Kemister är först i kön för fördelarna med Quantum Computing

Daniel Zender

Den här månaden sa både IBM och Google att de siktar på att kommersialisera kvantdatorer inom de närmaste åren (Google specificerade fem), och säljer åtkomst till de exotiska maskinerna i en ny typ av molntjänst. Konkurrenterna förutspår en ny era där datorer är oerhört kraftfullare, med utdelningar inklusive effektivare routing för logistik- och kartföretag, nya former av maskininlärning, bättre produktrekommendationer och förbättrade diagnostiska tester.

Men innan något av det verkar den första kvantdatorn som börjar betala sig med användbart arbete i den verkliga världen sannolikt göra det genom att hjälpa kemister som försöker göra saker som att förbättra batterier eller elektronik. Hittills är simulering av molekyler och reaktioner ett användningsfall för tidiga, små kvantdatorer, skissade i detalj av forskare som utvecklar den nya typen av algoritmer som behövs för sådana maskiner.

Kvantdatorer, som representerar data med hjälp av kvantmekaniska effekter uppenbara i små skalor, borde kunna utföra beräkningar som är omöjliga för alla konventionella datorer. De senaste framstegen inom hårdvara som kan användas för att bygga dem har lett till en uppsjö av investeringar från företag inklusive Microsoft, Intel, Google och IBM (se 10 Breakthrough Technologies 2017: Practical Quantum Computers ).

Ur synvinkeln av vad som är teoretiskt bevisat ligger kemin före, säger Scott Crowder, teknisk chef för IBM-divisionen som idag säljer hårdvara inklusive superdatorer och hoppas kunna lägga till molnbaserade kvantdatorer till sin produktlinje i nästa några år. Vi har mer förtroende för de mindre systemen för kemi.

Forskare har länge använt simuleringar av molekyler och kemiska reaktioner för att hjälpa forskning om saker som nya material, läkemedel eller industriella katalysatorer. Taktiken kan minska tiden som spenderas på fysiska experiment och vetenskapliga återvändsgränder, och den står för en betydande del av arbetsbelastningen för världens superdatorer.

Men vinsterna är begränsade eftersom även de mest kraftfulla superdatorerna inte kan perfekt återskapa alla komplexa kvantbeteenden hos atomer och elektroner i ens relativt små molekyler, säger Alan Aspuru-Guzik , en kemiprofessor vid Harvard. Han ser fram emot den dagen simuleringar på kvantdatorer kan påskynda hans forskargrupps ansträngningar att hitta nya ljusemitterande molekyler för till exempel skärmar och batterier som är lämpliga för energilagring i nätskala.

Just nu måste vi hela tiden kalibrera med experimentella data, säger Aspuru-Guzik, som banat väg för metoder för att simulera molekyler på kvantdatorer. En del av det kommer att försvinna om vi har en kvantdator.

Att simulera de kvanteffekter som formar molekylära strukturer och reaktioner är ett naturligt problem för kvantdatorer, eftersom deras kraft kommer från att koda data till samma utmanande kvanttillstånd. Komponenterna som utgör kvantdatorer, kända som qubits, kan använda kvantmekaniska processer för att ta beräkningsgenvägar som är omöjliga för en konventionell maskin. (Det kanadensiska företaget D-Wave erbjuder redan ett chip med kvantegenskaper till industriella och akademiska forskare, men det är inte klart om enheten erbjuder de fördelar som förväntas av kvantdatorer.)

Microsoft satsar på en mindre mogen form av kvanthårdvara än IBM och Google (se Microsofts Quantum Mechanics ), men den har en av de mest avancerade ansträngningarna att utveckla praktiska kvantalgoritmer. Kemi och materialvetenskap är bland dess främsta fokusområden. Gruppens forskare har nyligen försökt visa hur hybridsystem där en konventionell dator och en liten kvantdator samverkar kan simulera kemi.

Det har stora löften för att studera molekyler, säger Krysta Svore , som leder Microsofts grupp som arbetar med kvantalgoritmer. Att leta efter nya, praktiska supraledande material är en möjlig tillämpning av hybridmodellen som inte borde kräva mycket stora kvantdatorer, säger hon. Konventionella datorer kämpar för att replikera elektronernas kvantbeteende som ligger till grund för supraledning.

När – eller om – det kommer, borde tidig framgång inom kemi båda gott för kvantdatorernas framtid. Deras potential att studera molekyler är bara en manifestation av deras känsla för vad datavetare kallar optimeringsproblem, som innebär att identifiera den bästa möjliga lösningen från många alternativ. Det kan betyda den mest stabila konfigurationen av en atoms elektroner, eller den mest effektiva leveransvägen runt en stad.

Idag kan kemisimuleringar vara den typ av praktiska optimeringsproblem som forskare bäst förstår hur man poserar för en kvantdator, säger Chris Monroe , professor vid University of Maryland och medgrundare av kvantdatorstarten IonQ. Men framsteg görs när det gäller att förstå andra tillämpningar av kvantdriven optimering, såsom maskininlärning, och det borde finnas många fler.

Svore från Microsoft tror att maskininlärningsapplikationer kan komma relativt snabbt. Samtidigt är att bryta kryptering, även om det är ett verkligt hot, en av de mest avlägsna tillämpningarna av tekniken, eftersom de inblandade algoritmerna skulle kräva en extremt stor kvantprocessor.

Monroe liknar det aktuella ögonblicket inom kvantberäkning med transistorns tidigaste dagar, som hade sin första genombrottsframgång inom hörapparater innan han gick vidare till större saker.

De trodde inte att du kunde få 50 miljarder på ett chip och göra allt det här, säger han. Vi är typ på hörapparatstadiet, där vi förstår några mycket specifika tillämpningar och behöver fortsätta utforska.

Dölj