», ο οποίος περιλαμβάνει μεταβολές της θερμοκρασίας ή αδέσποτα ηλεκτρομαγνητικά πεδία. Αυτό σημαίνει ότι επί του παρόντος είναι δύσκολο να εκτελούνται μεγάλα κβαντικά προγράμματα για αρκετό χρονικό διάστημα, ώστε να επιλύονται πρακτικά προβλήματα.

Αυτό όμως δεν σημαίνει ότι οι σημερινοί κβαντικοί υπολογιστές είναι άχρηστοι, τονίζει ο William Oliver, διευθυντής του Κέντρου Κβαντικής Μηχανικής στο Ινστιτούτο Τεχνολογίας της Μασαχουσέτης (ΜΙΤ).

«Αυτό για το οποίο χρησιμοποιούνται σήμερα οι κβαντικοί υπολογιστές είναι βασικά για να μάθουμε πώς να τους κάνουμε μεγαλύτερους, αλλά και για να μάθουμε πώς να τους χρησιμοποιούμε», δήλωσε.

Η κατασκευή μεγαλύτερων επεξεργαστών παρέχει κρίσιμες γνώσεις για το πώς θα κατασκευαστούν μεγαλύτερα, πιο αξιόπιστα κβαντικά μηχανήματα και παρέχει μια πλατφόρμα για την ανάπτυξη και δοκιμή νέων κβαντικών αλγορίθμων. Επιτρέπει επίσης στους ερευνητές να δοκιμάσουν κβαντικά συστήματα διόρθωσης σφαλμάτων, τα οποία είναι ζωτικής σημασίας για να εκπληρώσει η τεχνολογία όσα υπόσχεται. Αυτά συνήθως περιλαμβάνουν την εξάπλωση της κβαντικής πληροφορίας σε πολλαπλά φυσικά qubits για τη δημιουργία ενός ενιαίου «λογικού qubit», το οποίο είναι πολύ πιο ανθεκτικό.

Αρκετές εταιρείες όπως η QuEra, η Quantinuum και η Google έχουν πρόσφατα επιδείξει την ικανότητα να δημιουργούν αξιόπιστα λογικά qubits. Η κλιμάκωση σε χιλιάδες, αν όχι εκατομμύρια, qubits που χρειαζόμαστε για να λύσουμε πρακτικά προβλήματα θα πάρει χρόνο και πολλή μηχανική προσπάθεια. Αλλά μόλις επιτευχθεί αυτό, θα έρθουν στο προσκήνιο πλήθος συναρπαστικών εφαρμογών.

Ποιες εφαρμογές μπορούν να έχουν

Το μυστικό της ισχύος των κβαντικών υπολογιστών βρίσκεται σε ένα φαινόμενο γνωστό ως κβαντική υπέρθεση, δήλωσε ο Oliver. Αυτό επιτρέπει σε ένα κβαντικό σύστημα να καταλαμβάνει ταυτόχρονα πολλαπλές καταστάσεις μέχρι να μετρηθεί. Σε έναν κβαντικό υπολογιστή, αυτό καθιστά δυνατή την τοποθέτηση των υποκείμενων qubits σε μια υπέρθεση που αντιπροσωπεύει όλες τις πιθανές λύσεις ενός προβλήματος.

«Καθώς εκτελούμε τον αλγόριθμο, οι απαντήσεις που είναι λανθασμένες καταστέλλονται και οι απαντήσεις που είναι σωστές ενισχύονται», δήλωσε ο Oliver. «Και έτσι στο τέλος του υπολογισμού, η μόνη απάντηση που επιβιώνει είναι αυτή που ψάχνουμε».

Αυτό καθιστά δυνατή την αντιμετώπιση προβλημάτων που είναι πολύ μεγάλα για να τα επεξεργαστεί κανείς διαδοχικά, όπως θα έπρεπε να κάνει ένας κλασικός υπολογιστής. Και σε ορισμένους τομείς, οι κβαντικοί υπολογιστές θα μπορούσαν να εκτελούν υπολογισμούς εκθετικά ταχύτερα από τους κλασικούς υπολογιστές, καθώς το μέγεθος του προβλήματος αυξάνεται.

Μια από τις πιο προφανείς εφαρμογές έγκειται στην προσομοίωση φυσικών συστημάτων, δήλωσε ο Oliver, επειδή ο ίδιος ο κόσμος διέπεται από τις αρχές της κβαντομηχανικής. Αυτό θα μπορούσε να έχει βαθύτατο αντίκτυπο σε τομείς όπως η χημεία και η επιστήμη των υλικών όπου τα κβαντικά φαινόμενα παίζουν σημαντικό ρόλο, και θα μπορούσε να οδηγήσει σε ανακαλύψεις σε όλα τα πεδία, από την τεχνολογία των μπαταριών έως τους υπεραγωγούς, τους καταλύτες και ακόμη και τα φαρμακευτικά προϊόντα.

Άλλες εφαρμογές για τους κβαντικούς υπολογιστές είναι, προς το παρόν, κάπως υποθετικές, δήλωσε ο Oliver. Υπάρχουν ελπίδες ότι η τεχνολογία θα μπορούσε να αποδειχθεί χρήσιμη για τη βελτιστοποίηση (optimization), δηλαδή την αναζήτηση της καλύτερης λύσης σε ένα πρόβλημα με πολλές πιθανές λύσεις. Στην πράξη, αυτό μπορεί να σημαίνει από διευκόλυνση των κυκλοφοριακών ροών σε μια πόλη έως τη δημιουργία του καλύτερου χαρτοφυλακίου μετοχών για έναν συγκεκριμένο οικονομικό στόχο.

Άλλοι τομείς, τέλος, περιλαμβάνουν τη χρήση κβαντικών υπολογιστών για την αναζήτηση σε μεγάλες βάσεις δεδομένων ή τη διεξαγωγή μηχανικής μάθησης, η οποία περιλαμβάνει την ανάλυση μεγάλων ποσοτήτων δεδομένων για την ανακάλυψη χρήσιμων μοτίβων.