Kvanttilaskennan algoritmeja kehittävä suomalaisyhtiö QMill väittää voivansa nopeuttaa kvanttiedun saavuttamista jopa vuosilla. – Ala on pitkään ajatellut, että tarvitaan satoja tai tuhansia kubitteja ennen kuin kvanttikoneista saadaan käytännön hyötyä. Nyt näyttää siltä, että tietyissä ongelmissa kvanttietu voidaan saavuttaa paljon pienemmillä koneilla, sanoo QMillin tuotevastaava Janne Heikkinen ETN:lle.
QMillin mukaan ratkaisevaa ei enää ole pelkkä kubittien määrä, vaan se, kuinka tehokkaasti kvanttialgoritmit ja kvanttipiirit voidaan optimoida nykyisille, edelleen virhealttiille kvanttikoneille.
Heikkisen mukaan kvanttietu ei synny enää vain kvanttirautaa kasvattamalla. Yhä tärkeämmäksi nousee kvanttikoneen tarkkuus eli fideliteetti. Nykyiset NISQ-kvanttikoneet ovat edelleen herkkiä kohinalle ja virheille, jotka kasvavat nopeasti kvanttioperaatioiden määrän kasvaessa. NISQ eli Noisy Intermediate-Scale Quantum tarkoittaa nykyisiä kvanttitietokoneita, joissa on jo kymmeniä tai satoja kubitteja, mutta jotka ovat edelleen herkkiä kohinalle ja laskentavirheille.
– Kubitit määrittävät kvanttipiirin leveyden, mutta portit määrittävät pituuden. Kun portteja tulee liikaa, virheet kumuloituvat ja laskennan laatu romahtaa, Heikkinen kuvaa.
Yksi keino parantaa piirien suorituskykyä nykykoneilla on QMillin kehittämä kvanttipiirejä kompressoiva ratkaisu, jokaperustuu kvanttipiirien AI-pohjaiseen menetelmään. Käytännössä ohjelmisto analysoi OpenQASM-muodossa kuvatun kvanttipiirin ja pyrkii säilyttämään saman funktion mahdollisimman pienellä määrällä kvanttiportteja.
Jos sata porttia voidaan puristaa esimerkiksi 70 porttiin, myös kohina vähenee merkittävästi. Tämä parantaa laskennan fideliteettiä ja kasvattaa todennäköisyyttä sille, että nykyiset kvanttikoneet pystyvät ratkaisemaan ongelman oikein.
Yhtiö kertoi lokakuussa saavuttaneensa LUMI-supertietokoneella ennätystuloksia kvanttipiirien kompressoinnissa. Tyypillisesti porttien määrä ja kvanttipiirin syvyys pienenevät 20-50 prosenttia.
– Mitä vähemmän portteja tarvitaan, sitä luotettavampi lopputulos saadaan nykyisillä kvanttikoneilla, Heikkinen sanoo.
Kompressointi ei kuitenkaan ole kevyt operaatio. QMill käyttää optimointiin GPU-klustereita AWS:n HPC-ympäristössä ja CSC:n LUMI-supertietokonetta. Heikkisen mukaan kyse on hybridisestä työnkulusta, jossa klassinen superlaskenta ja kvanttilaskenta toimivat yhdessä.
– Kvanttirauta kehittyy tällä hetkellä nopeasti, mutta samalla myös algoritmit kehittyvät voimakkaasti. Nämä kaksi yhdessä voivat kiihdyttää kvanttiedun saavuttamista paljon nopeammin kuin vielä muutama vuosi sitten uskottiin.
QMill arvioi, että ensimmäisiä käytännön kvanttiedun demonstraatioita voidaan nähdä jo tämän tai ensi vuoden aikana. Yhtiö ei vielä kerro tarkemmin, minkä ongelmien ratkaisuista puhutaan, mutta Heikkisen mukaan kyse on tarkasti rajatuista algoritmeista ja ongelmatyypeistä. Kvanttikoneiden omimmiksi sektoreiksi on kuvattu esimerkiksi lääkekehitys, logistiikan optimointi, energiajärjestelmien hallinta ja finanssialan riskianalyysit. Lyhyesti sanottuna kaikkea sellaista laskentaa, joihin klassinen binäärilogiikka taipuu huonosti.
QMill ei rakenna omaa kvanttirautaa, vaan toimii laitevalmistajista riippumattomasti. Tavoitteena on optimoida kvanttipiirejä useille eri arkkitehtuureille, kuten IBM:n, IQM:n ja Quantinuumin koneille.
– Tulevaisuudessa käyttäjä ei välttämättä edes tiedä, minkä valmistajan kvanttiprosessorilla laskenta lopulta ajetaan. Kvanttilaskenta muuttuu pilvipalveluksi muiden joukossa, Heikkinen arvioi. Hänen mukaansa ensimmäiset teolliset sovellukset voivat alkaa näkyä jo seuraavan 12-24 kuukauden aikana.
Kuva: AWS / Jini Sofia Lee
