คอมพิวเตอร์ควอนตัมสามารถปฏิวัติโลกของเราได้อย่างไร

Google, IBM, Intel, Microsoft... เป็นเวลาหลายเดือนแล้วที่ยักษ์ใหญ่ด้านไอทีได้ประกาศเพื่อแสดงความพยายามที่พวกเขาดำเนินการในด้านการประมวลผลควอนตัม ปัจจุบันการวิจัยสาขานี้เป็นหนึ่งในสาขาที่มีพลวัตมากที่สุดในสาขาเทคโนโลยีขั้นสูง ความร่วมมือและความร่วมมือกำลังผุดขึ้นมาจากทุกด้าน อุตสาหกรรมคลาสสิกก็มีส่วนร่วมเช่นกัน เพราะพวกเขาหวังว่าคอมพิวเตอร์ควอนตัมจะช่วยให้พวกเขาก้าวไปอีกขั้นในการสร้างสรรค์นวัตกรรมของพวกเขา พันธมิตรในโครงการวิจัยควอนตัมของ IBM ได้แก่ ธนาคาร (JP Morgan Chase, Barclays) ผู้ผลิตรถยนต์ (Daimler, Honda) ผู้ผลิตสารเคมีและวัสดุ (Nagase, Hitachi Metals, JSR Corporation)

เพื่อทำความเข้าใจความกระตือรือร้นทั่วไปนี้ เราต้องนึกถึงหลักการคำนวณควอนตัมบางประการ ขึ้นอยู่กับการใช้ "บิตควอนตัม" หรือ qbits ซึ่งมีค่าเฉพาะของค่าทั้ง 0 และ 1 คุณสมบัตินี้เป็นผลโดยตรงจากหลักการของการซ้อนทับของควอนตัม ซึ่งหมายความว่าอนุภาคสามารถมีสถานะ d หลายค่าพร้อมกันได้ เวลา. ตัวอย่างของสถานะคือ สปิน ซึ่งเป็นคุณสมบัติที่มักจะเท่ากับโมเมนตัมเชิงมุม

ความเท่าเทียมขนาดใหญ่และเป็นธรรมชาติ

ข้อได้เปรียบในระดับการคำนวณคือการที่การซ้อนทับนี้ทำให้คอมพิวเตอร์ควอนตัมมีพลังการประมวลผลแบบเอ็กซ์โปเนนเชียลตามธรรมชาติ รีจิสเตอร์ของ N qbits สามารถมีได้พร้อมกัน 2^เอ็นค่าที่สามารถแปลงได้ด้วยการสืบทอดประตูลอจิกควอนตัม การดำเนินการทั้งหมดนี้จะถูกนำไปใช้พร้อมกันกับ 2^เอ็นค่า ดังนั้นในตอนท้ายเราจะได้ค่าซ้อนทับเป็น 2^เอ็นผลลัพธ์.
“ในทางหนึ่ง กลศาสตร์ควอนตัมให้ความเท่าเทียมมหาศาลได้ฟรี แต่ความเท่าเทียมนี้ค่อนข้างเป็นเรื่องสมมติ เพราะเมื่อเราอ่านรีจิสเตอร์ การซ้อนทับของควอนตัมจะหายไป และเราได้รับสถานะพื้นฐานเพียงสถานะเดียวเท่านั้น ศิลปะทั้งหมดของอัลกอริธึมควอนตัมจึงทำให้แน่ใจว่าเมื่อสิ้นสุดการคำนวณ เราจะได้ผลลัพธ์ที่น่าสนใจDaniel Estève ผู้อำนวยการฝ่ายวิจัยและหัวหน้ากลุ่ม Quantronics ในแผนกฟิสิกส์สถานะควบแน่นของ CEA อธิบาย

ศักยภาพในพลังการประมวลผลนี้บ่งบอกถึงแอปพลิเคชันที่เป็นรูปธรรมมากมาย โดยเริ่มจาก... การจารกรรม ในทางทฤษฎีคอมพิวเตอร์ควอนตัมแตกต่างจากคอมพิวเตอร์คลาสสิกตรงที่มีความสามารถในการแยกจำนวนจำนวนมากให้เป็นจำนวนเฉพาะได้ค่อนข้างรวดเร็ว ซึ่งจะหมายถึงการตายของการเข้ารหัสคีย์สาธารณะซึ่งเป็นเทคโนโลยีที่เป็นพื้นฐานของการแลกเปลี่ยนทางดิจิทัลในปัจจุบัน ดังนั้นจึงไม่น่าแปลกใจที่ NSA ก็มีโครงการวิจัยควอนตัมเช่นกัน

ค้นหาโมเลกุลด้วยการคำนวณที่แม่นยำ

แต่ยังมีวิธีที่สร้างสรรค์ในการดูการคำนวณควอนตัมอีกด้วย ภาคส่วนแรกๆ ที่ควรได้รับประโยชน์คือวิชาเคมีและฟิสิกส์ของวัสดุ
คอมพิวเตอร์ควอนตัมควรช่วยให้สามารถค้นหาโมเลกุลใหม่ที่มีคุณสมบัติที่น่าสนใจได้รวดเร็วยิ่งขึ้น ปัจจุบันการจำลองคุณสมบัติของโมเลกุลด้วยการคำนวณเป็นเรื่องยากมาก การคำนวณขึ้นอยู่กับสิ่งที่เรียกว่าสมการชโรดิงเงอร์ ซึ่งซับซ้อนเป็นพิเศษและอยู่นอกเหนือการเข้าถึงของเครื่องคิดเลขแบบเดิมๆ
“ยิ่งมีอะตอมมากเท่าใด ปฏิกิริยาระหว่างอะตอมเหล่านี้ก็ยิ่งมากขึ้นเท่านั้น และความซับซ้อนนี้จะเพิ่มขึ้นแบบทวีคูณ ในระดับของการจำลอง เราจึงถูกจำกัดขนาดของมวลรวมโมเลกุลอย่างรวดเร็ว”อธิบายโดย Christophe Calvin หัวหน้าภาคไอที การจำลองดิจิทัลและการประมวลผลแบบเข้มข้นที่ CEA/DRF และ Christian Gamrat หัวหน้าฝ่ายวิทยาศาสตร์ของแผนกการออกแบบสถาปัตยกรรมและซอฟต์แวร์ฝังตัวที่ CEA/List ชายทั้งสองยังได้ร่วมลงนามในบทความเกี่ยวกับเรื่องนี้ด้วย“เคลฟส์” ฉบับล่าสุดซึ่งเป็นวารสารที่จัดพิมพ์โดย CEA

เพื่อให้บรรลุเป้าหมาย นักวิจัยจึงถูกบังคับให้ใช้ชุดการประมาณซึ่งต้องใช้การทดลองจำนวนมากเพื่อให้ได้ผลลัพธ์ที่ถูกต้องในที่สุด พลังการประมวลผลของคอมพิวเตอร์ควอนตัมจะช่วยให้สามารถคำนวณได้อย่างแม่นยำโดยไม่ต้องประมาณค่า ส่งผลให้ประหยัดเวลาได้มาก
ตามที่ Microsoft กล่าว คอมพิวเตอร์ควอนตัมที่มี 100-200 คิวบิต จะทำให้สามารถออกแบบตัวเร่งปฏิกิริยาเพื่อแยกก๊าซคาร์บอนไดออกไซด์ออกจากชั้นบรรยากาศ และอาจช่วยแก้ปัญหาภาวะโลกร้อนได้
นอกจากนี้เรายังสามารถจินตนาการถึงการค้นพบวัสดุตัวนำยิ่งยวดชนิดใหม่ที่อุณหภูมิห้อง ซึ่งจะช่วยให้สามารถส่งกระแสไฟฟ้าได้โดยไม่สูญเสียข้อมูล คำตอบสุดท้ายสำหรับความท้าทายของชิ้นส่วนอิเล็กทรอนิกส์ในปัจจุบันคืออะไร? ผลกระทบต่อชีวิตประจำวันของเราคงจะมหาศาล

ลดการทำซ้ำในการเพิ่มประสิทธิภาพ

แอปพลิเคชั่นหลักอื่น ๆ ที่มีไว้สำหรับการคำนวณควอนตัมคือการเพิ่มประสิทธิภาพซึ่งก็คือการหาค่าต่ำสุดหรือสูงสุดของฟังก์ชัน ปัญหาประเภทนี้มีอยู่ในหลายพื้นที่: การจัดการจราจร การคำนวณเส้นทาง ตารางเวลา ปัญหาการจัดกำหนดการและการวางแผน การคำนวณความเสี่ยงทางการเงิน ฯลฯ
ปัญหาที่เป็นรูปธรรมเหล่านี้อาจกลายเป็นปัญหาที่ซับซ้อนได้อย่างรวดเร็วหากจำนวนตัวแปรมากเกินไป กรณีพิเศษของการเพิ่มประสิทธิภาพคือการเรียนรู้ของเครื่องซึ่งโดยทั่วไปเกี่ยวข้องกับการลดฟังก์ชันข้อผิดพลาดให้เหลือน้อยที่สุด
ปัจจุบันกระบวนการทั้งหมดนี้เป็นแบบวนซ้ำและเป็นค่าโดยประมาณ ตัวอย่างเช่น แมชชีนเลิร์นนิงมักจะต้องอาศัยการอ่านวัตถุหลายล้านหรือหลายสิบล้านรายการเพื่อวิเคราะห์ การซ้อนทับของค่าของการคำนวณควอนตัมสามารถพิสูจน์ได้ว่าน่าสนใจ

แต่มีแนวโน้มว่าการแก้ปัญหาการหาค่าเหมาะที่สุดจะเกิดขึ้นในภายหลังหลังจากการคำนวณโมเลกุลเท่านั้น อย่างหลังสามารถพึ่งพาห้องสมุดของอะตอมเทียมที่จะดำเนินการ ในทางกลับกัน ปัญหาการเพิ่มประสิทธิภาพเริ่มต้นจากสถานการณ์ที่มีข้อจำกัดแตกต่างกันในแต่ละครั้ง ดังนั้นจึงต้องมีการเตรียมการและการเริ่มต้นที่หนักกว่ามาก แต่ละสาขาจะต้องค้นหาว่าคอมพิวเตอร์ควอนตัมสามารถนำมาสู่ปัญหาที่เผชิญอยู่ได้อย่างไร เพื่อให้บรรลุเป้าหมายนี้ ภาคส่วนต่างๆ เหล่านี้จะต้องเข้าถึงเส้นทางเทคโนโลยีที่แตกต่างกัน... เราจะสำรวจพวกเขาในบทความต่อๆ ไป

🔴 เพื่อไม่พลาดข่าวสาร 01net ติดตามเราได้ที่Google ข่าวสารetวอทส์แอพพ์-