Hamarosan végképp elérjük Moore törvényének korlátait, ezért alternatív megközelítésekre van szükség a számítási teljesítmény növeléséhez. A kvantumszámítástechnika és a mesterséges intelligencia összekapcsolása izgalmas lehetőségeket nyit meg. Mégpedig mindkét irányban. Egyrészt növekvő mértékben használhatjuk az MI-t a kvantumszámítástechnika gyors fejlődését jelenleg hátráltató anomáliák felderítésére és ellensúlyozására, másrészt a kvantumszámítástechnika segítségével kiterjeszthetjük a mesterséges intelligencia fejlesztését.
Csak idő kérdése, hogy mikor tudjuk kihasználni a kvantumrendszerek óriási számítási képességeit. Ezek áttörést hoznak majd például a gyógyszerkutatásban, és forradalmasítják a pénzügyi piacok működését azáltal, hogy képesek lesznek komplex algoritmusokat egyetlen szempillantás alatt feldolgozni. Egyes szakértők szerint azonban még 10 évbe is beletelhet, mire elérjük ezt a pontot.
A hagyományos szilíciumalapú számítástechnika sebességének sokszorosát ígérő technológiánál még mindig nagy a hibakockázat. A kvantumszámításhoz használt qubitoknak elég stabilnak kell lenniük ahhoz, hogy értelmes és pontos eredményeket adjanak. Ha instabilak, akkor az eredmények megbízhatatlanok lesznek. Bár a kvantumrendszerek állapotstabilitásának megteremtése és megőrzése terén már elértünk bizonyos eredményeket, még mindig nem elég gyors a fejlődés.
Egy kvantumszámítógép üzembe helyezése és működtetése természetesen bonyolultabb egy kicsit, mint egy hagyományos számítógépé. A szupravezetős qubit-technológiánál mikrohullámok segítségével vezérlik és mérik a qubiteket. Ezek természetüknél fogva kényesek és érzékenyek a környezetükből származó zajra - ami azt jelenti, hogy zavarják őket például a termikus zaj, az elektromágneses interferencia és az anyag tökéletlenségei. Még az egyszerű műveleteknél vagy méréseknél is jelentkezhetnek hibák. Ez azt jelenti, hogy a kvantumszámításokat mindig nagy teljesítményű számítástechnikai rendszereken végzett keresztellenőrzésnek kell alávetni, ami jelentősen rontja a jelenlegi kvantumszámítógépek használhatóságát. Annak ellenére, hogy a HPC-rendszerek a világ legnagyobb teljesítményű hagyományos számítógépei, bizonyos számításokat sokkal lassabban hajtanak végre a kvantumszámítógépeknél.
A qubitek finomhangolásához ma kézzel optimalizáljuk a mikrohullámú impulzusok alakját. De a nagyságrendet tekintve korlátozottak a lehetőségeink, reálisan nézve egyszerűen lehetetlen, hogy az ember egyszerre qubitek tucatjaira végezzel el ezt az optimalizálást. Itt lép be a képbe a mesterséges intelligencia. Az MI megtanulhatja úgy optimalizálni a mikrohullámú impulzusokat, hogy képesek legyenek egyszerre több qubitet jobban irányítani, csökkentve ezzel a kvantumhibák előfordulását. Ezen felül a mesterséges intelligencia felhasználható annak azonosítására, hogy mely qubiteket kell elsősorban felhasználni bizonyos kvantumszámítások elvégzésére.
Másfelől, a nagyobb teljesítményű kvantumszámítások lehetővé fogják tenni a gyorsabb, fejlettebb MI-rendszerek fejlesztését. És nem kell kvantumszakértőnek lenni ahhoz, hogy felismerjük, miért olyan izgalmas ez a kombináció.
2024-ben az optimalizált feladatkiosztás fejlődésének is tanúi leszünk. Az MI-vezérelt számítási brókereket továbbfejlesztve fel fogjuk tudni mérni egy számítási feladatról, hogy kvantumszámítógéppel, hagyományos számítógéppel vagy hibrid megoldással a legérdemesebb elvégezni. Mégpedig azért, mert még mindig sok olyan feladat van, ahol egy nagy teljesítményű számítógép (HPC) gyorsabb, mint egy kvantumszámítógép - például olyan egyszerű matematikai műveletknél, mint a szorzás és az összeadás. Ahogy MI-algoritmusok segítségével optimalizáljuk a qubitek manipulálását, stabilabbá válnak kvantumműveletek. Ez a kritikus áttörés pedig lehetővé teszi, hogy gyors ütemben, az eddig elért 100 qubitnél magasabb szintre növeljük a megbízható qubitek számát a kvantumrendszerekben.
A Fujitsu a japán RIKEN kutatóintézettel közösen, a hardver- és szoftverképességeket tökéletesítve munkálkodnak a 1000 qubites kvantumtechnológia megteremtésén.
Ez a megközelítés két módszert egyesít: a molekuláris környezet jelenlétében a véges fragmentumok kezeléséhez - még a köztük lévő nagyfokú korreláció esetén is - elméleti keretrendszert biztosító DMET (Density Matrix Embedding Theory) elméletet és a (néha Noisy Intermediate-Scale Quantum, NISQ eszközöknek nevezett) közeli kvantumeszközök optimalizálási problémáinak megoldására tervezett VQE (Variational Quantum Eigensolver) algoritmust.
A jövőben arra számítunk, hogy egy hibrid platformon létrejön majd az MI, a kvantumszámítógépek és a HPC jól működő integrációja, amely szükség esetén képes lesz zökkenőmentes átmenetet biztosítani a kvantumszámítások és a klasszikus számítások között. Ezért is várjuk annyira izgatottan 2024-et, a kvantumszámítástechnika áttörésének évét.
A Fujitsu kvantumszámítástechnikai fejlesztéseiről webhelyünkön olvashat bővebben