Databehandling
Lysbur kan løse minneproblemet i kvantedatabehandling

Flaskehalsen: Hvorfor kvantedatabehandling trenger ny minne
For at en kvantedatamaskin skal begynne å bli brukt, om ikke rutinemessig, i det minste pålitelig, må den replikere med kvantekompatible komponenter de fleste funksjonene som utføres av silisiumsemiconductorer: ikke bare beregning (prosessorer/chips), men også nettverk og minne.
Nettverk utvikler seg. Vi har sett lanseringen av QNodeOS, et operativsystem dedikert til kvantenettverk, sammen med masseproduserbare fotoniske chips, erbium nanofotoniske forsterkere, og kvante-teleportering ved bruk av tradisjonelle optiske fibernettverk.
Men minne har vært mer unnvikende, selv om lydbølger kan tilby en slags hybridløsning på stabilitetsproblemet.
Denne vanskeligheten oppstår fordi qubits er ekstremt ustabile, og krever superledende materialer, total isolasjon fra miljømessig interferens, og ultrakalde temperaturer.
Nettverk kan delvis hjelpe med å lindre mangelen på minne ved å videresende informasjon til andre fysiske qubits i en klynge, men dette alternativet har sine grenser. På et tidspunkt vil komplekse beregninger kreve et langvarig (etter kvante‑standarder) minnesystem som kan beholde kvantedata pålitelig.
Dette er akkurat det forskerne i Tyskland ved Humboldt-Universität zu Berlin, Universitetet i Stuttgart, og Leibniz‑instituttet for fotonisk teknologi ser ut til å ha oppnådd.
De skapte et nanoskopt «lysbur» som kan beholde kvantedata i en enestående lang tid. De publiserte funnene sine i det vitenskapelige tidsskriftet Light: Science & Applications1, under tittelen “Lagring av lys i lysbur: en skalerbar plattform for multiplekserte kvanteminner”.
Hva er nanoskopt «lysbur»?
Kvanteminne refererer til komponenter som kan lagre og bevare intakt kvanteinformasjon (qubits).
I praksis fungerer dette som RAM: ikke for langtidslagring av data, men for å holde data tilgjengelige for neste steg i en beregningsprosess.
Dette krever tre påfølgende steg:
- Fange den kvantetilstanden.
- Lagre denne tilstanden i et format som er mer stabilt enn flyktige qubits.
- Gjenhente dataene for videre behandling.
Hvordan 3D‑printede lysbur fungerer
Grunnlaget for de tyske forskernes arbeid er «lysbur». Disse nanoskopt strukturer er designet for å holde på lys uten at det mister sine kvanteegenskaper.

Kilde: Light
I dette spesifikke tilfellet brukte de hul‑kjerne bølgeledere fylt med en atomisk damp av cesiumatomer.
Strukturene selv ble bygget ved hjelp av nanoprinting‑teknologi, spesifikt to‑fotons polymerisasjons‑lithografi med kommersielle 3D‑utskriftsystemer.
For å sikre langsiktig stabilitet i det reaktive cesium‑miljøet, er strukturene belagt med et beskyttende lag, og viser bemerkelsesverdig holdbarhet uten degradering selv etter fem år i drift.

Kilde: Light
Fordeler sammenlignet med tradisjonell kvanteminne
Dette designet tilbyr unike fordeler sammenlignet med tidligere forsøk.
Først tillater disse nanoprintede strukturene rask diffusjon av cesiumatomer. Dette reduserer tiden som kreves for å fylle kjernen med atomisk damp fra måneder til kun dager, samtidig som utmerket optisk felt‑konfinering opprettholdes.
For det andre tillater designet unik side‑tilgang til kjerneområdene, noe som letter gjenhenting av kvantedata når det trengs.
«Vi laget en styrende struktur som tillater rask diffusjon av gasser og væsker inne i kjernen, med allsidigheten og reproduserbarheten som 3D‑nanoprint‑prosessen gir.
Dette muliggjør ekte skalerbarhet av denne plattformen, ikke bare for intra‑chip‑fremstilling av bølgelederne, men også inter‑chip, for å produsere flere chips med samme ytelse.»
Denne skalerbarheten gjør det langt enklere å nå et industrielt kommersielt stadium. Den tillater flere lysbur på samme chip, og øker den potensielle totale minnet til en kvanteprosessor. Variasjoner innen en enkelt chip ble holdt under 2 nanometer, mens forskjeller mellom chips forble under 15 nanometer.
Fordi lagringsytelsen mellom ulike lysbur er minimal og konsistent, gir designet pålitelige forventninger for ingeniører.
Sveip for å rulle →
| Kvanteminne-tilnærming | Lagret eksitasjon / medium | Typiske driftsforhold | Skalering & integrasjon | Viktige avveininger |
|---|---|---|---|---|
| Nanoprintede «Lysbur» (dette arbeidet) | Guidede lysimpulser kartlagt til kollektive atomiske eksitasjoner (cesiumdamp i hul‑kjerne bølgeledere) | Litt over romtemperatur; ingen kryogenikk eller kompleks atomfanging beskrevet | 3D‑nanoprinting (to‑fotons polymerisering) støtter repeterbare, multiplekserte on‑chip‑strukturer; side‑tilgang for kontroll/lesning | Lagringstider vist her er hundrevis av nanosekunder; hovedverdien er produksjonsmulighet + multipleksing + avslappede driftsforhold |
| Kalde‑atom‑ensemble‑minner | Atomiske eksitasjoner i laser‑kjølte atomskyer | Ultrahøy vakuum, laser‑kjøling, fangst‑optikk (kompleks laboratorieinfrastruktur) | Høy ytelse i forskningsmiljøer; vanskeligere å miniaturere og distribuere i skala sammenlignet med chip‑først tilnærminger | Utmerket fysikk, men systemkompleksitet og fotavtrykk kan begrense praktisk distribusjon |
| Sjeldne‑jord‑dopede krystaller | Optiske eksitasjoner i solid‑state dopanter (f.eks. sjeldne‑jord‑ioner) | Ofte kryogenisk for best koherens; stabile faste stoffer men krevende kjøling | Potensielt kompakte moduler; integrasjon avhenger av fotonikk‑pakking og koblings‑tap | Sterkt koherenspotensial, men temperatur/kjøling og koblings‑effektivitet er praktiske begrensninger |
| Spin‑baserte minner (NV‑sentra / spin‑ensemble) | Elektron‑/kjerne‑spin‑tilstander i faste stoffer | Varierer mye (ofte kontrollerte miljøer; noen ganger kryogenisk for optimal ytelse) | Attraktivt for solid‑state integrasjon; optiske grensesnitt og produksjonsutbytte kan være utfordrende | Lang‑levende spin‑tilstander er lovende, men foton‑spin‑grensesnitt kan være flaskehalsen |
| Superledende resonator‑minner | Mikrobølge‑fotoner/eksitasjoner i superledende kretser | Kryogenisk (diluerings‑kjøleskap) drift | Sterk kompatibilitet med superledende prosessorer; skalering er knyttet til kryowiring, termisk budsjett og kjøleskap‑kapasitet | Tett integrasjon med dagens ledende QC‑stabler, men kryogenikk og system‑nivå kompleksitet er uunngåelig |
En annen massiv endring sammenlignet med de fleste kvantedatabehandlingsteknologier er at lysbur‑minne opererer litt over romtemperatur og krever ingen kryogen kjøling. Dette gjør det ikke bare mer pålitelig, men også betydelig mer økonomisk.
Hvor lenge kan lysbur lagre data?
Lysburene muliggjør svært effektiv konvertering av guidede lysimpulser til kollektive atomiske eksitasjoner. En optisk kontrolllaser kan deretter frigjøre lyset på forespørsel, og hente dataene for videre kvanteberegninger.
Forskningsgruppen lagret med hell attenuerte lysimpulser som inneholdt kun noen få fotoner i flere hundre nanosekunder.

Kilde: Light
Selv om denne tidsrammen kan virke kort, representerer den i kvantenettverk‑ og fotonisk‑minne‑termer en usedvanlig lang og stabil lagringstid, spesielt for systemer som er kompatible med romtemperatur.
Skalering av kvantenettverk med optisk minne
Mens nettverk hittil har hjulpet med å kompensere for mangel på minne, kan pålitelig minne omvendt bidra til å skape mer komplekse nettverk.
Ved å skape pålitelig lagring kan kvanteminne fungere som repeater‑noder, og øke påliteligheten og rekkevidden til kvantenettverket betydelig. Dette er et stort skritt mot å nettverke flere kvante‑chips i én superdatamaskin, samt å koble fysisk fjerne kvantedatamaskiner.
Konklusjon
Kvantedatabehandling har gjort enorme fremskritt de siste årene, med utvikling av nettverk og større, skalerbare kvante‑chips. Den manglende lenken for en fullverdig kvantedatamaskin eller et storskala kvantenettverk var pålitelige minnekomponenter.
Utnyttelsen av disse forbedrede lysburene kan være akkurat nøkkelen til å akselerere utviklingen av kvantedatabehandling, takket være deres billige og pålitelige produksjonsprosess.
Det neste steget vil sannsynligvis være praktisk testing med eksisterende kvante‑chips og optimalisering av produksjonsprosessen for å integrere den i standardpraksisene til et halvleder‑fab.
Investere i kvantedatabehandling
Honeywell / Quantinuum (HON)
HON Prisdiagram
Quantinuum er resultatet av fusjonen mellom Honeywell Quantum Solutions og Cambridge Quantum.
Honeywell forblir selskapets majoritetsaksjonær (sannsynligvis 52 % eierskap) etter en kapitalinnhentingsrunde som verdsatte det til $10 milliarder. Grunnlegger Ilyas Khan skal eie omtrent 20 % av selskapet. Andre aksjonærer inkluderer JSR Corporation, Mitsui, Amgen (AMGN ), IBM og JP Morgan.
En potensiell børsnotering av Quantinuum, muligens som en del av en større bedriftsrestrukturering, anslås av analytikere å kunne være verdt opptil $20 milliarder og kan finne sted mellom 2026 og 2027.
Kvantedatabehandling er ikke den sentrale delen av Honeywells virksomhet, som er mer fokusert på produkter innen romfart, automatisering og spesialkjemikalier & materialer.
Hvert av disse områdene kan imidlertid dra nytte av kvantedatabehandling, spesielt beregningskjemi og kvante‑cybersikkerhet, noe som potensielt gir Honeywell en fordel over konkurrentene.
Selskapets hovedmodell for nå er Helios, etterfølgeren til H2, og den «mest nøyaktige kvantedatamaskinen i verden». Den har en rekordbrytende 98 fullt tilkoblede fysiske qubits med enkelt‑qubit‑gate‑fidelitet på 99,9975 % og to‑qubit‑gate‑fidelitet på 99,921 % på tvers av alle qubit‑par.
Vi utnyttet også Helios til å utføre storskalige simuleringer innen høyt temperatur‑superledning og kvante‑magnetisme—begge med klare veier til virkelige industri‑applikasjoner.
Selskapet har forfulgt høy‑kvalitets databehandling med svært få feil, i stedet for bare å legge til så mange qubits som mulig, og skaper det såkalte «feiltolerante kvantedatabehandling».
Denne tilnærmingen er merket av selskapet som «Bedre qubits, bedre resultater», med en tilsvarende mengde qubits som oppnår 100‑1 000‑ganger mer pålitelige resultater.

Kilde: Quantinuum
Dette kan utgjøre en merkbar forskjell i det presserende behovet for kvante‑resistent kryptografi. Forsvarsselskapet Thales (HO.PA -0,96 %) samarbeider allerede med Quantinuum, det samme gjelder internasjonale banker som HSBC og JP Morgan.
Quantinuum tilbyr også sin proprietære kvante‑beregningskjemi InQuanto, som kan brukes for farmasøytisk, materialvitenskap, kjemikalier, energi og romfartsapplikasjoner.
Som mange andre kvantedatabehandlings‑selskaper, tilbyr Quantinuum Helios som «hardware‑as‑a‑service», som gjør det mulig for brukere å dra nytte av kvantedatabehandling uten å måtte håndtere kompleksiteten ved å operere systemet selv.
Quantinuum signerte i november 2024 et partnerskap med tyske Infineon, Europas største halvlederprodusent. Infineon vil bringe sin integrerte fotonikk‑ og kontroll‑elektronikk‑teknologi for å hjelpe med å skape neste generasjon av fangede‑ion‑kvantedatamaskiner.
Etter hvert som integrert fotonikk nærmer seg praktiske bruksområder, er det nå klart hvor viktig dette partnerskapet kan være for Quantinuums fremtid. På dette tidspunktet ser det ut til at neste steg for selskapet vil være å lansere verdens første AI‑fokuserte fotonikk‑kvante‑chip.
I de kommende månedene vil Quantinuum dele resultater fra pågående samarbeid, og vise det banebrytende potensialet til kvante‑drevet fremgang innen Generativ AI.
Den innovative Gen QAI‑kapasiteten vil forbedre og akselerere bruken av metallorganiske rammeverk for legemiddellevering, og bane vei for mer effektive og personlige behandlingsalternativer, med detaljer som vil bli avslørt ved lanseringen av Helios.
Quantinuum kunngjør gjennombrudd innen generativ kvante‑AI med enorm kommersiell potensial
Flere pågående bruksområder kan sterkt øke selskapets fremtidige verdi, og dermed Honeywells eierandel i det.
Generativ kvante‑AI: Å låse opp AI‑s fulle potensial
(Du kan lese mer om resten av Honeywells industrielle aktiviteter innen automatisering, romfart og avanserte materialer i rapporten dedikert til selskapet.)
Siste Honeywell (HON) aksjenyheter og utviklinger
Studie referert
1. Gómez-López, E., Ritter, D., Kim, J. et al. Lagring av lys i lysbur: en skalerbar plattform for multiplekserte kvanteminner. Light Sci Appl 15, 13 (2026). https://doi.org/10.1038/s41377-025-02085-5











