Sztuczna inteligencja pomogła rozstrzygnąć jeden z problemów dotyczących granic przewagi komputerów kwantowych. Okazuje się, że nie zawsze są one szybsze od zwykłych maszyn. Nie znaczy to jednak, że komputery kwantowe nie będą przydatne w nauce i projektowaniu nowych materiałów

Wyobraźmy sobie, że szukamy określonego wzoru w ogromnym zbiorze liczb. Zwykły komputer musi wykonać wiele kolejnych operacji, aby go znaleźć. Komputer kwantowy może wykorzystać prawa fizyki kwantowej i w niektórych zadaniach szybciej dotrzeć do odpowiedzi, analizując wiele możliwości jednocześnie. Szczególnie dobrze radzi sobie z problemami, w których liczby są ze sobą powiązane według określonych reguł.

W 2008 roku Scott Aaronson i Andris Ambainis sformułowali problem dotyczący obliczeń na losowych danych. Postawione przez nich pytanie dotyczyło tego, czy komputery kwantowe mogą zachować przewagę nad zwykłymi maszynami także wtedy, gdy w analizowanych informacjach nie ma żadnego ukrytego porządku.

Firma Physical Superintelligence (PSI) ogłosiła, że opracowany przez nią system sztucznej inteligencji znalazł rozwiązanie. Wynika z niego, że w przypadku większości losowych danych zwykły komputer może uzyskać wynik zbliżony do wyniku maszyny kwantowej bez konieczności sprawdzania wszystkich informacji. Wystarczy, że będzie kolejno odczytywał te, które mają największy wpływ na odpowiedź. Ogranicza to przewagę komputera kwantowego, choć nie oznacza jeszcze, że obie maszyny wykonają obliczenia w równie krótkim czasie.

Za rozwiązaniem stoi David Turturean z PSI, który przygotował system korzystający z niepublicznego modelu firmy Anthropic. Według komunikatu sztuczna inteligencja znalazła kompletny dowód już trzeciego dnia pracy. Następnie sprawdzono go za pomocą programu Lean, który kontroluje poprawność rozumowania matematycznego.

Ograniczenie wykazane przez matematyków nie przekreśla jednak możliwości komputerów kwantowych, bo wiele problemów naukowych dotyczy zjawisk, w których występują zależności możliwe do wykorzystania podczas obliczeń. Jednym z przykładów jest zachowanie elektronów w materiałach. Komputery kwantowe mogą pomóc przewidywać właściwości substancji, których jeszcze nie wytworzono w laboratorium.

Fizycy chcieliby na przykład sprawdzić, jak dobrze nowy materiał będzie przewodził prąd. W tym celu muszą obliczyć, jak zachowują się znajdujące się w nim elektrony. Problem polega na tym, że elektrony oddziałują na siebie, a uwzględnienie bardzo wielu takich oddziaływań może wymagać od zwykłego komputera ogromnej liczby obliczeń. Maszyny kwantowe mogłyby sprawniej radzić sobie z częścią tych zadań, ponieważ same wykorzystują prawa fizyki opisujące zachowanie cząstek.

Takimi zagadnieniami zajmuje się między innymi Michał Oszmaniec z Centrum Fizyki Teoretycznej PAN. Bada możliwości wykorzystania komputerów kwantowych w obliczeniach przydatnych w fizyce i chemii. Aby przekonać się, czy taka maszyna rzeczywiście daje przewagę, trzeba jednak porównać jej działanie z najlepszymi metodami dostępnymi na zwykłych komputerach.

O tym, czego można oczekiwać od komputerów kwantowych, jakie problemy mogą rozwiązywać i co nadal ogranicza ich praktyczne zastosowanie, Michał Oszmaniec rozmawia z Janem Stradowskim w podcaście Polskiej Akademii Nauk „Człowiek 2.0”.

• algorytmy
• CFT PAN
• Człowiek 2.0
• komputery kwantowe
• materiały kwantowe
• Michał Oszmaniec
• obliczenia kwantowe
• Physical Superintelligence
• sztuczna inteligencja
• teoria złożoności