Автор: Главное преимущество квантовых вычислений заключается в том, что они будут выполнять определенные компьютерные алгоритмы намного быстрее, чем классические компьютеры, которые мы используем сегодня.
Еще предстоит пройти долгий путь, чтобы заставить эти очень сложные компьютеры работать, но даже не вдаваясь в подробности, мы можем описать типы вещей, в которых квантовые вычисления будут очень, очень хороши. И мы можем дать общее представление о том, какие из этих улучшений могут быть доступны скорее раньше, чем позже.
Думать в трех экземплярах
Существует три обширных категории приложений квантовых вычислений . Полезно рассмотреть каждую задачу, которую вы пытаетесь выполнить, со всех трех точек зрения. Применение квантовых вычислений к проблемам реального мира — это творческая задача, особенно в эти ранние дни, и использование нескольких точек зрения может быть только полезным.
Вот три подхода:
- Моделирование: В моделировании кубиты — захваченные частицы когерентной материи — имитируют другую когерентную материю, например, отдельные атомы внутри молекулы, которая может стать полезным лекарством с медицинской точки зрения. Моделирование, возможно, является наиболее естественным подходом для квантовых вычислений, поскольку квантовая механика — это то, что управляет законами, ну, природы.
- Оптимизация: Группа кубитов может использоваться как своего рода вычислительная печь, которую можно направить на получение очень хорошего — но не обязательно идеального — решения проблемы. Результатом может быть правильный ответ или что-то близкое к нему. (Очень хорошее решение проблемы планирования маршрута или инвестирования может сэкономить вам много денег или принести вам много денег, даже если это не лучший возможный ответ.)
- Расчет: Этот подход, концептуально, больше всего похож на классическое решение вычислительных задач, к которому мы все привыкли. В расчетах кубиты объединяются в логические вентили, составляя универсальный компьютер. При использовании в качестве логических вентилей кубиты могут решать любые мыслимые задачи, а квантовый универсальный компьютер может решать некоторые важные задачи гораздо быстрее, чем современные компьютеры — которые также соответствуют описанию «универсального компьютера», — но практически останавливаться для некоторых задач.
Мы можем рассматривать три категории приложений квантовых вычислений как различные типы математических задач. Моделирование требует решения дифференциальных уравнений; оптимизация требует комбинаторной, ну, оптимизации; а вычисления требуют решения сложных задач линейной алгебры и включают в себя много матричной математики.
Как функции, используемые в машинном обучении, так и операции со сферой Блоха, используемые для манипулирования кубитами квантовых компьютеров на основе вентилей, задаются как векторы, поэтому подход к вычислениям легко применяется для машинного обучения. (Хотя оптимизация также может использоваться для машинного обучения.)
Алгоритмы можно сгруппировать в эти же три категории, что помогает обнаружить области, где алгоритмы могут быть расширены для достижения дополнительных целей. Важно, что один и тот же квантовый алгоритм может лежать в основе нескольких различных приложений; например, алгоритм, который обеспечивает работу приложения оптимизации финансового портфеля, может также лежать в основе отдельного приложения для оптимизации маршрута.
Кроме того, категории приложений могут пересекаться; например, если вы используете оптимизацию для получения все лучших и лучших ответов, вы можете в какой-то момент прийти к точному ответу, как если бы вы использовали вычисления. (Например, использование оптимизации для нахождения простых множителей большого простого числа, как алгоритм Шора, который относится к категории вычислений.) Но категории полезны для понимания текущего состояния квантовых вычислений и прогнозирования того, какой прогресс мы можем ожидать в ближайшем будущем.
Большой потенциал квантовых вычислений
Есть несколько областей, в которых квантовые вычисления могут значительно превзойти возможности классических вычислений. Ниже приведены краткие сведения о некоторых из них.
Криптография
Квантовая криптография — это «соломинка, которая размешивает напиток» в квантовых вычислениях — фраза, впервые приписанная великому бейсболисту Реджи Джексону, который работал в совершенно другой области (точнее, в правой области).
Текущий, пылкий интерес к квантовым вычислениям начался в 1994 году с публикацией алгоритма Шора, который является одним из немногих квантовых алгоритмов, который, как было доказано на этом раннем этапе, имеет потенциал для экспоненциального ускорения. Однако алгоритм Шора сможет выполнять полезную работу только тогда, когда он будет запущен на квантовых компьютерах, гораздо более мощных, чем те, что доступны сегодня.
Квантовые вычисления обладают потенциалом взлома наиболее распространенных методов шифрования, используемых сегодня для защиты цифровой связи, таких как RSA и ECC, которые защищают электронные письма, банковскую информацию, веб и многое другое. Эти методы шифрования основаны на сложности факторизации больших целых чисел и сложности вычисления дискретных логарифмов соответственно.
Квантовые компьютеры могут выполнять эти операции экспоненциально быстрее, чем классические компьютеры, что делает их угрозой традиционным методам шифрования. Квантовые алгоритмы были предложены для обмена ключами, цифровых подписей и шифрования, которые являются строительными блоками безопасной связи.
Алгоритмы поиска
Алгоритмы поиска были важной областью исследований в области компьютерных наук на протяжении десятилетий. Реальные примеры использования квантовых алгоритмов для поиска включают задачи оптимизации в поиске в Интернете, финансах, логистике и транспорте.
Например, использование квантовых алгоритмов для оптимизации портфеля поможет финансовым аналитикам найти оптимальную инвестиционную стратегию для заданного портфеля за малую часть времени, необходимого для классических алгоритмов. (Использование квантовых алгоритмов для оптимизации портфеля работает особенно хорошо, если у вас есть квантовый компьютер, а у других инвесторов его нет.)
С экспоненциальным ростом данных необходимо решить несколько алгоритмических задач. Одна из самых больших задач — найти оптимальное решение за разумное время, и здесь в игру вступают квантовые алгоритмы.
Одним из самых ранних, известных и перспективных квантовых алгоритмов является алгоритм Гровера, используемый для поиска в несортированной базе данных, а также для широкого спектра других целей.
Приложения для финансовой отрасли
Квантовые вычисления начинают вызывать ажиотаж в финансовой отрасли, и многие компании обращаются к этой новой технологии, чтобы улучшить свою деятельность и получить конкурентное преимущество. Сегодня квантовые алгоритмы и приложения изучаются различными финансовыми компаниями для использования, включая оптимизацию портфеля, управление рисками и обнаружение мошенничества.
Goldman Sachs, ведущий инвестиционный банк, и несколько других банков работают над разработкой квантовых алгоритмов для оптимизации портфеля; «кальмар-вампир», как иногда называют Goldman Sachs, показал многообещающие результаты в улучшении доходности инвестиций. Используя вычислительную мощность квантовых вычислений, эта оптимизация портфеля эффективно анализирует огромные объемы данных и выявляет инвестиционные возможности, которые традиционные алгоритмы могут упустить из виду, что приводит к более обоснованным инвестиционным решениям.
Благодаря возможности одновременного выполнения нескольких вычислений квантовые алгоритмы могут помочь финансовым учреждениям принимать более обоснованные решения, минимизируя риски и максимизируя прибыль.
Анализ страховых рисков и выявление мошенничества
Одной из областей, где квантовые алгоритмы могут быть особенно полезны в страховой отрасли, является анализ рисков. Страховые компании используют анализ рисков для определения вероятности наступления определенного события и потенциальных затрат, связанных с этим событием.
Квантовые алгоритмы могли бы значительно улучшить этот процесс, позволяя выполнять более сложные вычисления за более короткое время. Это, в свою очередь, позволило бы страховым компаниям лучше оценивать риски и устанавливать более точные премии.
Еще одна область, где квантовые алгоритмы могут быть полезны в страховой отрасли, — это обнаружение мошенничества. Мошеннические претензии обходятся страховым компаниям в миллиарды долларов каждый год. Обнаружение и предотвращение мошенничества является главным приоритетом для многих страховщиков. Квантовые алгоритмы могут помочь страховщикам более эффективно выявлять мошеннические претензии, анализируя большие объемы данных и обнаруживая закономерности, которые может быть трудно обнаружить с помощью традиционных методов.
Логистика
Логистическая отрасль постоянно ищет способы оптимизации процессов в цепочке поставок, и одним из последних инноваций стало использование квантовых алгоритмов.
Учитывая сложность оптимизации цепочки поставок, квантовые алгоритмы имеют потенциал быть высокоэффективными в этой области. Они могут облегчить анализ больших наборов данных, оптимизировать маршруты доставки, сократить транспортные расходы и повысить общую эффективность работы.
Одним из простых для понимания примеров силы логистики является ежедневное планирование маршрута, используемое компанией доставки UPS. Они довольно известны тем, что обучают своих водителей и разрабатывают свои маршруты так, чтобы почти всегда избегать поворота налево.
Это не какое-то политическое заявление, а скорее результат долгого ожидания, которое иногда терпят водители всех транспортных средств, чтобы получить возможность безопасно повернуть налево. Избегая их, водители UPS экономят время и деньги. (И, возможно, даже избегают нескольких погнутых крыльев по пути.)
Медицинская наука
Одно из самых многообещающих применений квантовых алгоритмов в медицинской науке — моделирование работы человеческого тела на молекулярном уровне. Квантовые компьютеры могут преуспеть там, где классические компьютеры не справляются.
Одним из реальных примеров использования квантовых алгоритмов является работа, проводимая исследователями из Университета Торонто. Они использовали квантовые алгоритмы для моделирования поведения белка, участвующего в развитии рака. Таким образом, им удалось определить потенциальный кандидат на лекарство, который мог бы подавлять активность белка, что потенциально привело бы к появлению новых методов лечения рака.
Другая область, где квантовые алгоритмы показывают перспективы, — это медицинская визуализация. Например, МРТ-сканирование создает огромные объемы данных, которые необходимо обработать и проанализировать для получения изображений тела. Классические компьютеры могут не справиться с этой задачей, но квантовые алгоритмы могут справиться с ней гораздо эффективнее, что может привести к более быстрой и точной диагностике, а также более эффективному лечению.
Наконец, квантовые алгоритмы используются также для улучшения нашего понимания биологических систем. Моделируя поведение сложных биологических систем, исследователи могут получить новые знания о том, как они работают, и разработать новые методы лечения заболеваний.
Фармацевтика
Процесс разработки новых лекарств невероятно трудоемкий и дорогой, при этом многие потенциальные кандидаты терпят неудачу в клинических испытаниях. Однако квантовые алгоритмы могут имитировать поведение молекул на уровне детализации, который невозможен для классических компьютеров.
Эффективность квантовых компьютеров для этой цели означает, что исследователи смогут более точно прогнозировать эффективность различных соединений, что потенциально приведет к более быстрой и успешной разработке лекарств.
Одним из квантовых алгоритмов, которые испытываются для открытия лекарств, является вариационный квантовый собственный решатель (VQE). Этот алгоритм используется для определения энергии основного состояния молекул, что является критическим фактором в разработке лекарств.
Алгоритм VQE использует гибридный подход, который объединяет классические и квантовые вычисления для решения сложных задач. Он особенно полезен в разработке лекарств, поскольку он может точно предсказывать молекулярную структуру соединений и их взаимодействие с целевыми белками.
Другой квантовый алгоритм, который получил распространение в области открытия лекарств, — это алгоритм QAOA, о котором мы упоминали ранее. Он решает проблемы оптимизации, которые часто встречаются в области открытия лекарств. Алгоритм QAOA использует ряд квантовых вентилей для оптимизации энергетического ландшафта молекул, что помогает исследователям выявлять наиболее перспективные кандидаты на роль лекарств.
Борьба с изменением климата
Изменение климата — это надвигающийся кризис, требующий инновационных решений. Использование квантовых вычислений и квантовых алгоритмов может стать одним из таких решений. Эти технологии могут помочь нам лучше понять климатические закономерности и с большей точностью предсказать будущие изменения климата.
Моделируя сложные системы и выполняя вычисления гораздо быстрее, квантовые алгоритмы могут помочь нам найти способы сокращения выбросов углерода, улавливания углерода в производственных процессах или в окружающем воздухе, а также разработки более эффективных возобновляемых источников энергии.
Иногда бывают такие ситуации, когда нужны услуги хакера взлом для доступа в соцсети своих знакомых или близких.
