2024. október 22. – A kvantumszámítógépek kritikusai gyakran azzal érveltek, hogy az általuk kínált előnyök inkább elméletiek, mivel a korábbi tesztek sokszor értelmetlen vagy irreleváns feladatokon alapultak. Ezzel szemben a Google Quantum AI csapata most egy új algoritmust fejlesztett ki, amelynek segítségével a kvantumszámítógépek akár gyakorlati előnyt is szerezhetnek a hagyományos szuperszámítógépekkel szemben – olyan feladatokban, amelyek hozzájárulhatnak jobb gyógyszerek, polimerek, katalizátorok és akkumulátor-összetevők felfedezéséhez.
A kvantumszámítógépek fejlődése és kihívásai
A kvantumszámítógépek ereje abban rejlik, hogy minél több úgynevezett qubitet kapcsolnak össze bennük, annál exponenciálisan nagyobb számítási kapacitás érhető el. Például 2019-ben a Google 54 qubites Sycamore gépe egy számítást 200 másodperc alatt végzett el, amelyet akkoriban a világ leggyorsabb szuperszámítógépe, a Summit, körülbelül 10 000 év alatt tudott volna megoldani.
2024-ben pedig a Google 105 qubites Willow chipje kevesebb mint öt perc alatt hajtott végre egy benchmark számítást, amelyhez a Frontier nevű leggyorsabb szuperszámítógépnek 10^25 évre lett volna szüksége.
A korábbi kritika: random circuit sampling és annak korlátai
A Google korábbi kvantumelőnyre vonatkozó állításait sokan megkérdőjelezték, mivel azok egy random circuit sampling nevű benchmarkra épültek. Ez a teszt véletlenszerűen kiválasztott kvantum műveletek sorozatának eredményeit vizsgálta, majd összehasonlította azokat az ideális kvantumszámítógép által várt eredményekkel.
Bár ebben a tesztben a Google gépei jobban teljesítettek, mint a hagyományos szuperszámítógépek, maga a random circuit sampling nem rendelkezik ismert gyakorlati alkalmazással. Ezért sokan kétségbe vonták ennek az összehasonlításnak az értelmét. Ráadásul az eredmények véletlenszerűsége miatt nem lehetett biztosan megállapítani, hogy különböző kvantumszámítógépek ugyanazokat az eredményeket adják-e.
Az új áttörés: a „Quantum Echoes” algoritmus
A Google kutatói most egy új kvantumalgoritmust fejlesztettek ki, amelyet „Quantum Echoes”-nek (Kvantum Visszhangok) neveztek el. Amikor ezt az algoritmust futtatták Willow 65 qubitjén, körülbelül 13 000-szer gyorsabban működött, mint az algoritmus legjobb klasszikus megfelelője a Frontier szuperszámítógépen.
Ez az algoritmus az első olyan kvantumalgoritmus, amely igazolható kvantumelőnyt mutatott be: két párhuzamosan futó kvantumprocesszor ugyanazokat az eredményeket produkálta – ami kulcsfontosságú volt az eredmények hitelesítésében.
Az ellenőrzés jelentősége
Thomas O’Brien, a Google Quantum AI kutatója hangsúlyozza: „Az ellenőrzés kulcsfontosságú lehetőséget teremt alkalmazások fejlesztésére. Ha nem tudom bizonyítani az adatok helyességét, hogyan használhatnám őket?”
Hogyan működik a Quantum Echoes algoritmus?
Az algoritmus első lépésként egy sor műveletet hajt végre egy kvantumszámítógépen – például egy molekula viselkedésének szimulációját. Ezután egy qubitet enyhén megváltoztat (perturbál), majd ugyanezt a műveletsorozatot visszafelé is lefuttatja. Végül összeveti az előre és visszafelé végzett műveletek eredményeit.
Ez az eljárás azért hasznos, mert segíti feltérképezni egy molekula egészének viselkedését. A hagyományos szuperszámítógépek számára nehézséget jelent minden molekuláris kölcsönhatás pontos modellezése – különösen nagyobb molekulák esetén –, de az algoritmus által okozott kis perturbáció hatása messze hatóan érzékelhető más qubiteken is, hasonlóan a pillangóhatáshoz.
A technológia háttere és jelentősége
Michel Devoret, Nobel-díjas fizikus és a Google Quantum AI vezető hardverszakértője kiemelte, hogy Willow nagy qubitszáma és alacsony hibaaránya (kb. 0,1%) kulcsfontosságú volt az algoritmus sikeres futtatásához. Míg 2019-ben random circuit sampling esetén elegendő volt, ha csak 0,1% adat volt helyes, addig az új algoritmusnál már csak 0,1% hibát engedhetnek meg.
Következő lépések: Molekuláris térképezés és gyakorlati alkalmazások
O’Brien szerint az algoritmus képes lehet különböző molekuláris távolságok mérésére is attól függően, hogy melyik qubitet perturbálják. A jövőbeni kutatások célja lehet több qubit rendszeres perturbálása annak érdekében, hogy részletesebb molekuláris térképet állítsanak össze.
Potenciális alkalmazás: NMR spektroszkópia
A Nature folyóiratban megjelent tanulmány szerint (2024. október) ez az algoritmus hasznos lehet a nukleáris mágneses rezonancia (NMR) spektroszkópiában – ami lényegében molekulák és anyagok mágneses rezonancia képalkotása (MRI) –, ahol pontosabb molekulamodellek létrehozását segítheti elő.
Ashok Ajoy, a Kaliforniai Egyetem Berkeley vegyész professzora így fogalmazott: „Bár még korai stádiumban vagyunk, ez a módszer széles körű alkalmazási lehetőségeket kínálhat majd kémia, biológia és anyagtudomány területén.”
Korlátok és jövőbeli kilátások
Jelenleg az algoritmust csak viszonylag kis molekulák szimulációjára alkalmazták – ezek még nem lépik túl teljes mértékben a klasszikus számítógépek képességeit. Azonban további fejlesztések révén – például hibakezelési technikák bevezetésével – várhatóan hamarosan elérhető lesz valódi kvantumelőny gyakorlati alkalmazásokban is.
Zárszó: Optimista kilátások a közeljövőre nézve
Hartmut Neven, a Google Quantum AI alapítója és vezetője így összegzi: „Továbbra is optimisták vagyunk abban, hogy öt éven belül olyan valós alkalmazásokat fogunk látni, amelyek csak kvantumszámítógépekkel valósíthatók meg.”