SoftBank i Quantinuum Biały Papier Mapuje Praktyczną Ścieżkę do Komercyjnych Komputerów Kwantowych

Nowy SoftBank i Quantinuum biały papier, Quantum Computing Frontiers, próbuje odpowiedzieć na jedno z najważniejszych i najbardziej uporczywych pytań branży: kiedy komputery kwantowe staną się użyteczne dla komercyjnie istotnej pracy? Zamiast traktować “kwantową przewagę” jako pojedynczy przełomowy moment, 65-stronicowe badanie mapuje konkretny ładunek pracy na kolejne generacje sprzętu Quantinuum. Analiza koncentruje się na dwóch obszarach, które są już badane przez SoftBank: chemia kwantowa dla materiałów i aplikacji energetycznych oraz analiza danych topologicznych dla problemów grafowych, takich jak wykrywanie oszustw w telekomunikacji. Wynikiem jest mniej przewidywanie, kiedy komputery kwantowe nagle zmienią przemysł, a bardziej stopniowa ramka pokazująca, jak użyteczne ładunki pracy mogą się rozwinąć wraz z poprawą jakości qubitów, korekcji błędów i skali systemu.

Przekraczając Liczbę Qubitów

Mapy drogowe komputerów kwantowych są często przedstawiane za pomocą wskaźników sprzętowych, takich jak fizyczne qubity, wiernność bramek lub objętość kwantową. Te wskaźniki są ważne, ale niekoniecznie mówią producentowi, firmie farmaceutycznej lub operatorowi telekomunikacyjnemu, co maszyna może osiągnąć.

SoftBank i Quantinuum przyjmują bardziej ukierunkowany na aplikację podejście. Papier zaczyna się od reprezentatywnych problemów przemysłowych, szacuje logiczne qubity, liczbę bramek, głębokość obwodu i wskaźniki błędów wymagane do rozwiązania ich, a następnie porównuje te wymagania z planowanymi generacjami sprzętu Quantinuum.

Metodologia obejmuje jawne konstruowanie obwodu i, gdzie to możliwe, wykonanie na istniejącym sprzęcie lub emulatorach. Ma to na celu zawężenie przepaści między teoretycznie obiecującymi algorytmami a programami, które mogą być wdrożone w realistycznych ograniczeniach.

Główny argument papieru brzmi, że zdolność kwantowa będzie się rozwijać jako rosnąca koperta. Małe demonstracje stają się pilotażowymi ładunkami pracy, pilotażowe ładunki pracy przechodzą w obliczenia istotne dla aplikacji, a niektóre z tych obliczeń ostatecznie stają się zintegrowanymi usługami przemysłowymi. Użyteczność komercyjna pojawia się więc w różnym czasie dla różnych problemów, a nie pojawia się wszędzie, gdy tylko zostanie osiągnięty określony próg qubitowy.

Chemia Kwantowa Pozostaje Cennym Celem

Chemia kwantowa jest powszechnie uważana za jedną z najbardziej naturalnych aplikacji komputerów kwantowych, ponieważ zachowanie molekularne jest samo w sobie rządzone przez mechanikę kwantową. Im bardziej złożone stają się molekularne systemy, tym dokładne modelowanie ich struktur elektronicznych może stać się niezwykle wymagające dla klasycznych komputerów.

Papier koncentruje się na stanach wzbudzonych i fotochemicznych reakcjach. Zjawiska te wpływają na to, jak molekuły absorbują światło, zmieniają kształt, przenoszą energię i ulegają degradacji w czasie. Lepsza zdolność do modelowania tych zjawisk mogłaby wspierać projektowanie fotoresponsywnych materiałów, molekularnych przełączników, technologii energetycznych, inteligentnych okien, zaawansowanych wyświetlaczy, urządzeń sieciowych i innych zaawansowanych produktów.

Przełączanie optyczne materiałów dostarcza papieru głównego przykładu. Ich skuteczność zależy od przejść elektronicznych, które determinują, czy pochłonięta energia powoduje zamierzony molekularny przekształcenie, czy jest tracona przez niepożądane reakcje.

Komputery kwantowe mogą ostatecznie pomóc badaczom symulować więcej tego zachowania przed syntezą fizycznych materiałów. Zamiast polegać głównie na próbnych laboratoryjnych pracach, firmy mogą używać lepszych symulacji do przesiewania kandydujących molekuł, odrzucania słabych projektów wcześniej i koncentrowania zasobów na najbardziej obiecujących materiałach.

Jest to ekonomicznie istotnym celem, ale papier nie przedstawia go jako bliską zdolność produkcyjną. Pierwsze etapy obejmują małe molekularne dowody koncepcyjne, eksperymenty z obwodami poprawionymi błędami i ograniczone symulacje. Chemicznie dokładne modelowanie dużych systemów pozostaje związane z znacznie bardziej zaawansowanym sprzętem o tolerancji błędów.

Korekcja Błędów Nadal Jest Definiującym Ograniczeniem

Praca z chemią kwantową dostarcza również przydatnej rzeczywistej weryfikacji stanu techniki.

Badanie wykorzystuje techniki oparte na estymacji fazy, w tym metodę pomiaru różnic między stanami energetycznymi molekuł. Włącza kod korekcyjny Steane, który koduje jeden logiczny qubit na siedem fizycznych qubitów i jest odpowiedni dla wczesnych eksperymentów z tolerancją błędów.

Zamiast badania, czy korekcja błędów poprawia pojedynczą bramkę lub wydłuża czas życia qubitu, badacze oceniają korekcję błędów w obwodach zainspirowanych algorytmami. Jest to bardziej wymagający test, ponieważ błędy kumulują się, gdy program rośnie głębiej i wymaga więcej operacji.

Wyniki uzyskane przy użyciu środowisk Quantinuum H2 i Helios wskazują, że korekcja błędów może stać się korzystna przy większych głębokościach obwodu. Jednakże, wciąż nie wyprzedza ideałowego niezakodowanego logicznego obwodu. Błędy pamięci, czas bezczynności, nakład kodowania i koszt operacji nie-Clifforda pozostają ważnymi barierami.

Ta różnica ma znaczenie. Korekcja błędów wykazała postępy na poziomie komponentu, ale wykonanie długich, istotnych dla aplikacji algorytmów z sieciową przewagą pozostaje trudne. Badanie pozycjonuje therefore bieżące eksperymenty jako przygotowanie do obliczeń o tolerancji błędów, a nie dowód, że duża skala chemii kwantowej już przybyła.

Od Helios do Systemu o Tolerancji Błędów Lumos

Mapa drogowa obejmuje cztery generacje sprzętu Quantinuum: Helios, Sol, Apollo i Lumos.

Helios reprezentuje bieżący etap. Dla chemii papier łączy go z doświadczeniami na poziomie fizycznym, obejmującymi około 50 orbitali spinowych, obok znacznie mniejszych demonstracji logicznych, obejmujących około 10 orbitali spinowych. Oczekiwane zastosowanie jest głównie techniczne i wstępne dowody koncepcyjne stanów wzbudzonych małych molekuł.

Sol, planowany na 2027 rok, jest przedstawiony jako początkowa faza skalowania. Mapa drogowa przewiduje większe doświadczenia fizyczne i wczesną stabilizację logiczną, ale ładunki pracy chemiczne pozostają małe. Potencjalna istotność komercyjna koncentruje się na ograniczonych aplikacjach stanów wzbudzonych i zwiększonych wydajności badawczych dla firm farmaceutycznych i materiałowych.

Apollo, planowany na 2029 rok, oznacza bardziej doniosłą transformację. Założenia papieru sugerują, że obliczenia logiczne mogą się rozwinąć w kierunku około 100 orbitali spinowych, wspierając średnią skalę modelowania materiałów i bardziej znaczące obliczenia stanów wzbudzonych. To jest etap, na którym mapa drogowa zaczyna łączyć technologię z ilościowymi zmniejszeniami kosztów badań i rozwoju.

Lumos, planowany jako duży system o tolerancji błędów na lata 30., reprezentuje najbardziej ambitny etap. Papier łączy go z więcej niż 100 logicznymi orbitalami spinowymi, dokładnością chemiczną i skalowalnymi procesami odkrywania materiałów.

Te kamienie milowe nie są zobowiązaniami, że określone aplikacje staną się dostępne komercyjnie w tych datach. Autorzy opisują mapę drogową jako kopertę napędzaną założeniami, podlegającą niepewnościom dotyczącym fizycznych wskaźników błędów, nakładu kodowania logicznego, syntezy bramek i uzyskanej wydajności sprzętu.

Wykrywanie Oszustw Może Zapewnić Wcześniejszą Ścieżkę Komercyjną

Domena papieru, analiza danych topologicznych, może podążać za krótszą ścieżką do zastosowania komercyjnego.

Analiza danych topologicznych bada strukturę lub “kształt” złożonych zbiorów danych. W środowiskach grafowych może identyfikować wzorce obejmujące połączenia, pętle, klastry i wyższe relacje wymiarowe, które mogą być trudne do wykrycia za pomocą konwencjonalnych statystyk.

SoftBank i Quantinuum badają, czy te techniki mogą poprawić wykrywanie oszustw w telekomunikacji. Połączenia, wiadomości, relacje kont i transfery finansowe mogą być reprezentowane jako sieci, z sieciowymi neuronowymi sieciami używanymi do identyfikacji podejrzanych węzłów lub działań.

Oszuści jednak celowo starają się przypominać zwykłych użytkowników. Mogą rozdzielać działania między konta, używać pośrednich ścieżek transferu lub dzielić funkcje zbierania, przekazywania i wypłaty między wielu uczestników. Takie taktyki mogą ominąć systemy, które koncentrują się głównie na lokalnych wskaźnikach, takich jak liczba połączeń skojarzonych z kontem.

Badacze uzupełniają sieć neuronową o cechy znane jako momenty Laplace’a. Cechy te są zaprojektowane do przechwytywania informacji strukturalnej między czysto lokalnymi statystykami a wyższymi pomiarami topologicznymi. Na benchmarku oszustw w telekomunikacji dodanie momentów Laplace’a wytworzyło umiarkowane poprawy w odwołaniu, wyniku F1 i innych wskaźnikach klasyfikacji. Poprawa odwołania była statystycznie istotna w całym teście.

Papier tłumaczy tę poprawę na ilustracyjny scenariusz ekonomiczny. Cytuje szacowane globalne straty oszustw w telekomunikacji w wysokości 38,95 miliarda dolarów w 2023 roku i ocenia 10-miliardowy podzbiór tej puli strat. Przy ustalonej precyzji 0,9 zmierzona poprawa odwołania odpowiadałaby około 220 milionom dolarów potencjalnie zmniejszonych rocznych strat.

Ta kwota nie powinna być interpretowana jako prognoza. Zakłada, że poprawy modelu obserwowane na benchmarkowym zbiorze danych byłyby proporcjonalnie tłumaczone na zapobiegane straty w świecie rzeczywistym. Wdrożenie operacyjne wymagałoby również jakości danych, integracji, fałszywych pozytywów, zmieniających się taktyk oszustw i procesów śledczych.

Bardziej istotne jest to, że eksperyment nie wykazał przewagi kwantowej. Zbiór danych był wystarczająco rzadki, aby istotne cechy mogły być obliczane klasycznie i zawierały zbyt mało struktury wyższego rzędu, aby przetestować najbardziej wymagające formy techniki.

Wynik jest jednak istotny, ponieważ ten sam podejście analityczne mogłoby być użyteczne dzisiaj przy użyciu klasycznych wysokowydajnych komputerów, podczas gdy rozszerza się w kierunku wykonania kwantowego, jeśli przyszłe rozmiary grafów lub złożoność strukturalna przekroczą klasyczne limity.

Mapa Drogowa dla Hybrydowej Infrastruktury Kwantowej i AI

SoftBank i Quantinuum umieszczają oba obszary aplikacji w ramach szerszej wizji “centrów danych kwantowych AI”. W tym modelu jednostki przetwarzania kwantowego nie zastępują jednostek przetwarzania graficznego, centralnych jednostek przetwarzania ani superkomputerów. Działają jako specjalistyczne akceleratory w hybrydowej infrastrukturze.

Systemy klasyczne nadal będą obsługiwać przygotowanie danych, uczenie maszynowe, orchestrację i przetwarzanie po wykonaniu. Procesory kwantowe będą przypisane starannie wybrane części przepływu pracy, w których algorytmy kwantowe zapewniają znaczącą korzyść obliczeniową.

Dla wykrywania oszustw może to obejmować procesor kwantowy generujący trudne cechy strukturalne przed przekazaniem ich do sieci neuronowej grafu działającej na konwencjonalnej infrastrukturze AI. W badaniach materiałowych komputer kwantowy mógłby wykonywać wybrane obliczenia struktury elektronicznej, podczas gdy klasyczne wysokowydajne systemy komputerowe zarządzają szerszymi symulacjami i optymalizacją.

Architektura hybrydowa jest również bardziej realistyczna komercyjnie niż oczekiwanie, że przedsiębiorstwa zastąpią ustalone środowiska obliczeniowe. Pozwala organizacjom na stopniowe integrowanie możliwości kwantowych za pomocą usług w chmurze, akceleratorów centrów danych i aplikacji specyficznych dla przepływu pracy.

SoftBank i Quantinuum badają potencjalne modele biznesowe komputerów kwantowych od momentu ogłoszenia partnerstwa w 2025 roku. Biały papier ma na celu poinformowanie tej pracy, w tym możliwego rozwoju przyszłej infrastruktury i usług kwantowo-AI.

Przedsiębiorstwa Nie Muszą Czekać na Lumos

Jednym z najbardziej praktycznych wniosków papieru jest to, że firmy nie powinny czekać na w pełni tolerancyjny system błędów, zanim rozpoczną badania aplikacji.

Budowanie użytecznego przepływu pracy kwantowej wymaga więcej niż dostępu do sprzętu. Organizacje potrzebują odpowiednich zbiorów danych, ekspertyzy branżowej, problemów referencyjnych, klasycznych punktów odniesienia, specjalistycznych algorytmów i integracji z istniejącymi systemami AI i wysokowydajnymi komputerami. Rozwój tych zdolności może zająć lata.

Eksperymenty w najbliższej perspektywie mogą więc tworzyć wartość, nawet jeśli sprzęt kwantowy jeszcze nie przewyższa alternatyw klasycznych. Firmy mogą identyfikować, które wewnętrzne problemy są odpowiednie, obliczać wymagania zasobowe, rozwijać hybrydowe przepływy pracy i ustanawiać pomiary, które ostatecznie określą, czy wykonanie kwantowe zapewnia przewagę.

Przykład wykrywania oszustw ilustruje tę strategię szczególnie dobrze. SoftBank może badać poprawione cechy grafu za pomocą klasycznego komputera dzisiaj, jednocześnie studiując, czy wyższe wersje tych cech mogą stać się kandydatami do przyszłego przyspieszenia kwantowego.

Dla liderów przedsiębiorstw ten podejście zastępuje niejasną instrukcję “być gotowym na kwant”, bardziej użytecznym pytaniem: które ładunki pracy mogą skorzystać, jaki sprzęt będą wymagać i jakie przygotowanie może rozpocząć się przed tym, jak sprzęt przybędzie?

Ostatecznie biały papier SoftBank i Quantinuum jest najcenniejszy nie dlatego, że twierdzi, iż zna dokładną datę komercyjnej przewagi kwantowej, ale dlatego, że odmawia traktowania tej przewagi jako pojedynczego zdarzenia. Łącząc konkretny ładunek pracy z Helios, Sol, Apollo i Lumos, biały papier przedstawia adopcję kwantową jako stopniowy proces walidacji technicznej, rozwoju przepływu pracy i rosnącego znaczenia ekonomicznego. Jego terminy pozostają niepewne, ale ramka aplikacji jako pierwsza oferuje bardziej wiarygodny sposób dla organizacji, aby zdecydować, kiedy, gdzie i dlaczego komputery kwantowe mogą stać się wartościowe.