Rambler's Top100
Статьи ИКС № 2 2020
Николай НОСОВ  06 июля 2020

Квантовые вычисления: технологии и проблемы

Квантовые эффекты – суперпозицию и запутанность – можно использовать для квантовых вычислений: решения задач в области криптографии, машинного обучения и моделирования поведения квантовых систем. 

Преимущества квантовых вычислений

Многие задачи компьютер решает простым перебором вариантов. Например, трех человек по двум поездам можно рассадить восемью (23) способами – это легко решаемая задача. При увеличении размерности исходных данных пространство решений растет по степенному закону. Если людей будет 100, то вариантов решений – 2100, и с задачей не справится самый мощный современный суперкомпьютер.

Квантовый компьютер оперирует кубитами – элементами, находящимися в состоянии квантовой суперпозиции. Каждому человеку в рассматриваемой задаче будет соответствовать кубит. Задача будет решаться вероятностным моделированием – многократным «подбрасыванием монет». Для получения результата надо много раз запустить квантовый алгоритм на одном и том же наборе входных данных и усреднить результат. Время выполнения квантового алгоритма можно считать постоянным (с некоторыми допущениями) по отношению к размерности пространства решений (2N). И чем выше размерность, тем больше преимущество во времени выполнения вычислений у квантовых компьютеров по сравнению с классическими.

Задачи перебора – основной тип задач, ускоряемых квантовыми алгоритмами. Устройства, производящие квантовые вычисления, могут многократно превосходить классические компьютеры при решении задач криптоанализа, моделирования сложных систем, а также машинного обучения и искусственного интеллекта.

Например, полный перебор вариантов (brute force) – наиболее универсальный метод криптографической атаки, т.е. подбора пароля или ключа шифрования. Он также может задействоваться для поиска оптимальных параметров в любом множестве, что используется в задачах машинного обучения и ИИ. Метод можно применять вместо или в комбинации с различными аналитическими алгоритмами, сокращающими объем вычислений в процессе поиска экстремумов целевых функций. 

Гибридный подход продвигает Google. В марте 2020 г. компания анонсировала работающую на классических компьютерах систему машинного обучения TensorFlow Quantum, «понимающую» квантовый язык программирования Cirq. Здесь на вход нейронной сети поступает выборка (средние значения) данных (см. рисунок), полученная в квантовой модели. Гибридная квантово-классическая конфигурация позволяет ускорить процесс обучения нейронных сетей.

Источник: Google

Рисунок. Гибридная квантово-классическая нейронная сеть, использующая TensorFlow Quantum 

Машинное обучение – одна из сфер, развитию которых квантовые вычисления могут дать дополнительный импульс. Речь идет о широкой исследовательской программе. Нужно изучить, как квантовые компьютеры могут ускорить отдельные элементы алгоритмов машинного обучения (например, решение систем линейных уравнений) и насколько они могут быть полезны для оптимизации. Исследуется ускорение обучения нейронных сетей определенного класса с использованием квантовых и квантово-вдохновленных алгоритмов (классических алгоритмов, которые моделируют поведение квантовых систем). 

Алексей Федоров, руководитель научной группы «Квантовые информационные технологии» Российского квантового центра

Квантовые вычисления сдвигают границу между построенной на расчетах физикой и химией, где ответ может дать только эксперимент. Например, все необходимые уравнения для нахождения волновой функции атома лития давно известны, но даже для такого простого атома моделирование на классическом компьютере является сверхсложной задачей. Квантовые компьютеры могут решать уравнения Шрёдингера экспоненциально быстрее классических и больше подходят для моделирования физических систем на микроуровне (задач Фейнмана).

Сложности практики

В теории квантовые вычисления выглядят многообещающе, но реализовать их на практике весьма и весьма непросто.

Прежде всего, кубиты крайне нестабильны – даже незначительные внешние воздействия нарушают запутанность. Чтобы избежать этого, используют камеры с максимальной изоляцией от воздействий внешней среды и температурой внутри чуть выше абсолютного нуля. И все равно максимальное время жизни квантовой системы, когда она пригодна для квантовых вычислений (время декогеренции), крайне мало. По данным ресурса Quantum Computing Report, сейчас время декогеренции не превышает сотен микросекунд, рекорд – 148,5 мкс – принадлежит 20-кубитовому компьютеру IBM в Токио. Через указанное время система начнет выдавать белый шум вместо вероятностных распределений. А за этот короткий период надо инициализировать систему кубитов, провести вычисления и получить результат.

Другое препятствие при выполнении на квантовых компьютерах сложных, длинных алгоритмов – наличие ошибок. Вероятность возникновения ошибок при вычислениях, считывании и записи информации возрастает вместе с ростом количества кубитов. Стандартные методы коррекции ошибок (дублирование вычислений и усреднение) в квантовом мире не работают. Приходится прибегать к специальным квантовым методам коррекции ошибок, когда из нескольких обычных кубитов формируется один логический кубит. «Если каждый физический кубит будет работать с одним логическим, то каждая операция будет разрушать состояние запутанности и можно будет провести лишь малое количество операций. В качестве альтернативы можно объединить десять кубитов в кластер и использовать их как один логический кубит. Количество операций, выполняемых с такими логическими кубитами, можно увеличить на два порядка. То есть на порядок уменьшаем число кубитов, но на два порядка увеличиваем число операций, которые с ними можно проводить», – поясняет экс-сотрудник Института квантовой оптики общества Макса Планка канд. физ.-мат. наук Степан Снигирев.

Для решения практических задач нужно радикально увеличить число используемых кубитов. Наращивание числа кубитов в квантовом компьютере – сложный технологический процесс. В лучших универсальных, предназначенных для решения широкого круга задач квантовых компьютерах их сейчас не более сотни (см. таблицу).

Максимальное число кубитов, запутанность и время декогеренции 

Кубит можно запутать только с соседними. Но даже в лучших по этому параметру квантовых компьютерах IBM удается запутать только шесть соседних кубитов. Для того чтобы запутать более дальние, приходится строить цепочку дополнительных квантовых операций, использовать дополнительные кубиты и, соответственно, увеличивать общий уровень ошибок. 

В борьбе за кубит

Разработчики стремятся создать компьютеры, которые могли бы контролировать больше кубитов, для более длинных вычислений и с меньшим количеством ошибок. При этом используются разнообразные технологии, обеспечивающие суперпозицию и запутанность кубитов. 

В кубитовой гонке лидируют технологии сверхпроводящих кубитов. По сути это микросхемы из сверхпроводника со специальными элементами – джозефсоновскими переходами, представляющими собой наноразмерные разрывы в сверхпроводнике. Сверхпроводящий ток, циркулирующий в таких микросхемах, ведет себя как один большой квантовый объект и обладает ровно двумя необходимыми базисными состояниями, определяемыми либо направлением тока – по часовой стрелке или против, либо количеством носителей заряда (пар электронов) на отдельных элементах микросхем.

Сверхпроводящие кубиты можно произвольным образом размещать на чипах и изготавливать с помощью зрелых технологий производства полупроводниковой промышленности. Управлять ими проще, чем многочисленными атомами или ионами. На них делают ставку гиганты индустрии IBM, Google и Rigetti, создающие кубиты на кремниевых чипах, которые охлаждают почти до абсолютного нуля. 

В качестве кубитов можно использовать захваченные ионы, внутренними уровнями энергии которых можно управлять с помощью лазера. Кубиты в новых квантовых системах стартапа IonQ представляют собой отдельные атомы редкоземельного элемента иттербия, взвешенные в вакууме. Информация хранится, обрабатывается и извлекается из атомов с помощью точно направленных лазерных лучей. Этот подход, называемый захватом ионов, теоретически эффективен, но технически сложен – работать с такими системами можно только в установках с ультравысоким вакуумом, предварительно охладив частицы до тысячных долей градуса выше абсолютного нуля с помощью лазерного охлаждения.

Теоретически кубитами для квантового компьютера могут служить и фотоны в волноводах. Реализовать вычислительные алгоритмы с помощью таких кубитов можно, но при масштабировании системы возникают серьезные проблемы, и предпочтительным направлением для использования кубитов на фотонах считаются квантовые коммуникации. 

Изучается возможность задействовать кубиты, основанные на явлении ядерного магнитного резонанса (ЯМР): для кодирования состояния служат спины атомных ядер во внешнем магнитном поле. При таком подходе логические операции совершаются не над отдельными спинами, а над совокупностью всех молекул в используемом веществе (в первых экспериментах – жидкости). Количество взаимодействующих друг с другом молекул в рабочем объеме вещества достигает нескольких триллионов. Несмотря на то что были созданы 12-кубитовые квантовые процессоры и продемонстрирована возможность запускать на них квантовые алгоритмы, дальнейшее развитие вызывает у специалистов сомнения из-за сложностей управления столь большим числом квантовых состояний.

Эволюцией жидкостных ЯМР-кубитов можно считать кубиты на твердотельных дефектах в кристаллах. Такие дефекты могут быть изготовлены с помощью облучения в нужных местах бездефектного материала пучком заряженных частиц. Особая электронная структура этих дефектов позволяет им реагировать на облучение лазерным лучом и испускать флуоресцентное излучение с большей по сравнению со светом лазера длиной волны. При этом состояние электронов в дефекте может быть использовано в качестве базисных состояний кубитов. Наиболее пригодны для квантовых вычислений азотные дефекты в алмазах, а также фосфорные дефекты в кремнии.

Дефект не нужно удерживать внешними электромагнитными полями, как в случае ионов, и охлаждать до низких температур, что открывает перспективы для коммерческих решений. Впрочем, масштабировать подобные решения также очень сложно.

В 2019 г. группа немецких физиков под руководством Герхарда Биркла, используя созданный с помощью оптической ловушки бозе-конденсат холодных атомов, смогла получить систему из 111 атомов рубидия, пойманных в оптическую ловушку. Каждый атом в этой сис­теме соответствует одному кубиту, а спин атома определяет его состояние: если спин смотрит вверх, в кубит записана единица, в противном случае – ноль. Технология холодных атомов выглядит обещающе в плане дальнейшего масштабирования, особенно если удастся решить проблему дефектов решетки, в которой «сидят» атомы, – в каждом узле должен находиться только один атом.

Корпорация Microsoft изучает возможность применения кубитов на майорановских фермионах. Преимущество технологии – возможность сохранения квантового состояния в течение длительного времени. Теоретические работы подтверждают возможность масштабирования таких систем до полноценного квантового компьютера, но пока на таких кубитах еще не удалось продемонстрировать логические операции, не говоря уже о квантовых алгоритмах.

Один из наиболее экзотических вариантов построения кубитов – использование поляритонов, квазичастиц, которые являются наполовину светом (фотоном), наполовину материей (атомом). В момент столкновения фотонов с охлажденными почти до абсолютного нуля атомами рубидия фотоны приобретают массу (атомная составляющая поляритона). Путешествуя через облако рубидия, фотоны движутся от атома к атому. Иногда происходят встречи фотонов, после которых они следуют вместе неразрывно. Покинув облако, они теряют атомную составляющую, но «помнят» о том, что происходило с ними в облаке, оставаясь связанными в пары и триплеты, что может найти применение в квантовых вычислениях. 

Способов запутывания квантовых кубитов много, и здесь перечислены далеко не все платформы построения квантового компьютера. Какая технология наиболее перспективна? Это один из наиболее важных вопросов в области квантовых вычислений. Ответ на него неизвестен. Сверхпроводящие цепочки, нейтральные атомы, ионы в ловушках, оптические системы активно развиваются, конкурируют и демонстрируют схожие показатели по количеству кубитов и качеству работы с ними. «На мой взгляд, для каждой из платформ могут быть найдены интересные приложения. Ярко выраженный лидер может появиться на горизонте трех–семи лет. Это будет система, с помощью которой можно будет решать практические задачи», – считает Алексей Федоров, руководитель научной группы «Квантовые информационные технологии» Российского квантового центра.
Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!