Haiqu julkaisee Agentic Quantum Operating Systemin nopeuttaakseen yritysten kvantumtutkimusta ja -kehitystä

Kvanttilaskenta on kärsinyt pitkään käytännön ongelmasta: vaikka laitteisto parani, hyödyllisten sovellusten kehittäminen on edelleen hidasta, kallista ja erittäin erikoistunutta. New Yorkissa toimiva Haiqu yrittää ratkaista tämän ongelman julkaisemalla uuden Agentic Quantum Operating Systemin (HaiquOS), joka on suunniteltu automatisoimaan ja optimoimaan kvanttitietokonesovellusten kehittämistä yritysten ja tieteellisten tutkimusryhmien tarpeisiin.

Haiqu ei keskity pelkästään qubittien määrän lisäämiseen tai laitteiston suorituskyvyn parantamiseen, vaan se kohdistaa huomionsa ohjelmisto-infrastruktuuriin, joka määrittää, voivatko nykyiset kvanttitietokonejärjestelmät tuottaa merkityksellisiä tuloksia lainkaan. Yritys kuvailee HaiquOS:ia täydelliseksi “agentic”-kvanttiälyohjelmistoksi, joka yhdistää tekoälyohjattuja tutkimusagentteja, omistuksessa olevaa middlewareä, kehittäjätyökaluja ja orkesterointijärjestelmiä yhdeksi ympäristöksi kvanttitutkimukselle ja -kehitykselle.

Kvanttilaskennan todellinen pullonkaula

Vaikka suurin osa alan keskustelusta keskittyy kvanttilaitteiden läpimurtoihin, monet tutkijat väittävät, että ohjelmistotehokkuuden puute on yksi suurimmista esteistä, jotka estävät kvanttilaskennan käytännön soveltamisen.

Nykyiset kvanttiprosessorit ovat edelleen rajoitettuja melun, rajoitettujen koherenssiaikojen ja rajoitetun laskentakapasiteetin vuoksi. Kokeiden suunnittelu, jotka voidaan suorittaa näillä järjestelmillä, vaatii usein laajan manuaalisen optimoinnin, erittäin erikoistunutta asiantuntemusta ja merkittävää koetta ja virhettä.

Haiqu:n alusta on suunniteltu vähentämään tätä monimutkaisuutta. Tutkijat voivat syöttää tutkimuskohteita tai liiketoimintaproblemeja luonnollisella kielellä, ja järjestelmä auttaa luomaan suoritettavissa olevia kvanttitöidenkulkuja ja optimoi, miten nämä kokeet suoritetaan saatavilla olevalla laitteistolla.

Yritys sanoo, että sen middleware-kehys keskittyy voimakkaasti vähentämään hukkaan meneviä kvanttioperaatioita tekniikoilla, kuten piirin optimoinnilla, virheen vähentämisellä, orkesteroinnin tehokkuudella ja edistyneellä datakoodauksella. Tavoitteena ei välttämättä ole rakentaa suurempia kvanttitietokoneita, vaan saada enemmän hyödyllistä työtä olemassa olevasta laitteistosta.

Agentic AI alkaa muovata kvanttitutkimusta

Julkaisu heijastaa myös kasvavaa yhteenkuuluvuutta agentic AI -järjestelmien ja kvanttilaskennan kehityksen välillä.

Haiqu:n käyttöjärjestelmä käyttää tekoälyohjattuja agentteja automatisoimaan osia tutkimus- ja sovelluskehitysprosessista, jotka vaatisivat perinteisesti erittäin erikoistunutta kvantti-insinöörien asiantuntemusta. Sen sijaan, että jokainen työvoimakulku rakennetaan käsin alusta alkaen, tiimit voivat käyttää alustaa kiihdyttääksesi kokeiden suunnittelua, algoritmien valintaa ja optimointistrategioiden kehittämistä.

Tämänkaltaista “agentic kvanttitöidenkulkua” pidetään edelleen kehittyvänä käsitteenä, mutta se herättää kasvavaa mielenkiintoa, kun yritykset etsivät keinoja tehdä kvanttilaskenta helpommin saatavilla laajoille ryhmille asiantuntijoita.

Tämä lähestymistapa voi tulla erityisen tärkeäksi, kun yritykset alkavat kokeilla kvanttitietokoneita sisäisesti. Yksi suurimmista esteistä kvanttilaskennan omaksumiselle tänään ei ole ainoastaan laitteiston saatavuus — se on tutkijoiden puute, jotka pystyvät kääntämään kaupalliset ongelmat toimiviksi kvanttikokeiksi.

Haiqu näyttää asemoida alustansa sillaksi yritysten tutkimus- ja kehitystiimien ja yhä monimutkaisemman kvantti-infrastruktuurin välillä.

Lähestymistapa lähiaikaisen kvanttitilanteen hyödyntämiseen

Haiqu on korostanut jatkuvasti ajatusta, että kaupalliset kvanttitarkoituksiin voidaan päästä aikaisemmin kuin monet odottavat, jos ohjelmistokerros on optimoitu oikein.

Tämä filosofia heijastuu yrityksen laitteistoriippumattomassa lähestymistavassa. Sen sijaan, että se rakentaisi omia kvanttiprosessoreita, Haiqu keskittyy middlewareen, joka pystyy toimimaan eri kvanttiarkkitehtuureilla ja maksimoimaan olemassa olevien järjestelmien tehokkuutta.

Yksi alue, jota Haiqu on erityisesti kiinnostunut, on kvanttidatakoodaus — suuri haaste nykyisessä kvanttilaskennassa. Todellisen maailman datan lataaminen kvanttipiireihin on edelleen laskennallisesti kallista ja usein rajoittaa monien kvantalgoritmien käytännön hyödyllisyyttä.

Haiqu:n viimeaikaiset työt rahoitusmallinnuksessa ja molekyylisimulaatioissa osoittavat, että yritys on keskittynyt vähentämään näitä kustannuksia, jotta nykyiset kvanttitietokonejärjestelmät voivat käsitellä enemmän merkityksellisiä työkuormia.

Yritykset alkavat kokeilla

Useat suuret yritykset ovat saaneet jo varhaisen pääsyn HaiquOS:ään, mukaan lukien Capgemini ja Deloitte.

Yritys on myös laajentanut yhteistyötä rahoituspalvelujen ja kvanttitutkimuksen ekosysteemien kanssa, kun kiinnostus käytännön kvanttitarkoituksiin jatkuu kasvamassa.

Perustettu vuonna 2022 Richard Givhanin ja kvanttitutkija Mykola Maksymenkon toimesta, Haiqu on nopeasti asettanut itsensä kasvavan kvantti-middleware-sektorin keskuudessa. Sen sijaan, että se kilpailisi suoraan laitteiston valmistajien kanssa, yritys panostaa siihen, että kvantti-teollisuuden seuraava vaihe määritellään ohjelmistojen orkesteroinnilla, optimoinnilla ja työvoimakulun automaatiolla.

Miksi middleware saattaa määritellä kvanttilaskennan seuraavan vaiheen

Kvantti-teollisuus on vähitellen siirtymässä pitkäaikaisista teoreettisista lupausten luokse käytännön kysymyksiin liittyen käytettävyydestä ja skaalautuvuudesta.

Yritykset tutkivat yhä enenevissä määrin, voivatko ohjelmistoparannukset lukitsemaan kaupallisen arvon nykyisistä epätäydellisistä kvanttilaitteista, sen sijaan, että ne odottaisivat täysin virheettömiä järjestelmiä, jotka voivat olla edelleen vuosia etäällä.

Jos alustat kuten HaiquOS voivat jatkuvasti parantaa suoritusefektiivisyyttä ja vähentää laskennallisia kustannuksia, middleware voi tulla yhdeksi määrittävistä kerroksista tulevasta kvanttipinosta.

Mahdolliset sovellukset kattavat useita aloja, mukaan lukien:

• rahoitusmallinnus ja riskianalyysi,
• molekyylisimulaatiot ja materiaalitutkimus,
• optimointiongelmat,
• kvantti-koneoppiminen,
• tieteellinen tutkimus, joka liittyy monimutkaisiin fysikaalisiin järjestelmiin.

Pitkän aikavälin haaste tulee olemaan määrittää, voivatko ohjelmistoparannukset jatkua skaalautumista kvanttilaitteiston edistysten rinnalla. Mutta Haiqu:n julkaisu korostaa kasvavaa uskomusta alan sisällä, että käytännön kvanttilaskennan tie saattaa riippua yhtä lailla älykkään ohjelmistojen orkesteroinnista kuin laitteistosta itsessään.