SoftBank и Quantinuum представляют белую книгу, определяющую практический путь к коммерческому квантовому вычислению

Новая SoftBank и Quantinuum белая книга, Quantum Computing Frontiers, попытается ответить на один из наиболее важных и постоянных вопросов отрасли: когда квантовые компьютеры станут полезными для коммерчески значимой работы? Вместо того, чтобы рассматривать “квантовое преимущество” как единственный прорывной момент, 65-страничное исследование сопоставляет конкретные рабочие нагрузки с последовательными поколениями оборудования Quantinuum. Анализ фокусируется на двух областях, которые уже исследуются SoftBank: квантовой химии для материалов и энергетических применений, и топологическом анализе данных для графических проблем, таких как обнаружение мошенничества в телекоммуникациях. Результатом является не предсказание, когда квантовые вычисления внезапно преобразуют отрасль, а скорее пошаговый каркас, показывающий, как полезные рабочие нагрузки могут расшириться по мере улучшения качества кубитов, коррекции ошибок и масштаба системы.

Выход за пределы количества кубитов

Квантовые вычислительные дорожные карты обычно представляются через аппаратные метрики, такие как физические кубиты, верность ворот или квантовый объем. Эти показатели важны, но они не обязательно говорят производителю, фармацевтической компании или телекоммуникационной оператору, что может сделать машина.

SoftBank и Quantinuum принимают более ориентированный на приложения подход. Бумага начинается с представительных промышленных проблем, оценивает логические кубиты, количество ворот, глубину цепи и скорость ошибок, необходимые для решения этих проблем, и затем сравнивает эти требования с запланированными поколениями оборудования Quantinuum.

Методология включает в себя явную конструкцию цепи и, где это возможно, выполнение на существующем оборудовании или эмуляторах. Это предназначено для сужения разрыва между теоретически перспективными алгоритмами и программами, которые можно реализовать в реалистичных ограничениях.

Центральный аргумент бумаги заключается в том, что квантовая способность будет развиваться как расширяющаяся оболочка. Малые демонстрации становятся пилотными рабочими нагрузками, пилоты переходят в расчеты, актуальные для приложений, и некоторые из этих расчетов в конечном итоге становятся интегрированными промышленными услугами. Коммерческая полезность, таким образом, ожидается прибыть в разное время для разных проблем, а не появляется повсюду, когда определенную пороговую величину кубитов пересекает.

Квантовая химия остается высокоценной целью

Квантовая химия широко рассматривается как одно из наиболее естественных применений квантовых вычислений, поскольку поведение молекул само по себе управляется квантовой механикой. По мере того, как молекулярные системы становятся более сложными, точное моделирование их электронных структур может стать чрезвычайно требовательным для классических компьютеров.

Белая книга фокусируется на возбужденных состояниях и фотохимических реакциях. Эти явления влияют на то, как молекулы поглощают свет, меняют форму, передают энергию и разрушаются со временем. Лучшая способность моделировать их может поддержать разработку фото-чувствительных материалов, молекулярных переключателей, энергетических технологий, умных окон, дисплеев дополненной реальности, оборудования оптической связи и других передовых продуктов.

Оптическая коммутация материалов обеспечивает основной пример бумаги. Их эффективность зависит от электронных переходов, которые определяют, производит ли поглощенная энергия желаемое молекулярное изменение или теряется через нежелательные реакции. Классические методы могут испытывать трудности, когда несколько электронных состояний взаимодействуют密но или когда исследователям необходимо моделировать реалистичные химические среды.

Квантовые компьютеры в конечном итоге могут помочь исследователям симулировать больше этого поведения до синтеза физических материалов. Вместо того, чтобы полагаться так сильно на пробное и ошибочное лабораторное работу, компании могли бы использовать более качественные симуляции, чтобы отфильтровать кандидатные молекулы, отклонить слабые конструкции раньше и сосредоточить ресурсы на наиболее перспективных материалах.

Это экономически значимая цель, но бумага не представляет ее как ближайшую производственную возможность. Первые этапы включают небольшие молекулярные доказательства концепции, эксперименты с исправлением ошибок и ограниченные симуляции. Химически точное моделирование больших систем остается связано с значительно более продвинутым устойчивым к ошибкам оборудованием.

Коррекция ошибок по-прежнему является определяющим ограничением

Работа по квантовой химии также обеспечивает полезную реальность проверки состояния технологии.

Исследование использует методы, основанные на оценке фазы, включая метод измерения разницы между молекулярными энергетическими состояниями. Он включает код коррекции ошибок Стейна, который кодирует один логический кубит по семи физическим кубитам и подходит для ранних экспериментов с устойчивостью к ошибкам.

Вместо того, чтобы исследовать, улучшает ли коррекция ошибок один ворот или продлевает время жизни кубита, исследователи оценивают коррекцию ошибок через алгоритмически вдохновленные цепи. Это более требовательный тест, поскольку ошибки накапливаются, когда программа растет глубже и требует больше операций.

Результаты, полученные с помощью сред H2 и Helios Quantinuum, указывают на то, что коррекция ошибок может стать полезной на больших глубинах цепи. Однако реализация с кодированием все еще не превосходит идеализированную логическую цепь без кодирования. Ошибки памяти, простой, накладные расходы кодирования и стоимость неклиффordova операций остаются важными барьерами.

Это различие имеет значение. Коррекция ошибок продемонстрировала прогресс на уровне компонентов, но выполнение длинных, актуальных для приложений алгоритмов с чистым преимуществом остается сложной задачей. Исследование поэтому позиционирует текущие эксперименты как подготовку к устойчивым к ошибкам вычислениям, а не доказательство того, что крупномасштабная квантовая химия уже прибыла.

От Helios к устойчивой к ошибкам системе Lumos

Дорожная карта следует четырем поколениям оборудования Quantinuum: Helios, Sol, Apollo и Lumos.

Helios представляет собой текущий этап. Для химии бумага связывает его с физическими экспериментами, включающими примерно 50 спин-орбиталей, а также с гораздо меньшими логическими демонстрациями, включающими примерно 10 спин-орбиталей. Ожидаемое использование в основном техническая проверка и небольшие молекулярные доказательства концепции возбужденных состояний.

Sol, запланированный на 2027 год, представлен как начальная фаза масштабирования. Дорожная карта предполагает более крупные физические эксперименты и раннюю логическую стабилизацию, но логические рабочие нагрузки химии остаются небольшими. Потенциальная коммерческая актуальность центрируется на ограниченных приложениях возбужденных состояний и исследовательских эффективных выигрышей для фармацевтических и материаловедческих компаний.

Apollo, запланированный на 2029 год, отмечает более значимый переход. При предположениях бумаги логические расчеты могли бы расшириться до примерно 100 спин-орбиталей, поддерживая среднемасштабное моделирование материалов и более осмысленные расчеты возбужденных состояний. Это этап, на котором дорожная карта начинает связывать технологию с количественными сокращениями исследований и разработок.

Lumos, запланированный как крупномасштабная устойчивая к ошибкам система для 2030-х годов, представляет собой наиболее амбициозный этап. Бумага связывает его с более чем 100 логическими спин-орбиталями, химической точностью и масштабируемыми рабочими процессами открытия материалов.

Эти вехи не являются обязательствами, что указанные приложения станут коммерчески доступными на эти даты. Авторы описывают дорожную карту как предположение-управляемую оболочку, подверженную неопределенностям, включающим физические скорости ошибок, логическую накладную кодирования, синтез ворот и реализованную производительность оборудования.

Обнаружение мошенничества может предложить более ранний коммерческий путь

Вторая область бумаги, топологический анализ данных, может следовать более короткому пути к коммерческому использованию.

Топологический анализ данных изучает структуру или “форму” сложных наборов данных. В графических средах он может выявить закономерности, включающие связность, петли, кластеры и более высокие размерные отношения, которые могут быть трудными для обнаружения с помощью обычной статистики.

SoftBank и Quantinuum исследуют, могут ли эти методы улучшить обнаружение мошенничества в телекоммуникациях. Звонки, сообщения, отношения между учетными записями и финансовые переводы можно представить как сети, с графическими нейронными сетями, используемыми для выявления подозрительных узлов или активности.

Мошенники, однако, намеренно пытаются походить на обычных пользователей. Они могут распределять активность по учетным записям, использовать косвенные пути передачи или делить функции сбора, ретрансляции и вывода средств среди нескольких участников. Эти тактики могут избежать систем, которые фокусируются в основном на местных индикаторах, таких как количество соединений, связанных с учетной записью.

Исследователи дополняют графическую нейронную сеть функциями, называемыми лапласовыми моментами. Эти функции предназначены для захвата структурной информации между чисто локальной статистикой и высоко глобальными топологическими измерениями. На телекоммуникационном фрауд-бенчмарке добавление лапласовых моментов произвело незначительные улучшения по показателям recall, F1 и другим метрикам классификации. Улучшение recall было статистически значимым в течение тестовых запусков исследования.

Бумага переводит это улучшение в иллюстративный экономический сценарий. Он цитирует оценочные глобальные потери от мошенничества в телекоммуникациях в размере 38,95 миллиарда долларов в 2023 году и оценивает подмножество этого пула потерь в размере 10 миллиардов долларов. При фиксированной точности 0,9 измеренное улучшение recall соответствовало бы примерно 220 миллионам долларов потенциально сокращенных годовых потерь.

Эта цифра не должна интерпретироваться как прогноз. Она предполагает, что улучшения модели, наблюдаемые на бенчмарке, будут пропорционально переводиться в предотвращенные реальные потери. Оперативное развертывание также будет включать качество данных, интеграцию, ложные положительные результаты, меняющиеся тактики мошенничества и процессы человеческого расследования.

Более важно, что эксперимент не продемонстрировал квантовое преимущество. Набор данных был достаточно разреженным, чтобы соответствующие функции могли быть рассчитаны классически, и содержал слишком мало более высокого порядка структуры, чтобы протестировать наиболее вычислительно требовательные формы метода.

Результат, однако, имеет отношение, поскольку тот же аналитический подход может быть полезен сегодня с помощью классических высокопроизводительных вычислений, а также может расшириться до квантового выполнения, если будущие графические размеры или структурная сложность превысят классические пределы.

Дорожная карта для гибридной квантовой и ИИ-инфраструктуры

SoftBank и Quantinuum помещают обе области применения в более широкую концепцию “квантовых ИИ-центров данных”. В этой модели квантовые обработные единицы не заменят графические обработные единицы, центральные процессоры или суперкомпьютеры. Они будут работать как специализированные ускорители в гибридной инфраструктуре.

Классические системы будут продолжать обрабатывать подготовку данных, машинное обучение, оркестровку и постобработку. Квантовые процессоры будут назначены тщательно выбранным частям рабочего процесса, где квантовые алгоритмы обеспечивают значительную вычислительную выгоду.

Для обнаружения мошенничества это может включать квантовый процессор, генерирующий трудные структурные функции, прежде чем эти функции будут переданы графической нейронной сети, работающей на классической ИИ-инфраструктуре. В материаловедческих исследованиях квантовый компьютер мог бы выполнять выбранные электронно-структурные расчеты, в то время как классические высокопроизводительные вычислительные системы управляют более широким симуляционным и оптимизационным потоком.

Эта гибридная архитектура также более коммерчески реалистична, чем ожидание, что предприятия заменят устоявшиеся вычислительные среды. Она позволяет организациям интегрировать квантовые возможности постепенно через облачные услуги, ускорители центров данных и приложение-специфические рабочие процессы.

SoftBank и Quantinuum исследуют потенциальные квантовые бизнес-модели вычислений с момента объявления о партнерстве в 2025 году. Белая книга предназначена для информирования этой работы, включая возможное развитие будущей квантово-ИИ инфраструктуры и услуг.

Предприятиям не нужно ждать Lumos

Одним из наиболее практических выводов бумаги является то, что компании не должны ждать полностью устойчивой к ошибкам системы, прежде чем начать исследование приложений.

Создание коммерчески полезного квантового рабочего процесса требует больше, чем доступ к оборудованию. Организации нуждаются в подходящих наборах данных, экспертизе домена, бенчмарк-проблемах, классических базовых значениях, специализированных алгоритмах и интеграции с существующими ИИ- и высокопроизводительными вычислительными системами. Разработка этих возможностей может занять годы.

Ближайшие эксперименты могут поэтому создать ценность, даже когда квантовое оборудование еще не превосходит классические альтернативы. Компании могут определить, какие внутренние проблемы подходят, рассчитать требования к ресурсам, разработать гибридные рабочие процессы и установить измерения, которые в конечном итоге определят, обеспечивает ли квантовое выполнение преимущество.

Пример обнаружения мошенничества иллюстрирует эту стратегию особенно хорошо. SoftBank может изучать улучшенные графические функции с помощью классических вычислений сегодня, а также исследовать, могут ли более высокие версии этих функций стать кандидатами для будущего квантового ускорения.

Для лидеров предприятий этот подход заменяет расплывчатую инструкцию “быть готовым к квантовым вычислениям” более полезным вопросом: какие рабочие нагрузки могут извлечь выгоду, какое оборудование они потребуют и какая подготовка может начаться до прибытия этого оборудования?

В конечном итоге белая книга SoftBank и Quantinuum наиболее ценна не потому, что она утверждает, что знает точную дату коммерческого квантового преимущества, а потому, что она отказывается рассматривать это преимущество как единственное событие. Связывая конкретные рабочие нагрузки с Helios, Sol, Apollo и Lumos, белая книга представляет квантовое принятие как постепенный процесс технической проверки, разработки рабочих процессов и расширяющейся экономической актуальности. Ее сроки остаются неопределенными, но ее приложение-ориентированная структура предлагает более достоверный способ для организаций решить, когда, где и почему квантовые вычисления могут стать достойными использования.