Komputery kwantowe mają zrewolucjonizować kryptografię czy telekomunikację. Te obietnice mogą się spełnić. Albo nie
Gorączka XXI wieku związana z budową pierwszego przemysłowego komputera kwantowego jest, jak mówi pionier fizyki teoretycznej Peter Zoller, podobna do XX-wiecznej obsesji na punkcie pionierskiego zdobycia Mount Everestu. „Kiedy się wspinasz, rozglądasz się wokół i martwisz, kto jest numerem jeden – mówi. – Kiedy docierasz na szczyt, pytasz sam siebie, po co, u diabła, właściwie to zrobiłeś.”
W 1995 roku Zoller i Ignacio Cirac, wówczas stażysta podoktorski w grupie Zollera na University of Colorado Boulder, zaproponowali pierwsze realistyczne projekty komputera kwantowego. Ich pomysł polegał na wykorzystaniu uwięzionych jonów jako „kubitów” – kwantowego odpowiednika bitów cyfrowych, zdolnych do istnienia w superpozycji reprezentującej jednocześnie 0, 1 i wszystkie stany pomiędzy nimi. Ponad dekadę wcześniej fizycy Paul Benioff i Richard Feynman niezależnie zasugerowali, że maszyny wykorzystujące dziwaczne właściwości świata kwantowego mogłyby teoretycznie przewyższać klasyczne komputery w wykonywaniu niektórych zadań. Dziś zespoły na całym świecie opracowują coraz większe procesory kwantowe wykorzystujące kubity zbudowane m.in. z jonów, obojętnych atomów czy nadprzewodzących pętli. IBM i firma Atom Computing z Berkeley w Kalifornii prowadzą obecnie wyścig dzięki komputerom kwantowym wyposażonym w ponad 1000 kubitów, a w ubiegłym roku grupa badawcza z California Institute of Technology poinformowała, że zbudowała rekordową macierz liczącą ponad 6000 kubitów.
„To ekscytujący czas, ponieważ ludzie uruchamiają komputery kwantowe mające setki i tysiące kubitów” – mówi laureat Nagrody Nobla w dziedzinie fizyki John Martinis, emerytowany profesor University of California w Santa Barbara oraz współzałożyciel firmy Qolab zajmującej się sprzętem kwantowym.
W 2019 roku badacze Google, kierowani przez Martinisa, poinformowali, że ich 53-kubitowy procesor Sycamore jako pierwszy osiągnął „przewagę kwantową”, wykonując obliczenie w 200 s – zadanie, które według ich szacunków najlepsze klasyczne superkomputery rozwiązywałyby przez około 10 tys. lat. Liczba dotycząca superkomputerów została później zakwestionowana – IBM argumentował, że jego najlepszy klasyczny komputer mógłby w rzeczywistości wykonać to zadanie w zaledwie dwa i pół dnia – lecz nawet gdyby wynik Google się utrzymał, samo obliczenie miało jedynie akademickie znaczenie jako dowód słuszności koncepcji „Demonstracja przewagi kwantowej dokonana przez Google w 2019 roku była ważnym kamieniem milowym, ale wiele osób powiedziałoby, że wciąż nie stanowiła przełomu w rozwiązaniu problemu o szerokim praktycznym znaczeniu” – zauważa fizyk kwantowy Kihwan Kim, obecnie pracujący w Institute for Basic Science w Korei Południowej.
Eksperci zgadzają się, że aby rozwiązywać użyteczne problemy będące poza zasięgiem nawet najlepszych możliwych klasycznych superkomputerów, liczba kubitów musi znacząco wzrosnąć – potencjalnie do miliona lub więcej. Ponadto fizycy kwantowi będą musieli opracować odporne kubity, które dłużej zachowują swoje właściwości kwantowe, a także znaleźć sposoby korygowania błędów pojawiających się podczas obliczeń.
W marcu grupa badaczy (z różnych ośrodków) poinformowała, że nadprzewodzące procesory Heron firmy IBM na niespotykaną wcześniej skalę potrafiły trafnie przewidzieć wyniki eksperymentów wyznaczania struktury konkretnego kryształu antyferromagnetycznego metodą rozpraszania neutronów, wykorzystując najwyżej 50 kubitów; fizycy zaznaczyli jednak, że klasyczne komputery mogłyby wykonać to samo zadanie szybciej i dokładniej.
W czym więc naprawdę będą dobre komputery kwantowe – i kiedy to nastąpi? Eksperci twierdzą, że wciąż dzielą nas lata od komputerów kwantowych zdolnych do realizacji praktycznych zastosowań niedostępnych dla komputerów klasycznych. Mogłyby one obejmować łamanie powszechnie stosowanych systemów szyfrowania danych, symulowanie procesów kwantowych na potrzeby fizyki fundamentalnej oraz projektowanie leków i materiałów. Mimo to Martinis – ekspert od skalowania sprzętu kwantowego – zauważa, że w zasadzie nie ma żadnej gwarancji, iż kiedykolwiek uda się stworzyć komputery liczące milion kubitów. „Prawdziwym dowodem – mówi – będzie ich zbudowanie i przekonanie się, że działają.”
Kryptografia
Najbardziej niesławną obietnicą komputerów kwantowych było to, że pewnego dnia złamią szyfrowanie RSA – od dawna stosowany na całym świecie protokół służący do zabezpieczania przelewów bankowych, kryptowalut i komunikacji cyfrowej. Ten dzień może nadejść zaskakująco szybko. Przez długi czas sądzono, że złamanie szyfrowania wymagałoby procesora dysponującego co najmniej milionem kubitów. Jednak w lutym zespół z firmy Iceberg Quantum w Sydney w Australii radykalnie obniżył ten szacunek, wyliczając, że przy starannej optymalizacji i korekcji błędów hakerzy mogliby potrzebować mniej niż 100 tys. kubitów do wykonania tego zadania. W marcu Google ogłosił nowe zobowiązanie do migracji swoich systemów do 2029 roku na rozwiązania chroniące je przed hakowaniem kwantowym.
Chociaż twierdzenia firmy Iceberg nie zostały jeszcze poddane recenzji naukowej, są wiarygodne i wywołały poruszenie, mówi Artur Ekert, ekspert kryptografii z University of Oxford. „Wiele osób uważa, że zagrożenie dla szyfrowania ze strony komputerów kwantowych to tylko pseudonaukowy bełkot – i ja sam również byłem sceptyczny – ale może wystarczyć jeszcze kilka takich publikacji, jak ta, aby perspektywa złamania RSA stała się czymś realnym” – mówi. Pogląd Martinisa także zmienił się w ostatnich latach. „Jeśli martwi cię szyfrowanie RSA – a powinno – powiedziałbym, że może zostać złamane za pięć do 10 lat” – twierdzi.
Szyfrowanie RSA wykorzystuje fakt, że łatwo jest stworzyć tajny klucz poprzez pomnożenie dwóch dużych liczb pierwszych, ale praktycznie niemożliwe dla jakiegokolwiek klasycznego komputera jest odtworzenie klucza poprzez efektywne rozłożenie liczby z powrotem na te składowe liczby pierwsze. Klasyczny komputer mógłby kolejno testować liczby, zapamiętując każdą wartość i szukając wzorca, lecz takie podejście staje się niewykonalne przy dużych liczbach – wyjaśnia Ekert. Współczesne klasyczne algorytmy stosują inne metody, ale pozostają nieefektywne, ponieważ czas wykonania rośnie wykładniczo wraz z wielkością liczby poddawanej faktoryzacji.
Świat kwantowy nie podlega jednak takim ograniczeniom. Kubity mogą jednocześnie przyjmować wiele wartości i splątywać się ze sobą, wzmacniając swoją moc obliczeniową. „W istocie może on jednocześnie objąć wszystkie możliwe ścieżki obliczeniowe” – mówi Ekert. W 1994 roku informatyk teoretyczny Peter Shor, obecnie pracujący w Massachusetts Institute of Technology, zapostulował, że hipotetyczny komputer kwantowy mógłby wykorzystać tę właściwość do złamania szyfrowania RSA. Jeśli i kiedy jakiś komputer tego dokona, prawdopodobnie użyje algorytmu opracowanego przez Shora.
Istnieją propozycje algorytmów kryptograficznych odpornych na ataki kwantowe; amerykański National Institute of Standards and Technology (NIST) opublikował trzy takie schematy w 2024 roku. Zoller uważa, że tego rodzaju prace w dużej mierze neutralizują zagrożenie, ponieważ sugerują, że świat może odejść od szyfrowania RSA, zanim pojawią się kwantowi hakerzy. „Algorytm Shora może ostatecznie zapisać się w historii jako przełomowe osiągnięcie naukowe o ogromnym znaczeniu – w równym stopniu ze względu na to, jak zainspirował rozwój komputerów kwantowych, jaki i przez swoje konsekwencje dla łamania szyfrów”. – mówi.
Ekert jest mniej spokojny. Jak zauważa, w ubiegłym roku informatyk z Chin zaproponował – jak się później okazało błędnie – algorytm kwantowy zdolny do złamania głównego kandydata NIST, czyli szyfrowania opartego na sieciach kratowych (lattice-based encryption). „Całej społeczności kryptografii kwantowej zajęło ponad tydzień wykorzystanie całej swojej wiedzy, by znaleźć błąd, co pokazuje, jak blisko takich możliwości jesteśmy – mówi Ekert. – Niewykluczone, że następnym razem algorytm okaże się poprawny.”
Fizyka fundamentalna
Jedną z dziedzin, w których procesory kwantowe już dziś odnoszą sukcesy, jest modelowanie oddziaływań cząstek w celu rozwiązywania zagadek leżących u podstaw fizyki fundamentalnej. „To sięga jeszcze Feynmana, który wyraził pogląd, że nie da się naprawdę zrozumieć, jak działa natura, jeśli nie odtworzy się jej na tej samej skali długości” – mówi fizyczka kwantowa i specjalistka od materiałów Michelle Simmons, założycielka i dyrektor generalna firmy Silicon Quantum Computing (SQC) w Sydney.
Symulowanie oddziaływań wielu cząstek bardzo szybko staje się niemożliwe dla klasycznego komputera, wyjaśnia Daniel González-Cuadra, fizyk kwantowy z Institute for Theoretical Physics w Austrii. „Ilość informacji potrzebnych do opisania stanu takich układów rośnie wykładniczo wraz z rozmiarem systemu i w pewnym momencie po prostu nie ma się już wystarczającej pamięci” – mówi.
Uchwycenie całej tej złożoności wymaga równie złożonej maszyny kwantowej. Zespoły na całym świecie robią postępy na tym polu. Jednym z głównych obszarów badań jest zwiększanie „koherencji” kubitów, tak aby pozostawały w stanie superpozycji wystarczająco długo i zdążyły przeprowadzić swoje obliczenia. W 2021 roku zespół Kima z Chin wykazał, że kubity oparte na uwięzionych jonach mogą utrzymywać koherencję przez ponad godzinę, co – jak mówi – było „bardzo ważnym punktem odniesienia dla skalowania znaczących symulacji kwantowych”.
W ubiegłym roku dwa zespoły niezależnie opublikowały symulacje kwantowe w czasie rzeczywistym dotyczące powstawania materii i antymaterii podczas procesu zwanego zrywaniem struny (string breaking). Zgodnie z Modelem Standardowym fizyki cząstek pary silnie oddziałujących cząstek subatomowych, takich jak kwarki, zachowują się tak, jakby były połączone struną – idealnie sprężystą gumką recepturką, wyjaśnia fizyk kwantowy Pedram Roushan z Google Quantum AI w Santa Barbara. Zespół Roushana przeprowadził symulację na chipie Sycamore firmy Google, który wykorzystuje nadprzewodzące pętle jako kubity. Symulacja pokazała, jak oddalanie od siebie dwóch cząstek zwiększa napięcie struny, aż w końcu ona pęka, uwalniając zgromadzoną energię poprzez wygenerowanie nowej pary cząstek materii i antymaterii. „Te koncepcje teoretyczne były znane od lat 70., ale udało nam się je zwizualizować i uzyskać obraz strun oraz ich zrywania” – mówi Roushan.
Eksperyment z Sycamore był przykładem symulacji cyfrowej, co oznacza, że przeprowadzono go na uniwersalnym chipie z obwodami kubitów zaprojektowanymi do wykonywania wielu różnych zadań. Z kolei González-Cuadra, Zoller i ich współpracownicy pracowali z zespołem z firmy QuEra Computing w Bostonie nad stworzeniem analogowego symulatora – sieci kubitów z elektrycznie obojętnych atomów specjalnie zbudowanej do symulowania zrywania struny. Te dwie symulacje zrywania struny należą do pierwszych, które modelują oddziaływania cząstek w dwóch wymiarach przestrzennych – mówi González-Cuadra. „Symulacja uwzględnia znacznie bardziej złożoną fizykę, co pozwoliło nam obserwować, w jaki sposób te struny fluktuują” – wyjaśnia.
Tego rodzaju symulacje nie zastąpią eksperymentów fizyki cząstek, lecz pomogą fizykom dopracowywać ich teorie i formułować przewidywania możliwe do sprawdzenia w akceleratorach. Dotychczas symulowano jednak jedynie proste modele, które można również sprawdzać za pomocą komputerów klasycznych. González-Cuadra uważa jednak, że symulatory kwantowe zaczną przewyższać swoje klasyczne odpowiedniki w ciągu kilku lat, rozpoczynając erę prawdziwej przewagi kwantowej. Ta możliwość rodzi pytanie, skąd fizycy będą mieli pewność, że ich symulacje kwantowe dostarczają wiarygodnych wyników. Aby na nie odpowiedzieć, w ubiegłym roku Zoller i jego współpracownicy opublikowali na arXiv.org preprint opisujący strategię opracowania analogowej maszyny kwantowej, która nie tylko dokonuje przewidywań, ale także określa niepewność tych przewidywań.
„Jeśli by mnie zapytano, jakie jest największe wyzwanie dla symulacji kwantowych, odpowiedziałbym, że jest nim granica weryfikacji” – mówi Zoller.
Projektowanie materiałów
Marzeniem, mówi Zoller, jest to, aby symulatory kwantowe przeszły z pasywnego „trybu odkrywania”, w którym służą do modelowania natury, do „trybu aktywnego projektowania”, w którym komputery kwantowe generowałyby receptury syntezy nowych struktur molekularnych o konkretnych pożądanych właściwościach. Kwantowa inżynieria nowych cząsteczek mogłaby prowadzić do powstania lepszych leków oraz akumulatorów niewymagających kosztownych i szkodliwych dla środowiska surowców, takich jak pierwiastki ziem rzadkich. „Takie rzeczy kosztują miliardy dolarów, więc jeśli uda się coś uczynić choćby o kilka procent tańszym albo o kilka procent lepszym, to naprawdę wielka rzecz – mówi Martinis. – To mogłoby być czymś niezwykle istotnym nie tylko pod względem finansowym, mogłoby też odmienić sposób projektowania mnóstwa rzeczy, aby były bardziej ekologiczne.”
Jednym z priorytetowych celów jest nadprzewodnictwo w temperaturze pokojowej. Nadprzewodnictwo – swobodny przepływ prądu elektrycznego bez oporu – zwykle wymaga schłodzenia materiału do ekstremalnie niskich temperatur, co czyni je niepraktycznym w wielu zastosowaniach. Niektóre materiały wykazują jednak to zjawisko w wyższych temperaturach i część badaczy ma nadzieję, że inżynieria kwantowa pomoże im znaleźć nowe materiały nadprzewodzące, które w ogóle nie wymagałyby chłodzenia. „Takie układy składają się z 1023 cząstek, podczas gdy klasycznie możemy modelować tylko około 100 cząstek” – mówi Henrik Dreyer, fizyk kwantowy z firmy Quantinuum w Monachium. Aby było to możliwe, fizycy musieliby zredukować poziom błędów w procesorach kwantowych do zaledwie jednego na milion; obecnie najlepsze chipy osiągają nieco mniej niż jeden błąd na tysiąc, wyjaśnia Dreyer.
Dreyer i jego współpracownicy przeprowadzają cyfrowe symulacje nadprzewodników kupratowych z użyciem chipu Helios firmy Quantinuum, wykorzystującego 98 kubitów opartych na uwięzionych jonach. W starannie kontrolowanych warunkach laboratoryjnych skierowanie lasera na te materiały może na bardzo krótki czas – i w zaskakujący sposób – wywołać stan nadprzewodzący przy stosunkowo wysokiej temperaturze. „Pierwsze pytanie brzmi: dlaczego?” – mówi Dreyer. W ubiegłym roku Quantinuum opublikowało na arXiv preprint informujący, że ich dwuwymiarowa symulacja modelująca materiał pokazuje, iż pod wpływem działania lasera elektrony tworzą pary – warunek konieczny dla przepływu prądu bez oporu. „Ostateczne pytanie – jak ujmuje to Dreyer – brzmi: czy możemy zaprojektować taki układ tak, aby działał w temperaturze pokojowej przez minutę, godzinę, 10 dni albo dłużej?”
Tymczasem Simmons i jej współpracownicy z SQC w Australii opracowali system symulacyjny nazwany Quantum Twins – dwuwymiarową macierz 15 tys. klastrów atomów fosforu osadzonych w krzemie – służący do tworzenia analogów różnych materiałów. W lutym zespół poinformował, że platforma potrafi symulować przejście między zachowaniem izolatora a przewodnictwem metalicznym. „Możemy teraz zacząć symulować takie rzeczy, jak nadprzewodnictwo, różne materiały do akumulatorów, sztuczną fotosyntezę i małe projekty leków” – mówi Simmons.
Sergio Boixo z Google Quantum AI zauważa, że firma współpracowała z BASF przy projektowaniu akumulatorów, z Sandia National Laboratories w Albuquerque przy energii termojądrowej oraz z niemiecką firmą chemiczną Covestro przy rozwoju farmaceutyków.
W ubiegłym roku Google wdrożył na Willow – swoim 105-kubitowym nadprzewodzącym procesorze – algorytm modelowania struktury molekularnej, który może być używany w połączeniu ze spektroskopią magnetycznego rezonansu jądrowego. Technika ta, działająca poprzez wysyłanie sygnałów do kubitów i swoiste „nasłuchiwanie” ich ech, działa 13 tys. razy szybciej na Willow niż równoważny algorytm na najlepszym klasycznym superkomputerze. Jednym z ważnych aspektów konstrukcji tego algorytmu jest to, że pozwala on potwierdzać wyniki za pomocą innej maszyny kwantowej.
„Quantum Echoes to pierwszy na świecie algorytm z przewagą kwantową, którego wyniki mogą być zweryfikowane kwantowo – mówi Boixo. – Jesteśmy optymistami i uważamy, że pierwsze praktyczne zastosowania zobaczymy w ciągu pięciu lat.”
Kwantowa AI
„Jeśli naprawdę chce się wywołać medialny szum, wystarczy połączyć słowo »kwantowy« z »AI«” – żartuje Jacob Biamonte, ekspert od kwantowego uczenia maszynowego z ÉTS Montreal. Rzeczywiście, wraz z rozwojem procesorów kwantowych część fizyków koncentruje się na wykorzystywaniu ich do zwiększania wydajności i efektywności energetycznej klasycznej sztucznej inteligencji.
W ubiegłym roku SQC uruchomiło Watermelon – procesor AI wspomagany kwantowo – mający przyspieszyć uczenie maszynowe. Klasyczne systemy AI już dziś bardzo dobrze radzą sobie z wyszukiwaniem wzorców w ogromnych zbiorach danych, co czyni je szczególnie użytecznymi na przykład przy optymalizacji sieci komunikacyjnych i energetycznych. Kwantowa technika SQC rozwija ideę klasycznego reservoir computingu – metody polegającej na odwzorowywaniu danych wejściowych na sieci neuronowej o wyższym wymiarze, co ułatwia odnajdywanie wzorców. W 2017 roku naukowcy w Japonii przewidzieli, że klasyczne węzły takiej sieci neuronowej można zastąpić mniejszą liczbą kubitów podlegających interferencji kwantowej. „Zaletą posiadania kwantowego rezerwuaru jest to, że uzyskuje się wykładniczy wzrost wymiarowości” – mówi Simmons. Dzięki temu kwantowy rezerwuar może osiągać takie same wyniki uczenia, jak klasyczny, lecz potencjalnie szybciej i z użyciem mniejszych zasobów.
Pierwszy komercyjny test Watermelona – przeprowadzony we współpracy z australijską firmą telekomunikacyjną Telstra – przyniósł obiecujące wyniki. Telstra już wcześniej wykorzystywała AI do monitorowania opóźnień i wzorców przepustowości w swoich sieciach. Trenowanie modeli firmy standardowymi metodami klasycznymi zajmowało około trzech tygodni. Dzięki Watermelonowi Telstra uzyskała te same wyniki treningu w zaledwie dwa dni. „W szerszej perspektywie to naprawdę bardzo istotne, ponieważ obecnie centra danych są niezwykle energochłonne” – mówi Simmons, dodając, że podobne optymalizacje można byłoby szybko zastosować także do innych energochłonnych zadań, takich jak trenowanie AI do rozpoznawania obrazów, wykrywania oszustw czy prognozowania rynku. „Czuję się, jakbym jechała w pędzącym z ogromną prędkością pociągu towarowym” – mówi.
Ekert pozostaje jednak ostrożny wobec długoterminowych korzyści płynących z używania kwantowych procesorów AI do analizowania klasycznych zbiorów danych. „Przekształcanie klasycznych danych do postaci kwantowej jest straszliwie nieefektywne” – mówi. Zdaniem Ekerta najbardziej użyteczne połączenie komputerów kwantowych i uczenia maszynowego już dziś polega na wykorzystywaniu klasycznej AI przez fizyków do projektowania kodów korekcji błędów kwantowych oraz lepszego sprzętu kwantowego. Na przykład w ubiegłym roku fińska firma QMill uruchomiła usługę klasycznej AI do kompresji obwodów kwantowych, zmniejszając liczbę bramek potrzebnych do działania o 20–50%. Biamonte uważa również, że obecna wizja jest zbyt ograniczona.
„Jeśli celem miałoby być używanie komputerów kwantowych do uczenia maszynowego na klasycznych danych, to nie ma to sensu, ponieważ klasyczne uczenie maszynowe już teraz jest wystarczająco dobre” – mówi.
Gdyby jednak procesory kwantowe mogły pewnego dnia służyć do bezpośredniej analizy danych kwantowych, byłaby to prawdziwa rewolucja. „Powinny istnieć jakieś cudowne wzorce, których klasyczne komputery nie są w stanie wykryć, ponieważ danych jest po prostu zbyt dużo dla ich pamięci” – mówi Biamonte. Kwantowa AI mogłaby na przykład improwizować na temat struktury molekularnej istniejącego opatentowanego leku, generując wiele różnych konfiguracji dających identyczne korzyści. Następnie mogłaby oceniać te cząsteczki, sprawdzając, czy da się je zsyntetyzować i opatentować, zanim firma farmaceutyczna przeznaczyłaby środki na próby ich wytworzenia. „To ekscytująca niezwykle przyszłość” – mówi Biamonte.