211service.com
Kjemikere er først i køen for fordelene med kvantedatabehandling
Daniel Zender
Denne måneden sa både IBM og Google at de har som mål å kommersialisere kvantedatamaskiner i løpet av de neste årene (Google spesifiserte fem), og selge tilgang til de eksotiske maskinene i en ny type skytjeneste. Konkurrentene spår en ny æra der datamaskiner er enormt kraftigere, med utbytte inkludert mer effektiv ruting for logistikk- og kartselskaper, nye former for maskinlæring, bedre produktanbefalinger og forbedrede diagnostiske tester.
Men før noe av det, ser det ut til at den første kvantedatamaskinen som begynner å betale seg med nyttig arbeid i den virkelige verden vil gjøre det ved å hjelpe kjemikere som prøver å gjøre ting som å forbedre batterier eller elektronikk. Så langt er simulering av molekyler og reaksjoner brukssaken for tidlige, små kvantedatamaskiner skissert mest detaljert av forskere som utvikler den nye typen algoritmer som trengs for slike maskiner.
Kvantedatamaskiner, som representerer data ved bruk av kvantemekaniske effekter som er synlige i små skalaer, bør være i stand til å utføre beregninger som er umulige for enhver konvensjonell datamaskin. Nylige fremskritt innen maskinvare som kan brukes til å bygge dem har ført til en mengde investeringer fra selskaper inkludert Microsoft, Intel, Google og IBM (se 10 Breakthrough Technologies 2017: Practical Quantum Computers ).
Fra et synspunkt av det som er teoretisk bevist, er kjemi foran, sier Scott Crowder, teknologisjef for IBM-divisjonen som i dag selger maskinvare inkludert superdatamaskiner og håper å legge til skybaserte kvantedatamaskiner til produktutvalget i neste omgang. få år. Vi har mer tillit til de mindre systemene for kjemi.
Forskere har lenge brukt simuleringer av molekyler og kjemiske reaksjoner for å hjelpe forskning på ting som nye materialer, medisiner eller industrielle katalysatorer. Taktikken kan redusere tid brukt på fysiske eksperimenter og vitenskapelige blindveier, og den står for en betydelig andel av arbeidsmengden til verdens superdatamaskiner.
Likevel er utbetalingene begrenset fordi selv de kraftigste superdatamaskinene ikke perfekt kan gjenskape all den komplekse kvanteatferden til atomer og elektroner i selv relativt små molekyler, sier Alan Aspuru-Guzik , en kjemiprofessor ved Harvard. Han ser frem til dagen simuleringer på kvantedatamaskiner kan akselerere forskningsgruppens innsats for å finne nye lysemitterende molekyler for for eksempel skjermer og batterier som er egnet for energilagring i nettskala.
Akkurat nå må vi kalibrere hele tiden med eksperimentelle data, sier Aspuru-Guzik, som var pionermetoder for å simulere molekyler på kvantedatamaskiner. Noe av det vil forsvinne hvis vi har en kvantedatamaskin.
Simulering av kvanteeffektene som former molekylære strukturer og reaksjoner er et naturlig problem for kvantedatamaskiner, fordi kraften deres kommer fra å kode data inn i de samme utfordrende kvantetilstandene. Komponentene som utgjør kvantedatamaskiner, kjent som qubits, kan bruke kvantemekaniske prosesser for å ta beregningssnarveier som er umulige for en konvensjonell maskin. (Det kanadiske selskapet D-Wave tilbyr allerede en brikke med kvanteegenskaper til industrielle og akademiske forskere, men det er ikke klart om enheten tilbyr fordelene som forventes av kvantedatamaskiner.)
Microsoft satser på en mindre moden form for kvantemaskinvare enn IBM og Google (se Microsofts Quantum Mechanics ), men den har en av de mest avanserte innsatsene for å utvikle praktiske kvantealgoritmer. Kjemi og materialvitenskap er blant de primære fokusområdene. Gruppens forskere har nylig forsøkt å vise hvordan hybridsystemer der en konvensjonell datamaskin og en liten kvantedatamaskin fungerer sammen, kan simulere kjemi.
Det har store løfter for å studere molekyler, sier Krysta Svore , som leder Microsofts gruppe som jobber med kvantealgoritmer. Å lete etter nye, praktiske superledende materialer er en mulig anvendelse av hybridmodellen som ikke burde kreve veldig store kvantedatamaskiner, sier hun. Konvensjonelle datamaskiner sliter med å gjenskape kvanteatferden til elektroner som underbygger superledning.
Når – eller hvis – det kommer, burde tidlig suksess innen kjemi love godt for kvantedatamaskiners fremtid. Potensialet deres for å studere molekyler er bare en manifestasjon av deres teft for det dataforskere kaller optimaliseringsproblemer, som innebærer å identifisere den best mulige løsningen fra mange alternativer. Det kan bety den mest stabile konfigurasjonen av et atoms elektroner, eller den mest effektive leveringsruten rundt en by.
I dag kan kjemisimuleringer være den typen praktiske optimaliseringsproblem som forskere best forstår hvordan de skal posere for en kvantedatamaskin, sier Chris Monroe , professor ved University of Maryland og medgründer av kvantedatabehandlingsoppstarten IonQ. Men det gjøres fremskritt med å forstå andre applikasjoner av kvantedrevet optimalisering, for eksempel maskinlæring, og det burde være mange flere.
Svore fra Microsoft tror at maskinlæringsapplikasjoner kan komme relativt raskt. I mellomtiden er brudd på kryptering, selv om det er en reell trussel, en av de mest fjerntliggende applikasjonene til teknologien, fordi algoritmene som er involvert vil kreve en ekstremt stor kvanteprosessor.
Monroe sammenligner det nåværende øyeblikket innen kvanteberegning med de tidligste dagene av transistoren, som hadde sin første gjennombruddsuksess innen høreapparater før han gikk videre til større ting.
De forestilte seg ikke at du kunne få 50 milliarder på en brikke og gjøre alle disse andre tingene, sier han. Vi er på en måte på høreapparatstadiet, hvor vi forstår noen få svært spesifikke bruksområder og må fortsette å utforske.