SoftBank ja Quantinuumin valkoinen kirja karttaa käytännöllisen polun kaupalliseen kvanttilaskentaan

Uusi SoftBank ja Quantinuum valkoinen kirja, Quantum Computing Frontiers, yrittää vastata yhteen alan tärkeimmistä ja pysyvimmistä kysymyksistä: milloin kvanttitietokoneet tulevat olemaan hyödyllisiä kaupallisesti merkittävissä tehtävissä? Sen sijaan, että “kvantti-etua” kohteltaisiin yhtenä läpimurron hetkenä, 65-sivuisen tutkimuksen kartoittaa tiettyjä työkuormia Quantinuumin laitteiston peräkkäisiin sukupolviin. Sen analyysi keskittyy kahteen jo SoftBankin tutkimassa aihealueeseen: kvanttikemia materiaalien ja energian sovelluksiin ja topologiseen data-analyysiin graafipohjaisiin ongelmiin, kuten viestintäpetosten havaitsemiseen. Tuloksena on vähemmän ennustetta, milloin kvanttilaskenta yhtäkkiä muuttaa teollisuutta, ja enemmän askelmainen kehys, jossa hyödylliset työkuormat voivat laajeta, kun kvanttipilkkujen laatu, virheenkorjaus ja järjestelmän mittakaava paranevat.

Siirtyminen kvanttipilkkujen määrän yli

Kvanttilaskennan tiekartat esitetään yleensä laitteiston mittareiden kautta, kuten fyysisten kvanttipilkkujen, portin uskollisuuden tai kvanttivolyumin. Nämä osoittimet ovat tärkeitä, mutta ne eivät välttämättä kerro valmistajalle, lääkevalmistajalle tai viestintäoperaattorille, mitä laite voi saavuttaa.

SoftBank ja Quantinuum käyttävät sovelluskeskeistä lähestymistapaa. Tutkimus alkaa edustavilla teollisilla ongelmilla, arvioi loogisia kvanttipilkkujen, porttien lukumäärän, piirin syvyyden ja virheiden määrän, jotka tarvitaan niiden ratkaisemiseen, ja vertaa näitä vaatimuksia Quantinuumin suunniteltuihin laitteistoversioihin.

Menetelmä sisältää eksplisiittisen piirin rakentamisen ja, missä mahdollista, suorittamisen olemassa olevalla laitteistolla tai emulaattoreilla. Tämä on tarkoitus kaventaa teoreettisesti lupaavien algoritmien ja ohjelmien välistä kuilua, jotka voidaan toteuttaa realistisissa rajoituksissa.

Tutkimuksen keskeinen väite on, että kvanttitietokoneen kyky kehittyy laajenevana kuorena. Pienet demonstraatiot muuttuvat koepilkuuksi, koepilkuut edistävät sovellusrelevantteja laskelmia, ja jotkut laskelmat lopulta kehittyvät integroiduiksi teollisiksi palveluiksi. Kaupallinen hyödyllisyys on siten odotettavissa saapuvan eri aikoina eri ongelmille, eikä kaikkialla kerran tietty kvanttipilkkuraja ylittyy.

Kvanttikemia on edelleen korkean arvon kohde

Kvanttikemia nähdään yleisesti yhtenä luonnollisimmista sovelluksista kvanttilaskennalle, koska molekyylitoiminta on itse hallittu kvanttimekaniikalla. Kun molekyylijärjestelmät tulevat monimutkaisemmiksi, niiden elektronirakenteiden tarkan mallintamisen voi olla erittäin vaativaa klassisille tietokoneille.

Valkoinen kirja keskittyy kiihdytettyihin tiloihin ja valokemiallisiin reaktioihin. Nämä ilmiöt vaikuttavat siihen, miten molekyylit absorboidaavat valoa, muuttavat muotoa, siirtävät energiaa ja hajoavat ajan myötä. Parempi kyky mallintaa niitä voisi tukea valoherkkien materiaalien, molekulaaristen kytkimien, energiateknologioiden, älyikkaiden ikkunoiden, lisättyjen todellisuuden näyttöjen, optisten verkkojen laitteiden ja muiden edistyneiden tuotteiden suunnittelua.

Optinen kytkentä materiaalit tarjoavat tutkimuksen ensisijaisen esimerkin. Niiden tehokkuus riippuu elektronisista siirtymistä, jotka määräävät, tuotetaanko absorboidusta energiasta haluttu molekulaarinen muutos vai häviääkö se ei-toivottuihin reaktioihin. Klassiset menetelmät voivat kamppailla, kun useat elektroniset tilat ovat lähellä toisiaan tai kun tutkijat tarvitsevat mallintaa realistisia kemiallisia ympäristöjä.

Kvanttitietokoneet voivat lopulta auttaa tutkijoita simuloimaan enemmän tätä käyttäytymistä ennen kuin fyysisiä materiaaleja syntetisoidaan. Sen sijaan, että riippuvat voimakkaasti koelaboratoriotyöstä, yritykset voivat käyttää korkealaatuisia simulaatioita suodattamaan ehdokasmolekyylejä, hylätä heikot suunnitelmat aikaisemmin ja kohdistaa resursseja lupaavimpiin materiaaleihin.

Tämä on taloudellisesti merkittävä tavoite, mutta tutkimus esittää sitä tosiasiallisena tuotantokapasiteettina. Ensimmäiset vaiheet käsittävät pienten molekyylien todistuskonsepteja, virheenkorjauspiirejä ja rajoitettuja simulaatioita. Kemiallisesti tarkin mallinnus suurista järjestelmistä on edelleen sidottu huomattavasti edistyneempään virheenkorjaavaan laitteistoon.

Virheenkorjaus on edelleen määrittävä rajoitus

Kvanttikemian työ tarjoaa myös hyödyllisen todellisuuden tarkistuksen teknologian tilasta.

Tutkimus käyttää faasiarviomenetelmiä, mukaan lukien menetelmän mittaamiseen molekulaaristen energiatilojen välisiä eroja. Se sisältää Steanen virheenkorjauskoodin, joka koodaa yhden loogisen kvanttipilkkun seitsemän fyysisen kvanttipilkkun yli ja on sovelias varhaisiin virheenkorjauskokeisiin.

Sen sijaan, että tutkitaan, parantaa virheenkorjaus yksittäistä porttia tai pidentää kvanttipilkkujen elinikää, tutkijat arvioivat virheenkorjausta algoritmien innoittamissa piireissä. Tämä on vaativampi testi, koska virheet kertyvät, kun ohjelma kasvaa syvemmäksi ja vaatii enemmän operaatioita.

Tulokset, jotka on tuotettu Quantinuumin H2- ja Helios-ympäristöissä, osoittavat, että virheenkorjaus voidaan tulla hyödylliseksi suuremmilla piirisyvyyksillä. Kuitenkin koodattu toteutus ei vieläkään ylitä idealisoitua dekoodattua loogista piiriä. Muistivirheet, odottamisaika, koodauskulut ja ei-Clifford-operaatioiden kustannukset ovat edelleen tärkeitä esteitä.

Tämä ero on merkittävä. Virheenkorjaus on osoittanut edistystä komponenttitasolla, mutta suorittaa pitkiä, sovellusrelevantteja algoritmeja, joilla on nettoetua, on edelleen vaikeaa. Tutkimus asettaa siten nykyiset kokeet valmisteluvaiheeksi virheenkorjaavalle laskennalle eikä todisteeksi siitä, että laajamittainen kvanttikemia on jo saapunut.

Heliosista virheenkorjaavaan Lumos-järjestelmään

Tiekartta seuraa neljää Quantinuumin laitteiston sukupolvea: Helios, Sol, Apollo ja Lumos.

Helios edustaa nykyistä vaihetta. Kemiassa tutkimus liittää siihen fyysisen tason kokeita, jotka sisältävät noin 50 spin-orbitaalia, sekä paljon pienempiä loogisia demonstraatioita, jotka sisältävät noin 10 spin-orbitaalia. Odotettu käyttö on pääasiassa tekninen validointi ja pienten molekyylien kiihdytettyjen tilojen todistuskonseptit.

Sol, jota on suunniteltu vuodelle 2027, esitetään alkuvaiheena. Tiekartta odottaa suurempia fyysisiä kokeita ja varhaisia loogisia stabilisointeja, mutta loogiset kemian työkuormat ovat edelleen pieniä. Mahdollinen kaupallinen merkitys keskittyy rajoitettuihin kiihdytettyihin sovelluksiin ja tutkimustehokkuuden parantamiseen lääke- ja materiaalivalmistajille.

Apollo, jota on suunniteltu vuodelle 2029, merkitsee merkittävämpää siirtymää. Tutkimuksen oletusten mukaan loogiset laskelmat voivat laajentua noin 100 spin-orbitaaleihin, tukeakseen keskisuurella aineiden mallinnusta ja tarkempia kiihdytettyjä laskelmia. Tämä on vaihe, jossa tiekartta alkaa yhdistää teknologiaa määrättyihin tutkimus- ja kehityskustannusten vähennyksiin.

Lumos, jota suunnitellaan suurelle virheenkorjaavalle järjestelmälle 2030-luvulle, edustaa kaikkein kunnianhimoisempaa vaihetta. Tutkimus liittää siihen yli 100 loogisen spin-orbitaalin, kemiallisen tarkin ja skaalautuvan materiaalilöytötyön.

Nämä merkkipaaluksi eivät ole sitoumuksia siitä, että määrättyjä sovelluksia tulee olemaan kaupallisesti saatavilla näillä päivämäärillä. Tutkimuksen tekijät kuvaavat tiekartan oletusperäiseksi kuoreksi, joka on altis epävarmuuksille, jotka liittyvät fyysisten virheratojen, loogisen koodauksen ylijäämän, portin synteesin ja toteutetun laitteiston suorituskyvyn ympärillä.

Petosten havaitseminen voi tarjota aikaisemman kaupallisen polun

Tutkimuksen toinen aihealue, topologinen data-analyysi, voi seurata lyhyempää reittiä kaupalliseen käyttöön.

Topologinen data-analyysi tutkii monimutkaisten tietojoukkojen rakennetta tai “muotoa”. Graafipohjaisissa ympäristöissä se voi tunnistaa kuviot, jotka liittyvät yhteyksiin, silmukoihin, ryhmiin ja korkeampiin ulottuvuuksiin, jotka voivat olla vaikeita havaita perinteisen tilastotieteen avulla.

SoftBank ja Quantinuum tutkivat, voivatko nämä tekniikat parantaa viestintäpetosten havaitsemista. Puhelut, viestit, tilirelaatiot ja rahansiirrot voidaan esittää verkkoina, ja graafiset neuroniverkot voidaan käyttää epäilyttävien solmujen tai toiminnan tunnistamiseen.

Petkijät yrittävät kuitenkin muistuttaa tavallisia käyttäjiä. He voivat jakaa toimintaa tileille, käyttää epäsuoria siirtoreittejä tai jakaa keräys-, välitys- ja käteisvaluutan jakamisen useiden osallistujien kesken. Nämä taktiikat voivat välttää järjestelmiä, jotka keskittyvät paikallisiin osoittimiin, kuten tileihin liittyvien yhteyksien määrään.

Tutkijat täydentävät graafisen neuroniverkon piirteillä, jotka tunnetaan Laplace-momentteina. Nämä piirteet on suunniteltu havainnoimaan rakenteellista tietoa pelkästään paikallisten tilastojen ja korkeampien globaalisten topologisten mittauksien välillä. Viestintäpetosten benchmarkilla Laplace-momenttien lisääminen tuotti kohtuullisia parannuksia muun muassa palautusarvon, F1-lukuarvon ja muiden luokittelumittarien osalta. Palautusarvon parannus oli tilastollisesti merkittävä tutkimuksen testiajojen aikana.

Tutkimus kääntää tämän parannuksen esittävään taloudelliseen skenaarioon. Se mainitsee arvioidun globaalin viestintäpetosten menetykset 38,95 miljardiksi dollariksi vuonna 2023 ja arvioi 10 miljardin dollarin osuutta tästä menetyspoolista. Kiintoprecisiolla 0,9 mitattu palautusarvon parannus vastaisi noin 220 miljoonan dollarin potentiaalisesti vähennetyistä vuosittaisista menetyksistä.

Tämä lukema ei pidä tulkita ennusteenä. Se olettaa, että mallin parannukset, havaittu benchmark-aineistossa, siirtyisivät suhteessa todellisiin estettyihin menetyksiin. Operatiivinen käyttöönotto vaatisi myös tietojen laatua, integrointia, virheellisiä positiivisia, muuttuvia petosstrategioita ja ihmisten tutkimusprosesseja.

Enemmän kuin mitä tahansa, koe ei osoittanut kvantti-etua. Aineisto oli niin harva, että asiaankuuluvat piirteet voitiin laskea klassisesti, ja siinä oli liian vähän korkeampaa rakennetta testatakseen vaativimmat tekniikan muodot.

Tuloksena on kuitenkin merkittävä, koska sama analyysi on hyödyllinen jo klassisen suorituskyvyn tietokoneiden avulla, ja se voi laajentua kvanttilaskentaan, jos tulevaisuuden graafisten koko tai rakenteellinen monimutkaisuus ylittää klassisen rajoitukset.

Tiekartta hybridi-kvanti- ja tekoäly-infrastruktuurille

SoftBank ja Quantinuum asettavat molemmat sovellusalueet laajempaan “kvantti-tekoäly-tietokeskuksien” visioon. Tässä mallissa kvanttiprosessorit eivät korvaa grafiikkaprosessoreita, keskusprosessoreita tai supertietokoneita. Ne toimisivat erikoistuneina kiihdyttimina hybridi-infrastruktuurissa.

Klassiset järjestelmät jatkaisivat tietojen valmistelua, koneoppimista, orkestraatiota ja jälkikäsittelyä. Kvanttiprosessorit määrättäisiin huolellisesti valittuihin työnkulun osiin, joissa kvantti-algoritmit tarjoavat merkittävän laskennallisen hyödyn.

Petosten havaitsemisessa tämä voisi käsittää kvanttiprosessorin, joka luo vaikeita rakenteellisia piirteitä, ennen kuin ne siirretään graafiseen neuroniverkkoon, joka suoritetaan perinteisellä tekoäly-infrastruktuurilla. Materiaalitutkimuksessa kvanttitietokone voisi suorittaa valittuja elektronirakenteen laskelmia, kun taas klassiset suorituskyvyn tietokonejärjestelmät hallitsisivat laajempaa simulaatiota ja optimointiputkea.

Tämä hybridiarkkitehtuuri on myös kaupallisesti realistisempi kuin odottaa, että yritykset korvaavat vakiintuneet laskentaympäristönsä. Se sallii organisaatioiden integroida kvanttikapasiteetteja asteittain pilvipalvelujen, tietokeskuksen kiihdyttimien ja sovelluskohtaisiden työnkulkujen kautta.

SoftBank ja Quantinuum ovat tutkineet kvanttilaskennan liiketoimintamalleja siitä lähtien, kun he ilmoittivat yhteistyöstään vuonna 2025. Valkoinen kirja on tarkoitus informoida tätä työtä, mukaan lukien mahdollisen tulevan kvantti-tekoäly-infrastruktuurin ja palvelujen kehittämistä.

Yritykset eivät tarvitse odottaa Lumosta

Yksi tutkimuksen käytännöllisimmistä johtopäätöksistä on, että yritysten ei pitäisi odottaa täysin virheenkorjaavaa järjestelmää ennen sovelluksen tutkimisen aloittamista.

Rakentaminen kaupallisesti hyödylliseksi kvanttitöönkulku vaatii enemmän kuin laitteiston saatavuus. Organisaatioiden on oltava sopivia tietoja, alan asiantuntemusta, vertailukohtia, klassisia vertailukohtia, erikoistuneita algoritmeja ja integrointia olemassa olevien tekoäly- ja suorituskyvyn tietokonejärjestelmien kanssa. Nämä kykyjen kehittäminen voi kestää vuosia.

Lähiaikaiset kokeet voivat luoda arvoa, vaikka kvanttilaitteisto ei vielä ylitä klassisia vaihtoehtoja. Yritykset voivat tunnistaa, mitkä sisäiset ongelmat ovat sovellettavissa, laskea resurssivaatimukset, kehittää hybridi-työnkulkua ja perustaa mittauksia, jotka lopulta määrittävät, tarjoaako kvanttilaskenta etua.

Petosten havaitsemisen esimerkki havainnollistaa tätä strategiaa erityisen hyvin. SoftBank voi tutkia parannettuja graafipiirteitä klassisen laskennan avulla jo nyt, samalla kun se tutkii, voivatko korkeammat versiot näistä piirteistä tulla tulevaisuuden kvanttikiihdytyksen kohteiksi.

Yritysjohtajille tämä lähestymistapa korvaa epämääräisen ohjeen “ole kvantivalmis” käytännöllisemmällä kysymyksellä: mitkä työkuormat voivat hyötyä, mitä laitteistoa ne vaativat ja mitä valmistelua voidaan aloittaa ennen laitteiston saapumista?

Lopulta SoftBankin ja Quantinuumin valkoinen kirja on arvokkain, koska se kieltäytyy käsittämästä kvantti-etua yhtenä tapahtumana. Linkittämällä konkreettiset työkuormat Heliosiin, Soliin, Apollon ja Lumokseen valkoinen kirja esittää kvantin omaksumisen asteittaisena prosessina, jossa on tekninen validointi, työnkulun kehittäminen ja laajeneva taloudellinen merkitys. Sen aikataulut ovat edelleen epävarmoja, mutta sovelluskeskeinen kehys tarjoaa uskottavamman tavan organisaatioille päättää, milloin, missä ja miksi kvanttilaskenta voi tulla käyttökelpoiseksi.