Konteksto ng quantum computing

Sa sumusunod na video, gagabayan ka ni Olivia Lanes sa nilalaman ng araling ito. Bilang alternatibo, maaari mong buksan ang YouTube video para sa araling ito sa hiwalay na window.

Sinimulan mo ang kursong ito sa pamamagitan ng direktang pagpapatakbo ng iyong unang quantum circuit, at pagkatuto kung paano ginagamit ang mga batas ng quantum mechanics para lumikha ng mga quantum state, gate, at circuit. Ngayon, mag-zoom out tayo nang bahagya. Sa seksyong ito, gagalugarin natin ang quantum computing sa pamamagitan ng iba't ibang framework na tutulong sa iyo na mag-navigate sa mga usapan, headline, at artikulo tungkol sa quantum computing nang may mas kritikal na mata.

Walang duda na maraming excitement tungkol sa quantum computing, at sa mga posibilidad na maaaring maibigay ng teknolohiyang ito. Maaaring tawagan ito ng ilan na "hype." Tulad ng lagi sa tuwing may hype sa isang bagong natuklasan, mahirap makilala ang katotohanan mula sa kathang-isip. Dahil dito, pinakamabuting magsimula sa kung ano ang hindi quantum computing:

• Hindi papalit ang quantum computing sa tradisyonal, classical computers — at hindi rin ito magiging isang "quantum cell phone"

• Hindi ito isang paraan ng "sabay na pagsuri sa lahat ng posibleng sagot nang sabay-sabay"

• Hindi ito palaging mas magaling kaysa sa classical computers para sa lahat ng gawain

• Hindi ito nasa giyera laban sa AI

• Hindi ito walang silbi hanggang makamit natin ang fault tolerance o error correction

• Hindi ito mahika

Sana hindi ka nito natakot mula sa kursong ito o nagparamdam na walang halaga dito. Talagang kabaligtaran ang totoo! Ang quantum computing ay may potensyal na maging napakamakapangyarihan — ngunit para lamang sa ilang partikular na aplikasyon. Sa kabutihang-palad, kasama sa mga aplikasyong iyon ang mga lugar ng aktibong pananaliksik na maaaring panimulang baguhin ang paraan ng ating pagharap sa mahahalagang problema, tulad ng mga chemistry simulation, pagtuklas ng materyales, at pagsusuri ng malalaking data set. Bago tayo mag-explore sa mga lugar ng aplikasyong ito, unang talakayin natin nang mas detalyado ang ilan sa mga maling kaalaman na ito.

Scaling

Isa pang karaniwang maling akala ay kung mas maraming qubit ang mayroon ang isang quantum computer, mas malakas ito dapat. Bagama't mahalaga ang computational scale, ang bilang ng qubit lamang ay hindi nagbibigay ng kompletong larawan ng performance ng quantum computing. Ang modernong quantum hardware ay karaniwang sinusuri sa tatlong dimensyon: scale, kalidad, at bilis.

Sinusukat ang scale sa pamamagitan ng bilang ng programmable qubits na available sa mga user. Ito ang mga qubit na maaaring direktang kontrolin, manipulahin, sukatin, at isama sa mga quantum algorithm. Ang pagdaragdag ng bilang ng programmable qubits ay nagpapalawak ng laki ng mga problemang maaaring galugarin sa quantum hardware.

Sinusukat ang kalidad sa pamamagitan ng qubit operations (QuOps), na naglalarawan kung ilan sa mga pinaka-mapaghamong quantum operation ang maaasahang maisasagawa ng isang system bago madaig ng naipong mga error ang computation. Ang mga pagpapabuti sa coherence times, gate fidelities, calibration procedures, at architecture ay nag-aambag lahat sa mas mataas na computational quality. Ang coherence at dephasing times (karaniwang tinutukoy bilang $T_1$ at $T_2$) ay nananatiling mahahalagang indikator ng performance ng qubit.

Sinusukat ang bilis sa pamamagitan ng maximum circuits per second, na kilala rin bilang circuit throughput. Sinusukat ng metric na ito kung gaano karaming kapaki-pakinabang na computation ang maisasagawa ng isang quantum system sa paglipas ng panahon at sumasalamin sa parehong quantum at sumusuportang classical processing.

Maaari mo ring makasalubong ang mga karagdagang benchmarking metric tulad ng CLOPS (Circuit Layer Operations Per Second) at EPLG (Errors Per Layered Gate). Sinusukat ng CLOPS ang bilis ng pagpapatupad ng isang standardized benchmark workload, habang nagbibigay ang EPLG ng pananaw sa gate-layer error rates at processor fidelity. Ang mga metric na ito ay nananatiling mahalaga para sa pag-unawa sa mga tiyak na katangian ng hardware at workload, ngunit ang programmable qubits, qubit operations, at maximum circuits per second ay nagbibigay ng mas malawak na framework para sa paghahambing ng mga system.

Kailangan ang patuloy na pag-unlad sa lahat ng tatlong dimensyon ng performance, scale, kalidad, at bilis, para makabuo ng isang fault-tolerant, universal na quantum computer. Kaya naman, kapag tiningnan ang IBM Quantum® roadmap, mapapansin mo na ang ilang mga pagtalon sa pagitan ng mga processor ay walang napakalaking pagtaas sa bilang ng programmable qubit. Halimbawa, pansinin ang katamtamang pagtaas ng programmable qubit sa pagitan ng Heron at Nighthawk, dahil hindi iyon ang tunay na pokus ng pagpapabuting iyon. Sa halip, ang Nighthawk ay nag-iimplementa ng bagong connectivity topology na magbibigay-daan sa iba't ibang error correction codes.

Error correction kumpara sa error mitigation

Ang error correction ay nananatiling isa sa mga pinakamalaking pangmatagalang layunin para sa mga mananaliksik sa quantum computing. Ito ay batay sa prinsipyo na ang mga qubit ay laging magiging medyo maingay at madaling magkamali, at kung gusto nating magpatakbo ng malalaking algorithm, tulad ng Shor's halimbawa, kakailanganin nating may kakayahang makita at ayusin ang mga error na ito sa real time. Mayroong maraming uri ng mga error-correcting code, at ituturo natin ang iba pang mga kurso (tulad ng Foundations of quantum error correction course) kung gusto mong mas malalim pa itong pag-aralan.

Ang error mitigation naman ay ginagamit na ngayon nang regular upang mapabuti ang mga resulta ng quantum computing. Ang ideya sa likod ng error mitigation ay tinatanggap natin na magaganap ang mga error, at sinusubukan nating hulaan ang kanilang gawi upang mabawasan ang mga epekto ng mga error na iyon. Maraming error mitigation technique; marami ay nangangailangan ng maraming runs sa isang quantum computer at ang ilang classical post-processing. Malamang na hindi ganap na papalitan ng error correction ang error mitigation. Sa halip, hinuhulaan natin na pareho ang gagamitin nang magkasama upang maibalik ang pinakamahusay na posibleng resulta mula sa mga quantum computer.

Mga bahagi ng quantum computing

Kanina, binanggit natin na isang karaniwang maling kaalaman na ang mga quantum computer ay palaging papalit sa mga classical computer. Hindi talaga ito ang kaso; ang mga quantum computer at classical computer ay hindi talaga nagdidigmaan upang palitan ang isa't isa. Sa katunayan, tulad ng nabanggit sa nakaraang seksyon, ang mga quantum computer ay nangangailangan ng mga classical computer para gumana, sa iba't ibang dahilan. Kapag pinag-usapan natin ang "mga computer" nang malawak, kadalasan ay inaakala natin na kasama nito ang lahat ng bahagi tulad ng CPU, RAM, memory, at iba pa. Sa kabaligtaran, ang isang quantum computer ay wala sa lahat ng mga bahaging ito. Madalas kapag pinag-uusapan ng mga tao ang quantum computer, tinutukoy nila ang QPU, o Quantum Processing Unit, na pumapalit sa papel ng pagpoproseso mula sa CPU. Ang QPU mismo ay hindi isang pangkalahatang layunin na computer. Hindi ito nagpapatakbo ng operating system, namamahala ng memorya, o humahawak ng mga interface ng gumagamit. Ang nag-iisang papel nito ay ang manipulahin ang mga qubit ayon sa maingat na kontroladong quantum operations bago ibalik ang mga resulta ng sukat sa isang classical system.

Sa praktika, ang mga quantum computer ngayon ay pinakamahusay na nauunawaan bilang mga hybrid na sistema. Isang classical computer ang nag-oorkestra ng workflow — paghahanda ng mga input, pag-compile ng quantum circuits, pag-schedule ng mga trabaho, at post-processing ng mga resulta — habang ang QPU ay nagpapatupad lamang ng quantum na bahagi ng computation. Kahit habang umuunlad ang quantum hardware, inaasahan na mananatili ang dibisyon ng trabahong ito, kung saan ang pag-unlad ay nakatuon sa mas malapit na integrasyon at mas mabilis na komunikasyon sa pagitan ng mga classical system at QPU kaysa sa ganap na pag-aalis ng mga classical na bahagi.

Mga malamang na lugar ng aplikasyon ng quantum computing

Malawak naming pinagsama-sama ang mga lugar na pinaniniwalaan naming pinaka-magiging epektibo ang quantum computing sa apat na kategorya: optimization, Hamiltonian simulation, Partial Differential Equations (PDE), at machine learning.

Simulasyon ng Hamiltonian

Ang paksang ito ay tungkol sa pag-simulate ng mga quantum mechanical na proseso na makikita sa kalikasan. Sa pangunahin nito, kasama dito ang dalawang malawak na gawain: ang paghahanap ng ground state energy ng isang sistema na inilalarawan ng Hamiltonian nito, na nag-eencode ng kabuuang enerhiya at mga pakikipag-ugnayan sa loob ng sistema, at pag-simulate kung paano umuunlad ang sistemang iyon sa paglipas ng panahon (quantum dynamics).

Ito ay isa sa pinaka-natural na lugar ng aplikasyon para sa mga quantum computer: ang mga quantum system ay kilala sa hirap i-simulate sa mga classical computer, dahil ang laki ng quantum state space ay lumalaki nang exponential sa bilang ng mga particle. Ang mga quantum computer, sa kabaligtaran, ay direktang kumakatawan sa mga quantum state, na ginagawa silang angkop — kahit sa prinsipyo — para sa mga ganitong uri ng problema.

Kasama sa mga pangunahing lugar ng aplikasyon:

• Chemistry at materials science: paghula ng molecular structure, mga landas ng reaksyon, binding energies, at mga katangian ng materyales

• Condensed matter physics: pag-aaral ng strongly correlated systems, phase transitions, at exotic quantum states

• High-energy at nuclear physics: pag-modelo ng mga pakikipag-ugnayan ng particle

Sa mahabang panahon, maaaring paganahin ng mga pag-unlad sa Hamiltonian simulation ang:

• Mas tumpak na pagtuklas ng gamot at disenyo ng catalyst

• Pagtuklas ng mga bagong materyales para sa mga baterya

• Mas malalim na pag-unawa sa mga pangunahing phenomena ng pisika

Marami sa mga pinaka-pinag-aral na quantum algorithm, tulad ng SQD, ay binuo nang espesipiko na may Hamiltonian simulation sa isip. Bilang resulta, ang kategoryang ito ay madalas itinuturing bilang isa sa mga pinaka-compelling at theoretically na may pundasyon na use case para sa quantum computing.

Optimization

Ang mga problema sa optimization ay kinabibilangan ng paghahanap ng pinakamahusay na solusyon mula sa isang malaking set ng mga posibleng solusyon, na napapailalim sa mga hadlang. Ang mga problemang ito ay lumalabas sa agham, engineering, at industriya, at kadalasan ay nagiging computationally intractable habang lumalaki ang laki ng problema.

Kabilang sa mga halimbawa:

• Scheduling at routing (halimbawa, supply chains, traffic flow, airline scheduling)

• Portfolio optimization at risk management (finance)

• Resource allocation at logistics

• Mga combinatorial na problema tulad ng graph partitioning at max-cut

Maraming problema sa optimization ang kategorisado bilang NP-hard sa complexity theory, ibig sabihin ang mga classical algorithm ay karaniwang umaasa sa mga heuristic o approximation para sa malalaking instance. Dahil ang mga qubit ay kumikilos nang iba kaysa sa mga classical bit, maaari tayong mag-modelo ng mga solusyon nang iba. Maaari itong magbigay-daan sa atin na mag-explore ng mga solution space nang mas mabilis o mas kumpleto kaysa sa mga classical algorithm.

Kasama sa mga karaniwang quantum approach:

• Variational algorithm, tulad ng Quantum Approximate Optimization Algorithm (QAOA)

• Hybrid classical-quantum workflow, kung saan ang mga classical solver ay gumagabay at nag-refine ng mga quantum subroutine

Habang bukas pa rin ang tanong kung kailan — o para sa aling mga problema — magbibigay ang quantum optimization ng malinaw na kalamangan laban sa state-of-the-art na mga classical na pamamaraan, ang optimization ay nananatiling isang pangunahing lugar ng interes dahil sa pagiging laganap nito at ang natural na pagmamapa sa pagitan ng mga layunin ng optimization at quantum Hamiltonians.

Partial Differential Equations (PDE)

Ang mga partial differential equation ay naglalarawan kung paano nagbabago ang mga pisikal na dami sa espasyo at oras. Pinagbabatayan nila ang marami sa pinaka-mahahalagang modelo sa agham at engineering, kasama na ang fluid dynamics, electromagnetism, heat transfer, at financial modeling.

Kabilang sa mga halimbawa:

• Navier-Stokes equations para sa fluid flow

• Schrödinger at wave equations

• Maxwell's equations

• Black-Scholes at kaugnay na financial PDE

Ang numerical na paglutas ng mga PDE sa mga classical computer ay kadalasang nangangailangan ng pinong spatial grid at mahabang time evolution, na humahantong sa mataas na computational cost at paggamit ng memorya.

Ang mga quantum algorithm para sa mga PDE ay karaniwang umaasa sa sumusunod:

• Pagmamapa ng mga PDE sa malalaking sistema ng linear equations

• Quantum linear algebra subroutine, tulad ng HHL algorithm at ang mga variant nito

• Mga hybrid workflow kung saan ang classical preprocessing at postprocessing ay nakapaligid sa mga quantum core

Sa teorya, ang ilang quantum approach ay maaaring mag-alok ng exponential o polynomial speedup sa ilalim ng mga partikular na assumption (tulad ng mahusay na paghahanda ng state at readout). Sa praktika, inaasahang magiging mas pangmatagalang aplikasyon ang paglutas ng PDE, na malapit na nakatali sa pag-unlad ng fault-tolerant quantum computing at quantum-classical na integrasyon sa mga high-performance computing (HPC) system.

Pag-aaral ng makina

Ang quantum machine learning (QML) ay nag-eeksplora kung paano maaaring mapahusay o mapabilis ng mga quantum computer ang mga aspeto ng machine learning at pagsusuri ng data. Kasama rito ang pareho sa sumusunod:

• Paggamit ng mga quantum computer upang mag-explore ng mga problema sa classification na may iba't ibang gawi ng classification kaysa sa mga classical algorithm

• Pagbuo ng mga bagong modelo na inherently quantum ang kalikasan

Kasama sa mga iminungkahing aplikasyon ang sumusunod:

• Classification at clustering

• Kernel method at feature map

• Mga optimization subroutine sa loob ng mga training loop

Maraming QML algorithm ang gumagamit ng sumusunod:

• Mga parameterized quantum circuit bilang mga maaaring sanayin na modelo

• Mga variational optimization technique

• Mga quantum kernel na implicit na nag-ooperate sa mataas na dimensional na feature space

Gayunpaman, ang machine learning ay isang partikular na mahirap na lugar para sa quantum advantage. Ang classical machine learning ay lubhang mature na, at ang mga quantum model ay kailangang harapin ang mga isyu tulad ng pag-load ng data, noise, at scaling.

Bilang resulta, ang kasalukuyang pananaliksik ay nakatuon sa mga lugar na ito:

• Pagtukoy ng mga partikular na rehiyon kung saan maaaring mahigitan ng mga quantum model ang mga classical

• Pag-explore ng QML bilang bahagi ng mga hybrid workflow kaysa sa mga standalone na kapalit

• Pag-unawa sa expressivity, trainability, at generalization ng mga quantum model

Ang quantum machine learning ay nananatiling isang aktibong lugar ng pananaliksik, na may potensyal na pangmatagalang epekto — ngunit mayroon ding mahahalagang bukas na tanong tungkol sa kung kailan at saan lalabas ang praktikal na kalamangan.

Konklusyon

Nilinawin ng araling ito na ang quantum advantage ay hindi tungkol sa pagpapalit ng mga computer. Tungkol ito sa pagpapalawak ng kung ano ang maaaring kalkulahin. Ito ay isa sa mga pinaka-ambisyosong proyekto ng engineering na sinubukan ng mga tao. At tulad ng lahat ng mga ambisyosong proyekto, ito ay magulo, mabagal, at kahanga-hanga.

Kung gusto mo ng follow-up sa kung paano talaga gumagana ang mga algorithm na ito, ipapakita ng susunod na aralin kung saan pupunta mula rito batay sa iyong mga interes at career goals.