Kvanteregning oppnår ubetinget eksponentiell hastighetsøkning

Det som tidligere kun ble uttrykt på papir, er nå demonstrert i praksis. Løftet om kvantedatabehandling er oppnådd i virkeligheten, da de slår klassiske datamaskiner eksponentielt og ubetinget¹.

For dette brukte et forskerteam, ledet av Daniel Lidar, professor i elektroteknikk og datateknikk ved USC Viterbi School of Engineering, smart feilkorrigering og de kraftige 127-qubit-prosessorene fra IBM som gjorde det mulig for dem å takle en variant av Simons problem, og demonstrerte at kvantemaskiner nå bryter fri fra klassiske begrensninger.

Hvordan kvantedatabehandling overkommer klassiske begrensninger og støy

I flere tiår har klassisk databehandling vært normen. Imidlertid har kvantedatabehandling i de siste årene gjennomgått betydelig utvikling. 

Som et fremvoksende område innen informatikk bruker kvantedatabehandling prinsippene fra kvanteteori (som forklarer naturen og oppførselen til materie og energi på atom- og subatomnivå) for å dramatisk øke beregningshastighetene.

Ved å bruke kvantefysikk har kvantedatabehandling som mål å løse problemer som er for komplekse for de klassiske datamaskinene vi bruker daglig. Faktisk kan kvantedatabehandling løse visse komplekse simuleringsproblemer som ville tatt en tradisjonell superdatamaskin hundretusener av år.

Å oppnå en reell algoritmisk fordel over klassiske datamaskiner er et av de viktigste målene for kvantedatabehandling for å muliggjøre fremtidige gjennombrudd innen kjemi, kryptografi, optimalisering og andre felt.

Dette krever imidlertid spesialisert kvantehardware og algoritmer som utnytter kvanteegenskaper som superposisjon og sammenfiltring. I tillegg er støy et stort problem for kvantedatamaskiner.

Å bevise algoritmisk fordel over klassiske datamaskiner på dagens ufullkomne og støyende kvantehardware er fortsatt en utfordring.

Designere har begynt å utforske nye løsninger som NISQ-maskiner, men disse støyende mellomstore kvanteenhetene (NISQ) er funksjonelle på en relativt liten skala på flere hundre qubits.

I tillegg er de utsatt for forringet ytelse på grunn av decoherens (tap av kvantesammenheng, som innebærer tap av informasjon fra et system til omgivelsene) og kontrollfeil. 

Derfor er fokuset på å øke hastigheten på algoritmisk kvantebehandling på disse enhetene, som er en enkel skaleringsfordel. Selv om flere slike demonstrasjoner er gjort, avhenger kompleksiteten i de valgte problemene enten av vanskeligheten i et begrenset sett av klassiske algoritmer eller av antagelser om beregningskompleksitet.

Nylig ble en algoritmisk kvantehastighetsøkning uten å basere seg på ubeviste antagelser vist i orakelmodellen. Dette ble demonstrert for en Bernstein-Vazirani-algoritme, som ble observert på en IBM Quantum-prosessor med uønsket støy fjernet gjennom dynamisk frakobling (DD), en vanlig feilsupprimeringsteknikk for NISQ-enheter. 

Nå takler forskerteamet fra University of Southern California støyproblemet ved å implementere en variant av Simons problem. Dette er et velkjent eksempel hvor kvantealgoritmer i teorien kan løse en oppgave eksponentielt raskere enn deres klassiske motparter, ubetinget.

Simons problem er en forgjenger til Shors algoritme, som kan brukes til å starte feltet kvantedatabehandling. 

Det er også blant de opprinnelige problemene som har en bevist eksponentiell kvantehastighetsøkning, selv om det er i orakelmodellen. Problemet krever eksponentiell tid å løse på en klassisk datamaskin, men på en støyfri kvantecomputer tar det kun lineær tid, forutsatt at orakelspørringer telles, men vi tar ikke med ressursene som brukes på å utføre den.

I dette problemet involverer den abelske skjulte undergruppen identiteten og en hemmelig streng b, med mål om å bestemme b, altså å finne et skjult repeterende mønster i en matematisk funksjon.

Enklere sagt er det som et gjette‑spill, der spillerne prøver å gjette et hemmelig tall som ingen kjenner bortsett fra spillverten, også kalt “orakelet”.

Det hellige tallet avsløres når en spiller gjetter to tall som gir identiske svar fra orakelet, og den spilleren vinner. Sammenlignet med klassiske spillere kan kvante‑spillere vinne dette spillet eksponentielt raskere. 

Oppnå ubetinget kvantehastighetsøkning

For å virkelig oppdage nye materialer, knekke koder og designe nye medisiner med hjelp av kvantecomputere ved å øke beregningshastigheten, må de være funksjonelle.

Men som nevnt ovenfor, kommer støy eller feil i veien. Feil som oppstår under beregninger på en kvantemaskin gjør at kvantecomputere blir enda mindre kraftige enn klassiske datamaskiner. Det var inntil nå.

Lidar fra USC har arbeidet med kvantefeilkorrigering og har vist en kvantisk eksponentiell skaleringsfordel over skyen.

Dette ble detaljert i artikkelen ‘Demonstration of Algorithmic Quantum Speedup for an Abelian Hidden Subgroup Problem’, hvor Lidar samarbeidet med kolleger fra USC og Johns Hopkins.

“Det har tidligere vært demonstrasjoner av mer beskjedne typer hastighetsøkninger som en polynomisk hastighetsøkning. Men en eksponentiell hastighetsøkning er den mest dramatiske typen hastighetsøkning vi forventer å se fra kvantecomputere.”

– Lidar

Det viktigste gjennombruddet for kvantedatabehandling, ifølge Lidar, er å demonstrere at vi faktisk kan kjøre hele algoritmer med en skaleringsfordel i forhold til våre generelle datamaskiner. Men som han presiserte, betyr ikke det at du kan gjøre ting 100 ganger raskere.

Men hva skaleringshastighetsøkning betyr er at “når du øker problemets størrelse ved å inkludere flere variabler, vokser gapet mellom kvante‑ og klassisk ytelse. Og en eksponentiell hastighetsøkning betyr at ytelsesgapet omtrent dobles for hver ekstra variabel,” forklarte Lidar.

Han uttalte deretter at hastighetsøkningen teamet har vist er “ubetinget.”

Dette betyr at hastighetsøkningen ikke avhenger av noen ubekreftede antagelser.

Tidligere påstander om hastighetsøkning krevde antagelsen om at det ikke finnes en bedre klassisk algoritme å sammenligne den kvantealgoritmen med.

Teamet her brukte en algoritme som de tilpasset for kvantecomputeren for å løse en variant av “Simons problem.”

For å oppnå den eksponentielle hastighetsøkningen er “nøkkelen å presse ut hver eneste ytelse fra maskinvaren: kortere kretser, smartere pulssykluser og statistisk feilmildring,” bemerket første forfatter Phattharaporn Singkanipa, som er doktorgradsforsker ved USC.

Teamet oppnådde dette på fire forskjellige måter. Forskerne begrenset først datainnsatsen ved å begrense antallet tillatte hemmelige tall. Teknisk sett gjøres dette ved å begrense antallet 1‑ere i den binære representasjonen av settet med hemmelige tall. Dette førte til færre kvante‑logiske operasjoner enn ellers nødvendig, og reduserte dermed sjansen for feiloppbygging.

Deretter komprimerte de de nødvendige kvante‑logiske operasjonene gjennom transpilering, en prosess der en gitt inngang omskrives for å passe topologien til en bestemt kvanteenhet.

Neste steg var å anvende en metode kalt “dynamisk frakobling”, som hadde størst innvirkning på forskernes evne til å demonstrere en kvantehastighetsøkning. Metoden innebærer å anvende sekvenser av nøye designede pulser for å isolere en qubits oppførsel fra det støyende miljøet og holde den kvantebehandlingen på rett kurs.

Til slutt anvendte forskerne målefeil‑mildring (MEM) for å finne og korrigere visse feil. Poenget med dette trinnet er å rette opp feil som ble etterlatt av dynamisk frakobling på grunn av ufullkommenheter i målingen av qubits’ tilstand ved slutten av algoritmen.

Baner vei for kvantebruk

Med kvantedatabehandling som tilbyr betydelige fordeler innen logistikk, materialvitenskap, finansiell modellering, AI og cybersikkerhet ved å utnytte kvantemekaniske fenomener for å løse komplekse problemer, ser markedet betydelige bidrag og vekst.

Samfunnet har også begynt å vise hvordan kvanteprosessorer kan overgå sine klassiske motparter i målrettede oppgaver.

“Vårt resultat viser at dagens kvantecomputere allerede tydelig ligger på siden av en skalerende kvantefordel,” sa Lidar, som også er professor i kjemi og fysikk ved USC Dornsife College of Letters, Arts and Science og medgründer av Quantum Elements, et selskap som baner vei for kvantebruk i skala og kobler brukere med kvantecomputere.

For noen måneder siden rapporterte Quantum Elements‑teamet rapporterte² en banebrytende prestasjon. Deres nye teknikk, logisk dynamisk frakobling, takler logiske feil, en konstant utfordring i kvantedatabehandling.

Teamet demonstrerte hvordan denne spesifikke tilnærmingen forhindrer feil som tradisjonelle feilkorrigeringskoder ikke kan håndtere, samtidig som de holder et begrenset qubit‑fotavtrykk. 

De kombinerte feilkorrigering med logisk dynamisk frakobling, noe som tillot teamet å forbedre påliteligheten til sammenfiltrede logiske qubits betydelig, og bringe praktiske kvanteapplikasjoner enda nærmere virkeligheten.

Med den nyeste forskningen, sa Lidar, “kvanteytelsesfordelen blir stadig vanskeligere å bestride,” ettersom ytelsesgapet ikke kan reverseres fordi den demonstrerte eksponentielle hastighetsøkningen er “ubetinget.”

Studien viser en entydig algoritmisk kvantehastighetsøkning for en begrenset Hamming‑vekt (HW) versjon av problemet ved bruk av to forskjellige IBM Quantum‑prosessorer. Forskerne fant en forbedret kvantehastighetsøkning når beregningen er beskyttet av DD. Bruken av MEM forbedret den skaleringsfordelen ytterligere.

MEM og dynamisk frakobling ble brukt for feilsuppresjon og tilpasset for å tilpasse problemet til ekte kvanteenheter. De bidro til å opprettholde kvantekoherens og forbedre nøyaktigheten til tross for maskinvarebegrensninger. 

Med sine eksperimenter har forskerne brakt NISQ‑algoritmer enda nærmere en demonstrasjon av en kvantehastighetsøkning gjennom Shors algoritme og fremhevet den viktige rollen kvantefeilsupprimeringsteknikker spiller i en slik demonstrasjon.

Å demonstrere en eksponentiell hastighetsøkning i å løse problemet på faktisk kvantehardware, ifølge forskerne, er “et viktig milepæl for feltet.” I tillegg til å bygge bro mellom teori og praksis, understreker deres resultater også de økende evnene til dagens kvanteprosessorer. Studien bemerket:

“Etter hvert som maskinvaren fortsetter å forbedres, baner vår tilnærming vei for enda kraftigere demonstrasjoner av kvantefordel i nær fremtid.” 

Til tross for alt dette finnes det ingen praktiske anvendelser av teknologien utover å vinne gjette‑spill. Dette har også vært sant for andre fremskritt innen feltet.

“Vi trenger et ChatGPT‑øyeblikk for kvante,” sa Francesco Ricciuti, en associate i VC‑firmaet Runa Capital, til CNBC i desember da Google avduket den nye brikken som de sa markerer et stort gjennombrudd innen kvantedatabehandling.

Googles kvantebrikke heter Willow, som har 105 qubits og kan angivelig redusere feil “eksponentielt” etter hvert som antallet qubits skaleres opp. Dette “løser en nøkkelutfordring i kvantefeilkorrigering som feltet har forfulgt i nesten 30 år,” sa Hartmut Neven, grunnlegger av Google Quantum AI.

Willow utførte en beregning som ville tatt dagens raskeste superdatamaskiner 10 septillion år, på under fem minutter.

“De prøver å definere et virkelig høyt problem for vanlige datamaskiner som de kan løse med kvantecomputere. Det er fantastisk at de kan gjøre det, men det betyr egentlig ikke at det er nyttig,” sa Ricciuti på den tiden.

Selv Google sa at deres RCS‑benchmark har “ingen kjente virkelige anvendelser” og at de “vitenskapelig interessante simuleringene av kvantesystemer” de har gjort og som har ført til nye vitenskapelige oppdagelser også “fortsatt er innen rekkevidde for klassiske datamaskiner.”

Teknologigiganten jobber imidlertid med å gå inn i området med algoritmer som ikke bare er utenfor rekkevidde for klassiske datamaskiner, men også “nyttige for virkelige, kommersielt relevante problemer.”

Tidligere i år sa Julian Kelly, direktør for maskinvare hos Google Quantum AI, at vi kan være “om fem år fra et virkelig gjennombrudd, en slags praktisk anvendelse som kun kan løses på en kvantecomputer.”

Nvidia‑administrerende direktør Jensen Huang tror også at kvantedatabehandling kan “gi ekstraordinær innvirkning,” men påpeker at teknologien er “vanvittig komplisert.”

Ifølge Lidar, “gjenstår det mye arbeid før kvantecomputere kan hevdes å ha løst et praktisk virkelighetsproblem.” Og det vil kreve hastighetsøkninger som ikke avhenger av orakler som kjenner svaret på forhånd. Videre må vi gjøre betydelige fremskritt i metoder for å redusere decoherens og støy ytterligere. 

Likevel, ved å demonstrere eksponentielle hastighetsøkninger, som tidligere bare var et “på‑papir løfte” fra kvantecomputere, har forskerne oppnådd en viktig milepæl som er verdt å feire.

Investering i kvanteteknologi

Med kvantecomputere som markerer et stort sprang fremover i beregningskapasitet, utvikler mange laboratorier, universiteter, selskaper og offentlige etater rundt om i verden kvantedatateknologi.

Når det gjelder investeringsmuligheter, har vi Amazon (AMZN ), Intel (INTC ), og Microsoft (MSFT ) blant andre som aktivt utforsker området. Men i dag skal vi se på investeringspotensialet til IBM (IBM ), en pioner innen kvantehardware.

International Business Machines Corporation (IBM )

IBMs 127‑qubit‑prosessorer ble brukt i USC‑eksperimentet. Det var sent i november 2021 at IBM først avduket denne prosessoren, kalt Eagle, som fulgte deres 65‑qubit ‘Hummingbird’‑prosessor lansert i 2020 og den 27‑qubit ‘Falcon’‑prosessoren året før.

USC er faktisk et IBM Quantum Innovation Center, mens Quantum Elements er en oppstartsbedrift i IBM Quantum Network.

For fokuserte innsatsområder i feltet har selskapet en dedikert plattform, IBM Quantum, som har som mål å bygge den første store skala feil‑tolerante kvantecomputeren. Teknologigiganten har som mål å levere et system som nøyaktig kjører 100 millioner porter på 200 logiske qubits innen 2029. Med dette systemet vil IBM “låse opp den første levedyktige veien til å realisere den fulle kraften til kvantedatabehandling.”

IBM bygger denne kvantecomputeren kalt “Starling” på sitt New York‑campus, og den vil støtte en dyp, feilkorrigert krets. I henhold til deres veikart planlegger selskapet også en ny IBM Quantum Nighthawk‑prosessor som skal lanseres senere i år.

I forrige måned distribuerte de et Quantum System Two ved et forskningssenter i Japan. Og denne uken deltok teknologigiganten i oppstartsbedriften Qedmas $26 millioner finansieringsrunde, med sin administrerende direktør som forventer å demonstrere i år “med tillit til at kvantefordelen er her.” Qedma er allerede tilgjengelig gjennom IBMs Qiskit Functions Catalog, som gjør kvante tilgjengelig for sluttbrukere.

Selv om de leder innen kvanteteknologi, er selskapet primært kjent for sin sky, AI og konsulentkompetanse, som de leverer gjennom segmentene Software, Consulting og Infrastructure.

Hvis vi ser på IBMs markedsytelse, har selskapets aksjer med en markedsverdi på 268,6 milliarder dollar per i dag handlet til 289 dollar, opp 30,85 % år‑til‑dato. IBMs aksjer har hatt en fin periode med priser opp 145 % de siste tre årene ettersom de nådde nye topper mens selskapet posisjonerer seg som leverandør av neste generasjons bedrifts‑teknologi.

Den har en EPS (TTM) på 5,85, en P/E (TTM) på 49,81 og en ROE (TTM) på 21,95 %. Utbytteavkastningen tilgjengelig for aksjonærene er derimot en attraktiv 2,31 %.

Når det gjelder deres finansielle resultater, rapporterte IBM en 1 % økning i inntektene til 14,5 milliarder dollar for første kvartal 2025. Deres GAAP‑bruttomargin var 55,2 % og deres non‑GAAP‑bruttomargin var 56,6 %. Netto kontantstrøm fra driftsaktiviteter var 4,4 milliarder dollar, mens fri kontantstrøm var 2 milliarder dollar.

CEO Arvind Krishna tilskrev inntekts‑, lønnsomhets‑ og fri kontantstrøms‑over‑oppnåelse til “sterk etterspørsel etter generativ AI,” med IBM fortsatt “optimistisk om de langsiktige vekstmulighetene for teknologi og den globale økonomien.”

Siste IBM‑aksjenyheter og utviklinger

Konklusjon

Å demonstrere en algoritmisk kvantehastighetsøkning, som skalerer med problemets størrelse, er nøkkelen til å etablere nytten av kvantecomputere. Så demonstrasjonen av en ubetinget, eksponentiell hastighetsøkning markerer et vendepunkt i kvantedatabehandling, og beviser at dagens enheter kan bryte fri fra klassiske begrensninger. 

Denne prestasjonen fra forskerne utvider betydelig omfanget av kvantehastighetsøkninger for orakellalgoritmer, utvider fronten for empiriske kvantefordelsresultater, og peker på at praktisk relevante algoritmer endelig er innen rekkevidde.

Alt i alt er reisen for kvantecomputere mot praktiske, hverdagslige anvendelser fortsatt i utvikling, med fortsatte forbedringer for å låse opp den fulle kraften til kvanteteknologi!

Klikk her for en liste over topp kvantedatabehandlingsselskaper.

Studier referert:

1. Singkanipa, P.; Kasatkin, V.; Zhou, Z.; Quiroz, G.; Lidar, D. A. Demonstration of Algorithmic Quantum Speedup for an Abelian Hidden Subgroup Problem. Phys. Rev. X 2025, 15 (2), 021082. https://doi.org/10.1103/PhysRevX.15.021082
2. Vezvaee, A.; Tripathi, V.; Morford-Oberst, M.; Butt, F.; Kasatkin, V.; Lidar, D. A. Demonstration of High-Fidelity Entangled Logical Qubits using Transmons. arXiv 2025, arXiv:2503.14472. https://doi.org/10.48550/arXiv.2503.14472