Suomalainen kvanttialgoritmiyritys QMill on saavuttanut merkittävän teknisen läpimurron kvanttilaskennan optimoinnissa. Yhtiö on kehittänyt tekoälyyn perustuvan menetelmän kvanttipiirien pakkaamiseen, joka pienentää kvanttilaskennan vaatimaa resurssimäärää ennennäkemättömällä tavalla. QMillin menetelmä asettaa uuden maailmanennätyksen kvanttipiirien tiivistämisessä, mikä tuo hyödyllisen kvanttilaskennan aikakauden huomattavasti lähemmäksi.
Nykyiset kvanttitietokoneet, niin sanotut NISQ-laitteet (Noisy Intermediate-Scale Quantum), kärsivät edelleen merkittävistä rajoituksista: kvanttitilat menettävät koherenssinsa nopeasti, ja pitkät laskentaketjut altistuvat virheille. QMillin ratkaisu kohdistuu juuri tähän ongelmaan. Yrityksen kehittämä algoritmi vähentää kvanttiporttien määrää piireissä, jolloin laskenta voidaan suorittaa lyhyemmässä ajassa ja virheiden todennäköisyys pienenee merkittävästi.
Käytännössä kvanttipiirin pakkaus tarkoittaa, että alkuperäisestä laskentaprosessista löydetään matemaattisesti ekvivalentti, mutta huomattavasti kevyempi versio. QMillin tekoälyalgoritmi kykenee automaattisesti tunnistamaan ja poistamaan tarpeettomia portteja säilyttäen piirin laskennallisen toiminnallisuuden. Tämä parantaa kvanttitietokoneen tehokkuutta ja mahdollistaa monimutkaisempien ongelmien ratkaisemisen jo nykyisellä laiteteknologialla.
Tulokset ovat vakuuttavia. Vertailussa alan johtavaan optimointiohjelmistoon Quarl, QMillin menetelmä saavutti kaikissa testipiireissä parempia tuloksia. Esimerkiksi MOD5_4-piirin porttimäärä pieneni 71:stä vain 24:ään — alle puoleen Quarlin parhaasta tuloksesta. Myös laajemmat testit osoittivat 10–50 prosentin lisätehostuksen aiempaan parhaaseen verrattuna.
QMillin mukaan läpimurto ei ole vain tekninen saavutus, vaan askel kohti käytännön kvanttietua (practical quantum advantage). Kun kvanttipiirit toimivat tehokkaammin, nykyisetkin NISQ-tietokoneet voivat ratkaista ongelmia, jotka aiemmin vaativat supertietokoneita. Näin kvanttilaskenta muuttuu teoreettisesta lupauksesta konkreettiseksi hyödyksi esimerkiksi logistiikan, rahoituksen ja materiaalitutkimuksen sovelluksissa.
Yrityksen tavoitteena on kehittää algoritmeja, jotka tuovat kvanttiedun yritysten ulottuville jo lähivuosina, ilman että tarvitaan vielä täysin virheenkorjattuja kvanttikoneita. QMill on jakanut vertailupiiriensä QASM-tiedostot avoimesti Zenodossa, ja ne on toteutettu IBM:n porttijoukolla. Näin yhtiö toivoo vauhdittavansa koko alan kehitystä ja lisäävänsä avoimuutta kvanttilaskennan optimointimenetelmien arvioinnissa.
QMill kertoi elokuussa, että Nokian entinen pääjohtaja Pekka Lundmark ja VTT:n ex-pääjohtaja Antti Vasara ovat liittyneet yhtiön hallitukseen ja sijoittajiin.
Kun suurteholaskennan (HPC) työkuormat monimutkaistuvat, generatiivinen tekoäly sulautuu yhä tiiviimmin moderneihin järjestelmiin ja lisää kehittyneiden muistiratkaisujen tarvetta. Vastatakseen näihin muuttuviin vaatimuksiin ala kehittää uuden sukupolven muistiarkkitehtuureja, jotka maksimoivat kaistanleveyden, minimoivat latenssin ja parantavat energiatehokkuutta.
