IBMs Heron og Condor: fremskritt innen kvanteberegning i 2023

IBM kunngjorde i desember 2023 to steg mot praktisk kvanteberegning: Condor med over 1 000 fysiske kvantebiter og Heron med vekt på å redusere feil. Artikkelen handler om disse kunngjøringene og forventningene på det tidspunktet.

Kvantedatamaskiner bruker kvantebiter, også kalt qubiter, som kan være i superposisjon og være sammenfiltret. En superposisjon av tilstandene 0 og 1 betyr ikke at en måling gir alle mulige svar samtidig. Egnede kvantealgoritmer kan gi fordeler for bestemte oppgaver. Teknologien utfyller klassiske datamaskiner og gjør ikke automatisk alle beregninger raskere. Molekylsimulering og enkelte optimaliseringsproblemer er viktige forskningsområder.

Interessen skyldes muligheten for å utføre bestemte beregninger langt mer effektivt. Slike fremskritt kan få stor betydning for forskning og industri, men den praktiske fordelen avhenger av oppgaven, algoritmen og maskinvaren.

IBMs Heron og Condor

Heron brukes i systemet ibm_torino og har 133 kvantebiter med faste frekvenser og justerbare koblere. IBM rapporterte tre til fem ganger bedre enhetsytelse enn med den tidligere Eagle-prosessoren med 127 kvantebiter; det er ikke en generell hastighetsøkning for alle programmer. Utformingen undertrykker nesten helt krysstale, altså uønsket påvirkning mellom kvantebiter. IBM tok også Quantum System Two med tre Heron-prosessorer i bruk. Den modulære kombinasjonen av kvantemaskinvare og klassisk styring gjør ikke automatisk de separate prosessorene til én feiltolerant kvantedatamaskin.

Condor har 1 121 superledende fysiske kvantebiter. IBM oppga 50 prosent høyere kvantebittetthet, forbedret produksjon og over én engelsk mil, rundt 1,6 kilometer, tett kryogen kabling i én fortynningskjøler. Det dreier seg ikke om en norsk mil. Kjøleren holder temperaturen svært nær det absolutte nullpunktet. Ytelsen var sammenlignbar med den tidligere Osprey-prosessoren med 433 kvantebiter. Flere kvantebiter gir altså ikke nødvendigvis bedre beregninger, men utviklingen ga viktig erfaring med skalering og fremtidig maskinvare.

Disse utviklingene fra IBM er avgjørende for å presse grensene for kvantebruk og bevege seg mot kvante‑sentral superdatabehandling.

Applikasjoner og begrensninger

Kvanteberegning kan åpne nye vitenskapelige muligheter. Eksemplene nedenfor var forskningsretninger og forventninger i 2023; praktisk nytte må påvises for hver anvendelse.

Medisin: Kvantemekaniske simuleringer av molekyler kan støtte forskning på mulige legemidler. De viser ikke alene hvordan et legemiddel virker i mennesker, eller at utviklingen blir raskere og billigere.

Meteorologi: Forskere undersøker om kvantealgoritmer kan forbedre deler av behandlingen av vær- og klimadata. Mulige områder er værprognoser og forskning på klimaendringer. Dette var ennå ikke et generelt påvist praktisk forsprang i operativ værvarsling.

Kompleks problemløsning: Kvantealgoritmer undersøkes for enkelte vanskelige beregnings- og optimaliseringsoppgaver, blant annet innen logistikk og forsyningskjeder. Fordelen avhenger av problem, algoritme og maskinvare; alle klassisk vanskelige problemer blir ikke dermed løsbare. Transport, energi og finans er mulige bruksområder.

Det er også viktig å erkjenne at vi ikke kan vite det vi ikke kan forestille oss. Det betyr at det vil komme mange uventede fremskritt muliggjort av de evnene teknologien en dag vil tilby.

Kvanteberegning kan åpne nye muligheter for vitenskapelige oppdagelser og teknologisk utvikling. Dette beskriver bransjens fremtidsforventninger og er ikke et verifisert ordrett sitat fra IBM-sjef Arvind Krishna.

Ettersom kvantedatamaskiner representerer en så monumental teknologisk prestasjon, er det ikke overraskende at det har vært, og fortsatt er, betydelige hindringer og begrensninger som må overvinnes over tid. For eksempel står kvantedatabehandling i dag overfor utfordringer innen feilkorreksjon, skalerbarhet og utvikling av praktiske algoritmer.

Nye hindringer kan oppstå etter hvert som forståelsen og maskinvaren utvikles. Kvantemekanikkens kompleksitet krever nøyaktige forklaringer og eksperimentell prøving.

Kvantemekanikk er vanskelig å forstå intuitivt, så konklusjoner må bygge på beregninger og eksperimenter. Dette er en forklaring; det ble ikke funnet en verifiserbar primærkilde til den tidligere ordrette formuleringen som var tillagt Richard Feynman.

I 2023 begrenset feilkorreksjon, skalerbarhet og nyttige algoritmer fortsatt bred praktisk bruk. Optimistiske anslag omtalte rundt et tiår, men dette var en prognose og ingen fast tidsplan.

Utdanning: Fremtidens arbeidsstyrke innen kvantedatabehandling

Kvanteberegning virket lenge fjern, og spesialiserte kurs var sjeldne. Utviklingen øker behovet for nye forskere og ingeniører. Mange universiteter tilbyr derfor kurs og utdanninger som skal forberede fremtidige fagfolk.

• Institute for Quantum Computing ved University of Waterloo kombinerer akademisk forskning med utvikling av anvendelser. Instituttet ble grunnlagt i 2002 med støtte fra blant andre Mike og Ophelia Lazaridis, offentlige bidragsytere og universitetet. Originalartikkelens rundt 296 forskere og over 1 500 publikasjoner er historiske tall, ikke dagens bemanning eller publikasjonsantall.
• Universitetet i Oxford bidro til tidlige demonstrasjoner av kvantealgoritmer med kjernemagnetisk resonans, NMR. Forsøkene brukte blant annet pseudorene tilstander; de var ikke en generell og skalerbar kvantedatamaskin i en ren tilstand.
• Harvard Quantum Initiative ved Harvard University fokuserer på å fremme vitenskapen og ingeniørkunsten bak kvantedatamaskiner og deres anvendelser, og forbereder det de kaller «den andre kvante-revolusjonen».
• Center for Theoretical Physics ved MIT undersøker kvantealgoritmer og kvanteinformasjonsteori som del av MITs bredere forskning på området.
• Centre for Quantum Technologies, som i 2023 var basert ved National University of Singapore, og Berkeley Center for Quantum Information and Computation ved University of California, Berkeley er også pionerer innen utdanning i kvantedatabehandling, med fokus på forskning og utvikling av kvanteenheter.
• Joint Quantum Institute ved University of Maryland er et samarbeid mellom universitetet, NIST og LPS om å kontrollere og utnytte kvantesystemer.

Selskaper som utvikler kvanteberegning

Følgende selskaper var blant utviklerne på området i 2023. De statiske aksjetallene i tabellene er historiske øyeblikksbilder fra originalartikkelen, med pengebeløp i amerikanske dollar der det er relevant. De interaktive kursmodulene kan vise nyere opplysninger.

1.  International Business Machines Corporation

IBM Prisdiagram

IBM har lenge utviklet kvantedatamaskiner og vil gjøre programmeringen mer tilgjengelig gjennom blant annet Qiskit Patterns. Selskapets veikart la vekt på modulære arkitekturer og nettverk, med store kvantesystemer og praktiske anvendelser som mål. Systemer med hundretusener av kvantebiter var et fremtidsmål, ikke ferdig maskinvare i 2023.

2.  Microsoft Corporation

MSFT Prisdiagram

Microsoft la i 2023 vekt på skyintegrasjon og samarbeid. Selskapet omtalte IonQ, Pasqal, Quantinuum, Quantum Circuits Inc. (QCI) og Rigetti som partnere og brukte sin egen sammenligning av kvantevolumer. Dette var ikke en universell ytelsessammenligning mellom alle typer kvantedatamaskiner. Azure Quantum skulle støtte forsøk og videre skalering. Microsoft (MSFT ) understreket betydningen av et globalt økosystem og planla på lengre sikt å tilby sin egen kvantemaskin som skytjeneste gjennom Azure.

3.  Alphabet Inc.

GOOGL Prisdiagram

Alphabet (GOOG ) gjorde fremskritt gjennom Google Quantum AI. En studie i Nature i 2023 viste en beskjeden reduksjon i den logiske feilsannsynligheten ved oppskalering av et overflatekodeforsøk: rundt 2,914 prosent per korreksjonssyklus ved kodeavstand 5 mot 3,028 prosent ved kodeavstand 3. Det var ikke en fullstendig feilfri datamaskin. I 2019 rapporterte Google at Sycamore utførte en særskilt oppgave med sampling av tilfeldige kvantekretser på rundt 200 sekunder. Google anslo 10 000 år for en klassisk superdatamaskin; IBM bestred anslaget og foreslo en klassisk metode på rundt 2,5 dager. Sammenligningen gjaldt denne testen, ikke alle komplekse beregninger.

Konklusjon

Kvantedatabehandling representerer et banebrytende sprang i dataverdenen, og tilbyr potensialet til å revolusjonere en mengde felt. Mens IBMs nylige fremskritt med Heron‑ og Condor‑kvanteprosessorene markerer betydelig fremgang mot praktisk kvantedatabehandling, står teknologien fortsatt overfor betydelige utfordringer innen feilkorreksjon, skalerbarhet og algoritmeutvikling – noe som understreker behovet for fortsatt forskning og innovasjon.

Selv om disse utfordringene vedvarer, har kvantedatabehandling løftet om å låse opp muligheter vi ikke engang kan forestille oss i dag, og innleder en ny æra av vitenskapelige oppdagelser og teknologisk fremgang. Dens fulle potensial er fortsatt i utvikling, og dens påvirkning på ulike industrier og samfunnet lover å bli dyptgripende.