Achtergrond

Quantum Computing: van 10.000 jaar rekenen naar 200 seconden.

Natuurkundigen praten al meer dan 30 jaar over de kracht van quantum computing. Maar de vragen zijn altijd geweest: zal het ooit iets nuttigs doen en is het de moeite waard om in te investeren? Voor dergelijke grootschalige inspanningen is het een goede ingenieurspraktijk om beslissende kortetermijndoelen te formuleren die aantonen of de ontwerpen in de goede richting gaan. Daarom bedacht Google een experiment om deze vragen te helpen beantwoorden. Dit experiment, aangeduid als een quantum supremacy-experiment, gaf Google de richting om de vele technische uitdagingen die inherent zijn aan quantum systems engineering te overwinnen om een computer te maken die zowel programmeerbaar als krachtig is. Om de totale systeemprestaties te testen, heeft Google een robuuste computationele benchmark geselecteerd die faalt als slechts één onderdeel van de computer niet goed genoeg is.

We beginnen met een kort overzicht van de meest recente ontwikkelingen op het gebied van Quantum Computing zoals technologie, artificial intelligence, kosten en architectuur van de hardware.

Ontwikkelingen in hardware en software

Quantum computing is een snel evoluerend gebied van onderzoek en er zijn de afgelopen tijd verschillende ontwikkelingen geweest. Hier zijn enkele van de meest recente:

  • Quantum supremacy: In 2019 claimde Google Quantum Supremacy te hebben bereikt, wat betekent dat ze met hun quantumcomputer bepaalde taken sneller konden uitvoeren dan de krachtigste klassieke computers. Dit was een belangrijke mijlpaal in de ontwikkeling van quantum computing.
  • Quantum internet: Wetenschappers hebben de afgelopen tijd ook vooruitgang geboekt bij de ontwikkeling van een quantum internet, waarbij informatie op een veilige manier wordt verzonden via kwantumversleuteling.
  • Grotere quantumcomputers: Bedrijven als IBM en Google hebben de afgelopen tijd ook grotere quantumcomputers gebouwd en aangekondigd. IBM heeft bijvoorbeeld aangekondigd dat ze van plan zijn om tegen 2024 een quantumcomputer met 1.000 qubits te bouwen.
  • Nieuwe algoritmes: Wetenschappers zijn ook nieuwe quantumalgoritmes aan het ontwikkelen, die beter geschikt zijn voor quantumcomputers en mogelijk nieuwe toepassingen mogelijk maken.
  • Quantum machine learning: Er is ook veel interesse in de combinatie van quantum computing en machine learning, waarbij quantumcomputers worden gebruikt om sneller en efficiënter bepaalde machine learning-taken uit te voeren.

Quantum computing kan potentieel voordelen bieden voor verschillende soorten machine learning-algoritmen. Hier zijn enkele voorbeelden:

CLustering: Clusteringssalgoritmen (zoals K-means, Decision Tree) worden gebruikt om items in een dataset te groeperen op basis van hun eigenschappen. Quantum computing kan helpen bij het vinden van de optimale groepering in een veel grotere dataset dan klassieke computers.

Ongesuperviseerde learning: Ongesuperviseerde learning-algoritmen (bijv. Principal Component Analysis)  worden gebruikt om patronen en relaties in datasets te ontdekken zonder dat er vooraf gelabelde data nodig is. Quantum computing kan de efficiëntie van deze algoritmen verbeteren door het mogelijk te maken om tegelijkertijd meerdere datasets te verwerken.

Optimalisatie: Optimalisatiealgoritmen (Gradient Descent, Adam) worden gebruikt om het beste resultaat te vinden voor een gegeven probleem. Quantum computing kan helpen bij het vinden van de optimale oplossing in complexe problemen waarbij meerdere variabelen betrokken zijn.

Kortste pad: Kortste pad-algoritmen (Dijkstra algoritme) worden gebruikt om de kortste route tussen twee punten in een netwerk te vinden. Quantum computing kan helpen bij het vinden van de kortste route in een veel groter netwerk dan klassieke computers.

Is quantum computing een verrijking voor Artificial Intelligence of juist een bedreiging?

Ja, quantum computing heeft het potentieel om een grote verrijking te zijn voor artificial intelligence (AI). Traditionele AI-algoritmen zijn vaak gebaseerd op lineaire algebra en vereisen veel rekenkracht om complexe taken uit te voeren, zoals patroonherkenning in grote datasets. Quantum computing biedt de mogelijkheid om deze berekeningen veel efficiënter uit te voeren, waardoor AI-systemen sneller en nauwkeuriger kunnen werken.

Een voorbeeld van hoe quantum computing AI kan verrijken is quantum machine learning. Traditionele machine learning-algoritmen vereisen vaak grote hoeveelheden training data om accurate modellen te produceren. Met quantum computing kunnen bepaalde taken in het machine learning-proces veel sneller worden uitgevoerd, waardoor minder trainingsdata nodig zijn om dezelfde of betere resultaten te bereiken.

Een andere manier waarop quantum computing AI kan verrijken, is door het vermogen om niet-lineaire problemen op te lossen. Dit betekent dat quantum computing AI-systemen in staat kan stellen om complexe beslissingen te nemen op basis van een groot aantal variabelen, waardoor er meer potentieel is voor innovatie en nieuwe toepassingen van AI.

Hoewel quantum computing veel potentieel biedt voor AI, bevindt de technologie zich nog steeds in een vroeg stadium van ontwikkeling en er zijn nog veel uitdagingen te overwinnen voordat het op grote schaal kan worden geïmplementeerd.

Hoeveel kost het om een quantumcomputer te ontwikkelen?

Het ontwikkelen van een quantumcomputer is een zeer complex en uitdagend proces dat veel onderzoek, ontwikkeling en investeringen vereist. Het is moeilijk om precies te zeggen hoeveel het kost om een quantumcomputer te ontwikkelen, omdat dit afhankelijk is van verschillende factoren, zoals de grootte en complexiteit van de computer, de technologie die wordt gebruikt en de expertise van het team dat eraan werkt.

Het bouwen van een kleine, eenvoudige quantumcomputer kan enkele miljoenen dollars kosten, terwijl het bouwen van een grotere, meer geavanceerde quantumcomputer tientallen of zelfs honderden miljoenen dollars kan kosten. Bovendien kan het ontwikkelen van de benodigde software, algoritmen en andere componenten ook aanzienlijke kosten met zich meebrengen.

Bedrijven en organisaties die werken aan de ontwikkeling van quantumcomputers zijn vaak afhankelijk van investeringen van overheden, bedrijven en particuliere beleggers om hun onderzoek en ontwikkeling te financieren. Het is dus een kostbare onderneming, maar de potentiële voordelen van quantumcomputers voor wetenschap, technologie en maatschappij maken het een belangrijke en spannende investering voor veel organisaties.

Hoe zou een quantum computer eruit kunnen zien?

In tegenstelling tot klassieke computers, die bestaan uit chips en circuits die werken met bits van informatie (enkele bits zijn 0 of 1), werken quantumcomputers met qubits die gebruikmaken van de principes van kwantummechanica. Qubits kunnen zich in verschillende toestanden bevinden, waardoor ze in principe tegelijkertijd meerdere berekeningen kunnen uitvoeren.

Een quantumcomputer zou waarschijnlijk bestaan uit een reeks van deze qubits, die kunnen worden georganiseerd in verschillende configuraties, zoals lineaire arrays of roosterstructuren. Deze qubits zouden worden gekoeld tot zeer lage temperaturen om ruis en andere storingen te minimaliseren, en zouden worden gecontroleerd door complexe elektronica en software.

Artist’s vertolking van de Sycamore processor gemonteerd in de cryostaat.

Bijvoorbeeld, Google’s Sycamore quantum computer, bestaat uit een reeks van 54 supergeleidende qubits, georganiseerd in een tweedimensionaal patroon. Deze qubits zijn geïntegreerd met supergeleidende resonatoren, die worden gebruikt om de qubits te controleren en uitlezen. De quantumcomputer is gekoeld tot een temperatuur van bijna absolute nul, om het effect van thermische ruis te minimaliseren.

Het is belangrijk op te merken dat dit slechts een voorbeeld is van een mogelijke configuratie van een quantumcomputer. Het ontwerp en de architectuur van quantumcomputers kan sterk variëren, afhankelijk van de specifieke technologieën en methoden die worden gebruikt om qubits te maken en te manipuleren.

Quantum Supremacy

De volgende beschrijving van Quantum Supremacy experiment is op verzoek van Technisch Weekblad gegeven door John Martinis, ex Chief Scientist Quantum Hardware (tegenwoordig hoogleraar Natuurkunde, Universiteit van Californië, Santa Barbara) en Sergio Boixo, Chief Scientist Quantum Computing Theory, Google AI Quantum.

“We ontwikkelden een nieuwe 54-qubit processor, genaamd “Sycamore”, die bestaat uit snelle, high-fidelity quantum logische poorten, om de benchmarktesten uit te voeren. Onze machine voerde de doelberekening uit in 200 seconden en op basis van metingen in ons experiment bepaalden we dat het ’s werelds snelste supercomputer 10.000 jaar zou kosten om een vergelijkbare output te produceren.

“Quantum computing will fail if the qubit errors are not improved significantly from where they are now, for all qubits.”

John Martinis

Sycamore processor

Het experiment
Om een idee te krijgen van hoe deze benchmark werkt, stel je voor dat enthousiaste quantum computing-neofielen ons lab bezoeken om een kwantumalgoritme op onze nieuwe processor uit te voeren. Ze kunnen algoritmen samenstellen uit een klein woordenboek van elementaire poortbewerkingen. Omdat elke poort een kans op fouten heeft, zouden onze gasten zich willen beperken tot een bescheiden reeks met ongeveer duizend poorten. Ervan uitgaande dat deze programmeurs geen eerdere ervaring hebben, is het mogelijk dat ze iets creëeren wat er in wezen uitziet als een willekeurige reeks poorten. Te vergelijken met een simpel “hallo wereld” -programma voor een kwantumcomputer. Klassieke algoritmen zijn niet in staat structuur aan te brengen in willekeurige circuits. Daarom kost het emuleren van dergelijke kwantumcircuits meestal een enorme hoeveelheid klassieke supercomputerinspanning. Elke run van een willekeurig kwantumcircuit op een kwantumcomputer produceert een bitstring, bijvoorbeeld 0000101. Als gevolg van
kwantuminterferentie zijn sommige bitstrings veel waarschijnlijker dan andere wanneer we het experiment vele malen herhalen. Het vinden van de meest waarschijnlijke bitstrings voor een willekeurig kwantumcircuit op een klassieke computer wordt echter exponentieel moeilijker naarmate het aantal qubits (breedte) en het aantal gate-cycli (diepte) groeien.

In het experiment voerden we eerst willekeurige ‘eenvoudige’ circuits uit van 12 tot 53 qubits, waarbij de circuitdiepte constant bleef. We controleerden de prestaties van de quantumcomputer met behulp van klassieke simulaties en vergeleken die met een theoretisch model. Nadat we hadden geverifieerd dat het systeem werkte, voerden we willekeurige harde circuits uit met 53 qubits en toenemende diepte, totdat we het punt bereikten waarop klassieke simulatie onhaalbaar werd.

Schatting van de equivalente klassieke rekentijd, uitgaande van 1 M CPU-kernen voor kwantumsuprematiecircuits als functie van het aantal qubits en het aantal cycli voor het Schrodinger-Feynman-algoritme. De ster toont de geschatte rekentijd voor de grootste experimentele circuits

Dit resultaat is de eerste experimentele uitdaging tegen de uitgebreide Church-Turing-these, die stelt dat klassieke computers elk “redelijk” rekenmodel efficiënt kunnen implementeren. Met de eerste kwantumberekening die redelijkerwijs niet kan worden geëmuleerd op een klassieke computer, hebben we een nieuw rijk van computing geopend dat moet worden verkend.

De Sycamore Processor
Het quantum supremacy-experiment werd uitgevoerd op een volledig programmeerbare 54-qubit processor genaamd “Sycamore”. Het bestaat uit een tweedimensionaal raster waarbij elke qubit is verbonden met vier andere qubits. Met als gevolg dat de chip voldoende connectiviteit heeft zodat de qubit-toestanden snel kunnen interageren door de hele processor. Deze algehele toestand kan onmogelijk efficiënt worden geëmuleerd met een klassieke computer. Het succes van het quantum supremacy-experiment was te danken aan onze verbeterde twee-qubit-poorten met verbeterd parallellisme die op betrouwbare wijze recordprestaties bereiken. Zelfs wanneer ze veel poorten tegelijkertijd bedienen. We hebben deze prestatie bereikt met behulp van een nieuw type bedieningsknop die in staat is om interacties tussen naburige qubits uit te schakelen. Dit vermindert de fouten in zo’n multi-connected qubit-systeem aanzienlijk. quantumprocessors.

Testen van Kwantumfysica
Om het toekomstige nut van kwantumcomputers te garanderen, moesten we ook verifiëren of er geen fundamentele blokkades afkomstig zijn vanuit de kwantummechanica. De natuurkunde heeft een lange geschiedenis van het testen van de grenzen van de theorie door middel van experimenten, omdat nieuwe verschijnselen vaak opduiken wanneer men nieuwe regimes begint te verkennen die worden gekenmerkt door zeer verschillende fysieke parameters. Eerdere experimenten toonden aan dat de kwantummechanica werkt zoals verwacht tot een toestand-ruimtedimensie van ongeveer 1000. Hier hebben we deze test uitgebreid tot een grootte van 10 biljard (!) en ontdekken we dat alles nog steeds werkt zoals verwacht. We hebben ook de fundamentele kwantumtheorie getest door de fouten van twee-qubitpoorten te meten en te ontdekken dat dit nauwkeurig de benchmarkingresultaten van de volledige kwantumsuprematiecircuits voorspelt. Dit toont aan dat er geen onverwachte fysica is die de prestaties van onze kwantumcomputer zou kunnen verslechteren. Ons experiment levert daarom bewijs dat complexere kwantumcomputers volgens de theorie zouden moeten werken.

Toepassingen
De Sycamore quantumcomputer is volledig programmeerbaar en kan algemene quantumalgoritmes draaien. Sinds het bereiken van kwantumsuprematieresultaten heeft ons team al gewerkt aan kortetermijntoepassingen, waaronder kwantumfysicasimulatie en kwantumchemie, evenals nieuwe toepassingen in generatieve machine learning. We hebben nu ook het eerste breed bruikbare quantumalgoritme voor informaticatoepassingen: certificeerbare quantum randomness. Randomness is een belangrijke bron in de informatica, en kwantum randomness is de gouden standaard, vooral als de getallen zelf kunnen worden gecontroleerd (gecertificeerd) als afkomstig van een kwantumcomputer.

Wat is de volgende stap?
Ons team heeft twee hoofddoelen voor de toekomst, beide gericht op het vinden van waardevolle toepassingen in quantum computing. Ten eerste zullen we in de toekomst onze supremacy-klasse processors beschikbaar stellen aan medewerkers en academische onderzoekers. Evenals aan bedrijven die geïnteresseerd zijn in het ontwikkelen van algoritmen en het zoeken naar toepassingen voor de NISQ-processors. Creatieve onderzoekers zijn de belangrijkste bron voor innovatie – nu we een nieuwe computationele bron hebben, hopen we dat meer onderzoekers het veld zullen betreden gemotiveerd om te proberen iets nuttigs uit te vinden. Ten tweede investeren we in ons team en onze technologie om zo snel mogelijk een fouttolerante quantumcomputer te bouwen. Zo’n apparaat belooft een aantal waardevolle toepassingen. We kunnen ons bijvoorbeeld voorstellen dat kwantumcomputing helpt bij het ontwerpen van nieuwe materialen – lichtgewicht batterijen voor auto’s en vliegtuigen, nieuwe katalysatoren die efficiënter kunstmest kunnen produceren (een proces dat vandaag meer dan 2% van de koolstofemissies van de wereld produceert) en effectievere medicijnen. Het bereiken van de nodige rekencapaciteiten zal nog jaren van hard engineering en wetenschappelijk werk vergen. Maar we zien nu duidelijk een pad en we staan te popelen om verder te gaan. “

Onderwerp:
InnovatieWetenschap

Meer relevante berichten

Nieuwsbrief

Relevante berichten
×