Lyhyesti kvanttialgoritmeista ja niiden perheistä
Yksi kvanttiteknologioiden kehittämisen tavoitteista on kiihdyttää
Lähtökohta kvanttilaskennan kehityksessäajattele 90-lukua. Jo silloin ensimmäiset kvanttitietokoneiden algoritmit olivat olemassa, esimerkiksi Deutsch-algoritmi, mutta ne olivat ensisijaisesti akateemista mielenkiintoa. Hieman myöhemmin amerikkalaiset tiedemiehet Peter Shor ja Lov Grover kehittivät kaksi olennaisesti erilaista, mutta käytännön näkökulmasta erittäin arvokasta kvanttialgoritmia. Shorin algoritmi vakuutti maailman siitä, että kvanttiteknologialla on hyvin todellisia sovelluksia ja että kvanttitietokone uhkaa nykyaikaisia salaustietojen suojausmenetelmiä. Ja Groverin idea osoitti, että kvanttien avulla voit etsiä jäsentämätöntä dataa nopeammin kuin klassisten tekniikoiden avulla (ja kuten myöhemmin todistettiin, tässä tehtävässä käytettävissä olevalla maksimikiihtyvyydellä).
Molemmat löydöt eivät ole vielä tuoneet suoraa käytäntöätaloudellisia tuloksia. Siitä huolimatta kvanttien soveltamisen työkaluna opiskelun aikakausi alkoi heistä - ja niihin perustuvat muutkin todellisuudessa paremmin soveltuvat algoritmit.
Esimerkiksi Zalka-Wiesner-algoritmi auttaaluoda uusia lääkkeitä ja uusia materiaaleja. Ambainis-algoritmi - analysoi dataa, kuten kuvia ja tekstejä. Toinen merkittävimmistä keksinnöistä on Harrow-Hassidim-Lloyd-algoritmi, joka ratkaisee lineaarisen yhtälöjärjestelmän kvanttitietokoneissa. Tämä edistää suuresti big datan käsittelyä, monimutkaisten järjestelmien mallintamista ja voi viime kädessä olla uusi askel kohti vahvan tekoälyn luomista.
Uusia ideoita kvanttialgoritmeille syntyysäännöllisesti: useimmat on lueteltu Quantum Algorithm Zoo -verkkosivustolla, ja toteutusesimerkkejä voi kurkistaa Githubista. Yhdysvaltojen ja Kiinan lisäksi Espanja on suuri myötävaikuttaja tähän trendiin – se johtaa talousalgoritmien kehitystä startupin Multiverse Computingin aktiivisen liikkeen ansiosta. Englannissa on onnistuneita ratkaisuja puheentunnistukseen ja kemiallisten prosessien mallintamiseen. Pian myös Intia tekee mainetta itselleen – siellä käynnistetään lukuisia kvanttialojen yliopistokursseja.
Mikä vielä hidastaa kvanttikehitystä
Eli kvanttialgoritmi.Aloitetaan ymmärrettävämmällä sanalla "algoritmi", joka tarkoittaa tiettyä toimintosarjaa, reseptiä tietyn tuloksen saamiseksi. Sana "kvantti" tässä tapauksessa lisää kykyämme suorittaa tiettyjä loogisia operaatioita, joita ei ole saatavilla klassisessa maailmassa. Kvanttifysiikan ilmiöiden - superpositio ja kietoutuminen - ansiosta kvanttiobjektien tiloihin tehtävien loogisten operaatioiden avulla on mahdollista luoda monimutkaisia kvanttitiloja, joiden kuvaaminen klassisesti vaatisi paljon lukuja. Esimerkiksi 50 kubitin tilan kuvaamiseen tarvitaan yleensä jopa 2^50 numeroa. Jos käytät oikein tätä kvanttijärjestelmien ominaisuutta ja lasket loogisten muunnoksia ja toteuttaa ne sitten kvanttitietokoneella, löydät vastauksen haluttuun kysymykseen siinä tapauksessa, että klassinen tietokone vaatisi paljon aikaa ja muistiresursseja.
Vaikuttaa siltä, että luot itsellesi erilaisia algoritmejaerilaisia tehtäviä, ja teoriassa niitä on jo kymmeniä, ellei satoja. Mutta mitä tulee käytäntöön ja merkittävään (eli eksponentiaaliseen) kiihtyvyyteen, kvanttialgoritmien kehittäminen törmää tiettyihin esteisiin. Ja siksi uusien kvanttialgoritmien ilmaantuminen, jotka voivat johtaa radikaaleihin muutoksiin, on melko harvinaista: joka vuosikymmen tulee vain 5–10 uutta mielenkiintoista kvanttialgoritmia.
Suurin vaikeus liittyy siihen, että matemaatikoiden ja teoreetikkojen mielessä algoritmit toimivat ihanteellisella tietokoneella. Todelliset kvanttitietokoneet eivät kuitenkaan ole lainkaan virheellisiä.
Esteet kiteytyvät siihen, että tehokkaan virheettömän kvanttijärjestelmän luominen on erittäin vaikeaa:
- Kvanttikohteet ovat erittäin herkkiä pienimmillekinympäristömuutokset: pienikin kvanttiinformaation vuotaminen ympäristöön algoritmin suorittamisen aikana voi johtaa lopullisen vastauksen vääristymiseen. Ja tämä huolimatta siitä, että kubittien vakaan toiminnan olosuhteet on tietyissä tapauksissa pidettävä erittäin erityisinä: esimerkiksi lämpötilan on oltava lähellä absoluuttista nollaa, eli sen on vastattava -273,15 ° C.
- Melu vaikuttaa laskentaprosessiin - johtuenJatkuvasti altistuminen virheille, kvanttialgoritmissa toteutettavien operaatioiden määrä on nyt rajoitettu useisiin kymmeniin, kun taas teollisten ongelmien ratkaisemiseen tarvitaan tuhansia operaatioita.
- Toistaiseksi tarvittavaa numeroa ei ole voitu luodavirheettömät, eli loogiset kubitit. Esimerkiksi arvopaperimarkkinoilla toimivan yrityksen riskien laskemiseen tarvitaan vähintään 200 loogista kubittia, salauksen murtamiseen - noin 6 tuhatta ja rahoitusjohdannaisten arvon ennustamiseen reaaliajassa - 7,5 tuhatta. monimutkaisemmat tehtävät, kuten verkon nopea hakkerointi, bitcoin tai uusien materiaalien mallintaminen, vaativat useista kymmenistä satoihin miljooniin. Nykyään kvanttilaitteissa ei ole enempää kuin yksikköä virhevarmoja kubitteja.
Kvanttimelun käsitteleminen, tutkijattarjoavat erilaisia korjausmenetelmiä - ja ne todella auttavat vähentämään järjestelmän virheiden määrää. Mutta niiden vaikutus laskelmiin vähenee merkittävästi vasta tietyn ajan kuluttua. Ennusteet vaihtelevat: IonQ asettaa sen vuoteen 2025, ja Google laskettuna vuoteen 2029.
Kuinka pian kvanttialgoritmit muuttavat elämäämme
Kvanttilaskenta ei ole vielä päässyt valtavirtaan, muttavaikuttavat jo elintasoon – tai tulevat pian vaikuttamaan. Esimerkiksi D-Wave-kvanttitietokone on osoittanut kykynsä nopeuttaa merkittävästi Los Angelesin sataman työtä (silloin kun tutkimustiedoista tehdään tutkimusta), Daimler ja IBM Quantum ovat luomassa kvanttiakkuja sähköajoneuvoihin, ja RKC ja QBoard-projekti ovat kehittäneet kvanttialgoritmin ydinjätteen turvalliseen loppusijoitukseen Rosatomin edun mukaisesti.
Nopeimmin - 2-3 vuoden kuluessa - ne ilmenevätvariaatioalgoritmeja optimointiongelmien ratkaisemiseen, joita voidaan soveltaa laajalti lähes kaikilla toimialoilla. Tämä on hybridilaskentaluokka: kvanttiosa on vastuussa tilan muutoksista, ja klassinen osa auttaa vakauttamaan tätä prosessia. Ja koska hybridimallit ovat paljon yksinkertaisempia toteuttaa kuin täyskvanttimallit, olemassa olevien kvanttitietokoneiden teho riittää niille. RKC ja QBoard-projekti käyttävät kvanttialgoritmeja kemiallisen mallinnuksen ongelmien ratkaisemiseen autoteollisuuden hyödyksi. Variaatioalgoritmien kehittämiseen liittyy kuitenkin koko joukko haasteita. Matkalla niiden toteuttamiseen koko kvanttilaskenta-ala on mielenkiintoisten löytöjen edessä.
Lue lisää:
Vanhin koskaan löydetty kyrillinen teksti
"Web" löysi jälkiä uskomattoman valtavista tähdistä: ne kuolivat maailmankaikkeuden kynnyksellä
Maan stratosfääriin tallennettuja outoja ääniä: kuinka tiedemiehet yrittävät ymmärtää niiden luontoa
Kansikuva: Kuva starline on Freepik