Պատկերացրեք մի համակարգիչ, որը կարող է մեկ վայրկյանում լուծել խնդիր, որի համար աշխարհի բոլոր պրոցեսորներից հազարավոր տարիներ կպահանջվեին։ Սա գիտական ֆանտաստիկա չէ, այլ քվանտային համակարգիչ։ Դրա գյուտը հաճախ համեմատում են էլեկտրականության հայտնագործման հետ. այն ամբողջովին կփոխի մեր տեխնոլոգիաները։

Եկեք հասկանանք, թե ինչպես է կառուցված այս «գերուղեղը»՝ առանց բարդ բանաձևերի և ֆիզիկայի դասագրքերի։

Ո՞րն է սովորական համակարգիչների խնդիրը

Մեր նոթբուքերն ու սմարթֆոնները աշխատում են բիթերով։ Բիթը փոքրիկ անջատիչ է, որը կարող է լինել միայն երկու դիրքում՝ կա՛մ 0, կա՛մ 1։

Երբ սովորական համակարգիչը բարդ խնդիր է լուծում, օրինակ՝ գաղտնաբառ է փնտրում կամ երթուղի է ընտրում հազարավոր մեքենաների համար, այն գործում է լաբիրինթոսում հայտնված մարդու պես. գնում է մեկ ճանապարհով, հասնում է փակուղի, վերադառնում և փորձում հաջորդը։ Եթե տարբերակները միլիարդավոր են, համակարգիչը ծանրաբեռնվածությունից պարզապես «կախվում է»։ Մենք գրեթե հասել ենք դրանց հնարավորությունների առավելագույն սահմանին։

Քվանտային համակարգիչն աշխատում է լիովին այլ տրամաբանությամբ։ Բիթերի փոխարեն այստեղ օգտագործվում են քուբիթներ։ Դրանք պատրաստվում են իրական միկրոմասնիկներից, օրինակ՝ ատոմներից կամ ֆոտոններից։ Քուբիթներն ունեն գերուժ. նրանք կարող են միաժամանակ լինել և՛ զրո, և՛ մեկ։ Այդ պատճառով, եթե սովորական համակարգիչը հերթով է ստուգում տարբերակները, ապա քվանտայինը միաժամանակ ստուգում է լաբիրինթոսի բոլոր միլիարդավոր ճանապարհները։ Սա ապահովում է արագության թռիչքային աճ։

Ինչո՞ւ ձեր սեղանին քվանտային նոթբուք չի լինի

Քվանտային համակարգիչ պատրաստելը չափազանց բարդ է։ Միկրոմասնիկները շատ քմահաճ են. ցանկացած շրշյունից կամ ջերմությունից նրանք կորցնում են իրենց հատկությունները, և հաշվարկները խափանվում են։ Որպեսզի դրանք հնազանդ աշխատեն, դրանք պետք է բառացիորեն սառեցվեն՝ հասցվելով մինչև -273,15 °C ջերմաստիճանի (սա ավելի ցուրտ է, քան բաց տիեզերքում)։

Ահա թե ինչու քվանտային համակարգիչը հսկայական սարքավորում է փակ լաբորատորիայում։ Նման նոթբուքով լողափ չես գնա։ Բայց սովորական մարդկանց դա պետք էլ չէ. ապագայում մենք կկարողանանք պարզապես հեռավար կերպով՝ ինտերնետի միջոցով, միանալ քվանտային հզորություններին։

Արդյո՞ք անհրաժեշտ է շտապ վերապատրաստվել

Եթե դուք սովորական գրասենյակային աշխատող եք, ապա՝ ոչ։ Ձեզ համար ծրագրերն արտաքնապես չեն փոխվի, դրանք պարզապես ավելի արագ կաշխատեն։ Սակայն կլինեն մի շարք ոլորտներ, որտեղ քվանտային տրամաբանության կառուցվածքի իմացությունը մեծ առավելություն կդառնա։

5–7 տարի հետո մարքեթոլոգներն ու վերլուծաբանները ստիպված կլինեն աշխատել լիովին նոր համակարգում. քվանտային տրամաբանությունն ամբողջությամբ կվերացնի Big Data-ի դասական վերլուծության փոխզիջումները, որտեղ հանուն արագության զոհաբերվում է ճշգրտությունը։ Քվանտային սուպերպոզիցիայի և այնպիսի ալգորիթմների շնորհիվ, ինչպիսիք են Գրովերի որոնումը կամ քվանտային մեքենայական ուսուցումը (QML), կվերանա կոմբինատորային պայթյունի խնդիրը. մեքենաները կկարողանան ակնթարթորեն հաշվարկել միլիարդավոր թաքնված կապեր տերաբայթերով չկառուցվածքավորված տվյալների զանգվածներում՝ ապահովելով կանխատեսող մոդելների բացարձակ ճշգրտություն և միկրոսեգմենտավորում իրական ժամանակում։

Մասնագետի արժեքը աղյուսակների ընթացիկ մշակումից կտեղափոխվի դեպի քվանտային համակարգերին առաջադրանքներ տալու կարողություն. նրանք, ովքեր այսօր կտիրապետեն քվանտային վենտիլների տրամաբանությանը և Python-ի վրա հիմնված Cirq կամ Qiskit գրադարաններին, կդառնան սկզբունքորեն նոր մակարդակի տվյալների ճարտարապետներ, մինչդեռ մնացածները սահմանափակված կլինեն սովորական համակարգիչների տեխնոլոգիական փակուղով։

Իրական բեկման ոլորտները

Այս բոլոր տեխնոլոգիական տեղաշարժերը հանգեցնում են մեկ գլխավոր գաղափարի. քվանտային համակարգիչը պարզապես ձեր նոթբուքի բարելավված տարբերակը չէ, այլ սկզբունքորեն նոր գործիք, որը կշրջի տեղեկատվության հետ աշխատանքի ողջ տրամաբանությունը։

Առաջին հերթին այն կզրոյացնի ժամանակակից կիբերանվտանգությունը։ Քվանտային մեքենաներն ընդունակ են կոտրել ամենահուսալի բանկային ծածկագրերը հազարավոր տարիների փոխարեն ժամերի ընթացքում, և գաղտնաբառերի պարզ երկարացումն այստեղ չի օգնի. աշխարհը ստիպված կլինի ամբողջությամբ փոխել պաշտպանության համակարգերը նոր՝ «հետքվանտային» համակարգերի։ Բայց հենց այս նույն հսկայական հաշվողական ռեսուրսը դռներ կբացի տեխնոլոգիական այնպիսի բեկումների համար, որոնք նախկինում անհնար էին թվում։ Այսպես, բժշկության և դեղագործության մեջ մոլեկուլների ճշգրիտ մոդելավորումը քվանտային մակարդակում լաբորատորիաներում կուրորեն արվող տարիների փորձերը կփոխարինի անբուժելի հիվանդությունների դեմ դեղամիջոցների արագ թվային ստեղծմամբ։

Ի վերջո, տեխնոլոգիան սկզբունքորեն նոր մակարդակի կբարձրացնի արհեստական բանականությունը. քվանտային ալգորիթմները ոչ միայն անգամներով կավելացնեն նեյրոնային ցանցերի ուսուցման արագությունը, այլև ֆիզիկայի օրենքների շնորհիվ կսովորեցնեն ԱԲ-ին գեներացնել բացարձակապես պատահական թվեր, ինչը դրա կանխատեսումները կդարձնի անհավանականորեն ճշգրիտ։