VTT:n HELMI-kvanttitietokone on yhdistetty Tieteen tietotekniikan keskus Oy:n isännöimään yleiseurooppalaiseen LUMI-supertietokoneeseen. Supertietokoneen ja yleiskäyttöisen kvanttitietokoneen muodostama kokonaisuus avataan tutkijoille nyt ensimmäistä kertaa Euroopassa.
Kvanttitietokoneen laskentateho saadaan hyödynnettyä parhaalla mahdollisella tavalla Euroopan tehokkaimman klassisen supertietokoneen avulla. Vaikka kvanttitietokoneet voivat olla tietyissä tehtävissä äärimmäisen tehokkaita, ne edellyttävät perinteisempien klassisten tietokoneiden ohjausta.
Suomi on yhtenä harvoista maailman maista yhdistänyt kvanttitietokoneen ja supertietokoneen. Tämä mahdollisuus avautui, kun VTT:n HELMI-kvanttitietokone ja CSC:n isännöimä LUMI-supertietokone aloittivat toimintansa. Suomen ensimmäinen kvanttitietokone, VTT:n viisikubittinen HELMI, otettiin käyttöön vuonna 2021 ja samana vuonna aloitti toimintansa myös LUMI-supertietokone, jota CSC isännöi Euroopan vihreimmässä HPC-keskuksessa Kajaanissa.
HELMIn ja LUMIn yhdistäminen viitoittaa tietä tulevaisuudelle, jossa maailman haasteellisimpiin ongelmiin pureudutaan kvanttilaskennan ja perinteisen suurteholaskennan yhteistyöllä. Näin voidaan ratkaista ongelmia, joista kvantti- tai supertietokone ei kumpikaan selviäisi yksin. HELMIn ja LUMIn yhdistäminen avaa mahdollisuuksia hybridilaskentaan ja vauhdittaa tarvittavien kvanttialgoritmien sekä ‑ohjelmistojen kehittämistä. Näin opitaan, kuinka teknologiaa voidaan hyödyntää erilaisissa käytännön haasteissa.
Vaikka supertietokoneet ovat jo itsessään äärimmäisen tehokkaita, kvanttikiihdytetty suurteholaskenta kasvattaa supertietokoneiden tehoa entisestään. Näin tietyntyyppiset ongelmat voidaan ratkaista nopeammin, tarkemmin ja energiatehokkaammin. Tällaisia ongelmia ovat muun muassa uusien tuotteiden ja materiaalien kehittäminen esimerkiksi lääke-, kemian- ja akkuteollisuutta varten. Kvanttikoneoppiminen lisää merkittävästi myös tekoälyn potentiaalia. Yhdistetyn laskentatehon avulla voidaan kehittää entistä nopeampia ja tarkempia koneoppimismalleja, joilla voidaan esimerkiksi luoda uusia molekyylirakenteita datan perusteella.
Ensimmäisiä konkreettisia hyötyjä voidaan tulevaisuudessa odottaa alueilla, joilla laskennallisten ennusteiden laatu ja tarkkuus ovat olennaisia, mutta aikaa vastauksen löytämiseen on rajallisesti. Yksi mahdollinen sovelluskohde voisivat olla lyhyen aikavälin sääennusteet, joilla pyritään ennustamaan nopeasti ja tarkasti esimerkiksi ukkosmyrskyjä, pyörremyrskyn etenemistä ja tsunamin leviämistä. Tämä on yhteydessä satelliittien tuottamien maanhavainnointietojen reaaliaikaiseen analyysiin ja korkealaatuisen kuvankäsittelyn avulla voitaisiin näin havaita esimerkiksi alkava metsäpalo. Rahoitusala voisi puolestaan hyötyä tietokoneiden välisen robottikaupan tarkkuuden parantumisesta.
LUMI ja HELMI yhdistettiin VTT:n, CSC:n ja Aalto-yliopiston yhteistyönä suomalaisen kvanttilaskentainfrastruktuurin (Finnish Quantum-Computing Infrastructure, FiQCI) puitteissa. Suomalaisten yliopistojen ja tutkimusorganisaatioiden pilottikäyttäjille avautuu nyt pääsy kvanttitietokoneeseen avoimen haun kautta. Näin tutkijoille tarjoutuu mahdollisuus kokeilla ja tutkia, miten kvanttilaskenta soveltuu erilaisiin käyttötarkoituksiin. Akateemisen pilottivaiheen jälkeen käyttömahdollisuus on tarkoitus ulottaa laajemmalle yleisölle.
Suomen akatemian ja NextGenerationEU:n tukema suomalainen kvanttilaskentainfrastruktuuri FiQCI on keskeinen osa Suomen elinvoimaista kvanttiteknologian ekosysteemiä. FiQCI pyrkii tutkimuksen ja kehityksen tehokkaaseen kvanttikiihdytykseen. HELMIn ja LUMIn yhdistäminen on ensimmäinen merkittävä virstanpylväs tällä tiellä. VTT:llä rakennetaan parhaillaan 20 kubitin kvanttitietokonetta, ja vuonna 2024 on suunnitteilla päivitys 50 kubittiin. Tämän jälkeen kvanttitietokoneista tulee niin edistyneitä ja monimutkikkaita, etteivät edes tehokkaimmat supertietokoneet pysty mallintamaan niiden toimintaa.
Lääkintälaitteiden internet (IoMT) yhdistää diagnostiikan, puettavat anturit ja sairaalalaitteet pilvipohjaisiin järjestelmiin. Etävalvonta, reaaliaikainen data ja koneoppiminen lupaavat parempaa hoidon laatua ja kustannussäästöjä, mutta samalla ratkaistavaksi jäävät yhteentoimivuus, sääntely ja tietoturva.