Choć komputery kwantowe budzą wielkie nadzieje, w praktyce klasyczne komputery probabilistyczne radzą sobie równie dobrze z bardzo trudnymi zadaniami optymalizacyjnymi, a działają przy tym w temperaturze pokojowej i korzystają z powszechnie dostępnych podzespołów. Najważniejsze wyzwania to tzw. problemy kombinatoryczne, które eksplodują liczbą możliwych rozwiązań i pozostają złożone nawet dla potężnych maszyn.
W tradycyjnych komputerach działają bity, które mają wartość 0 albo 1, podczas gdy komputery kwantowe operują na kubitach wykorzystujących zjawisko superpozycji i splątania – pozwala to im wykonywać wiele obliczeń równocześnie. W teorii to właśnie daje maszynom kwantowym przewagę w rozwiązywaniu problemów wymagających przebadania ogromnej przestrzeni rozwiązań.
CYNICZNYM OKIEM: Kwantowe maszyny obiecują rewolucję, ale na razie ich „magia” to eksperymenty na lodzie bliskim zeru absolutnemu, gdzie wszystko jest takie delikatne jak porcelana, a każde zakłócenie może zniszczyć efekt. Tymczasem klasyczne komputery, choć „nudne”, pokazują, że można iść wolniej, ale stabilniej.
Modele Isinga i symulowane wyżarzanie kwantowe – test na wydajność
Badania porównawcze na modelach Isinga – układach złożonych z igiełek magnetycznych, które mogą wskazywać na +1 lub -1 i oddziałują ze sobą na różne sposoby, imitując skomplikowane problemy decyzyjne – pokazują, że techniki takie jak dyskretnie symulowane wyżarzanie kwantowe (DT-SQA) prowadzone na klasycznych komputerach mogą osiągać wyniki lepsze lub porównywalne z fizycznymi maszynami kwantowymi.
Algorytmy takie jak adaptacyjne temperowanie równoległe (APT) wzmacniane ruchami klastrowymi, które pozwalają na zamianę konfiguracji grup igiełek bez zmiany całkowitej energii, dają szczególnie dobre rezultaty. Z czasem algorytmy te „wchodzą na obroty”, redukując energię resztkową szybciej i osiągając rozwiązania lepsze niż symulowane wyżarzanie kwantowe.
Komputery probabilistyczne – most między klasyką, a kwantem
Komputery probabilistyczne używają p-bitów, które zachowują się jak moneta rzucona w powietrze, losowo przełączając się między -1 a +1, z prawdopodobieństwem zależnym od otoczenia. To podejście naturalnie imituje zachowanie modelu Isinga i pozwala na efektywne znajdowanie dobrych rozwiązań matematycznych problemów optymalizacyjnych.
Te maszyny można realizować na różnych platformach: od programów na procesorach CPU i kartach graficznych GPU, które obsługują wiele operacji równolegle, przez programowalne układy FPGA, aż do planowanych układów hybrydowych łączących klasyczną elektronikę z nanomagnesami.
Kwantowe zalety, a praktyczne ograniczenia
Z kolei komputery kwantowe wymagają ekstremalnie niskich temperatur bliskich zera absolutnego, chłodzone ciekłym helem i znajdujące się w kostkach kriogenicznych. Delikatne stany kwantowe łatwo ulegają dekoherencji pod wpływem otoczenia, powodując błędy i dezaktywację superpozycji, co wymaga skomplikowanych korekcji i dodatkowego sprzętu, niwelując potencjalną przewagę.
Z kolei komputery probabilistyczne działają w normalnych warunkach pokojowych, są skalowalne i energooszczędne – zużycie energii na obrót p-bita może być o kilka rzędów wielkości niższe niż w GPU czy TPU.
Co ciekawe polski fizyk Marek M. Rams z Instytutu Fizyki Teoretycznej Uniwersytetu Jagiellońskiego przyczynił się do badania złożonych układów szkieł spinowych, które są jednym z najtrudniejszych zadań testujących metody wyżarzania kwantowego i probabilistycznego. Polska ma dzięki temu swój udział w międzynarodowej debacie nad tym, jak mierzyć i rozumieć rzeczywistą przewagę kwantową nad klasycznymi podejściami.
Przyszłość informatyki może należeć do hybrydowego podejścia – gdzie klasyczne technologie i komputery probabilistyczne uzupełniają, a nie zastępują kwantowe eksperymenty.
Komputery kwantowe to maszyny wykorzystujące fenomenu fizyki kwantowej, takie jak superpozycja i splątanie kubitów, by potencjalnie rozwiązywać problemy poza zasięgiem klasycznych komputerów. Czas jednak z dystansem podchodzić do tych obietnic i docenić zalety już działających, efektywnych i praktycznych rozwiązań klasycznych.
