انقلاب محاسبات کوانتومی نزدیک‌تر از آن است که فکر می‌کنید

در اعماق یک مرکز داده در منهتن، یک کامپیوتر کوانتومی مانند بتی در یک محراب قرار گرفته است. بازدیدکنندگان برای رسیدن به آن، از دو مجموعه درهای کشویی و ردیف‌هایی از ماشین‌های معمولی عبور می‌کنند که پیش‌بینی می‌شود این کامپیوتر کوانتومی از آن‌ها پیشی بگیرد.

سازنده این کامپیوتر، شرکت بریتانیایی آکسفورد کوانتوم سرکیتس (Oxford Quantum Circuits)، آن را برای شرکت‌ها نصب کرده است تا از طریق اتصالات ابری یا فیبر نوری از آن استفاده کنند و به آن‌ها فرصتی برای آزمایش مستقیم این فناوری می‌دهد. سخت‌افزار هوش مصنوعی انویدیا (Nvidia AI) به ستون مسی و فولادی کمک می‌کند تا به قدرت‌های محاسباتی خارق‌العاده‌ای دست یابد، به لطف توانایی آن در تحلیل و پیش‌بینی سیستم‌های پیچیده مانند جریان‌های مالی یا واکنش‌های شیمیایی.

پس از سال‌ها انتظارات بی‌نتیجه، بسیاری از شرکت‌های فناوری پیشرو جهان اکنون پیش‌بینی می‌کنند که کامپیوترهای کوانتومی تا سال ۲۰۳۰ شروع به پیشی گرفتن از همتایان معمولی خود خواهند کرد – با تأثیر بالقوه‌ای عظیم بر حوزه‌هایی از ارزهای دیجیتال و خدمات مالی گرفته تا کشف دارو.

جرالد مالالی (Gerald Mullally)، مدیرعامل OQC، با اشاره به مشتریان شرکتش به عنوان نشانه‌ای از ایمان به پتانسیل این فناوری، می‌گوید: «این واقعاً آینده‌نگرانه به نظر می‌رسد و من کاملاً آن را درک می‌کنم.» او می‌افزاید: «اساساً این یک شرط‌بندی است که این شرکت‌ها انجام می‌دهند: 'این اتفاق خواهد افتاد، اهمیت پیدا خواهد کرد و بنابراین هرچه زودتر با آن درگیر شویم، تمرین بیشتری خواهیم کرد.'»

اما برخی دانشمندان نگرانند که قدرت محض این فناوری می‌تواند حریم خصوصی و امنیت ملی را به خطر اندازد، در حالی که برخی دیگر همچنان تردید دارند که آیا اصلاً ماشین‌های کاربردی می‌توانند ساخته شوند.

امروزه، کامپیوترهای کوانتومی دیگر فقط در آزمایشگاه‌های تحقیقاتی یافت نمی‌شوند، زیرا شرکت‌ها در حال بررسی امکانات تجاری این فناوری هستند. ناظران صنعت تخمین می‌زنند که ده‌ها سیستم محاسبات کوانتومی در جهان وجود دارد، رقمی که مشاور McKinsey پیش‌بینی می‌کند تا سال ۲۰۳۰ به حدود ۵۰۰۰ سیستم افزایش یابد.

دانشمندان می‌گویند که پیشرفت‌ها در عملکرد و قابلیت به‌تدریج انجام خواهد شد.

اما سرمایه‌گذاران با پیشرفت‌هایی مانند اعلام هفته گذشته مایکروسافت در مورد تراشه کوانتومی نسل بعدی Majorana 2 و انتظارات آن برای یک کامپیوتر کوانتومی که می‌تواند "مشکلات معقول و تجاری" را تا سال ۲۰۲۹ حل کند، به هیجان آمده‌اند.

هنگامی که شرکت محاسبات کوانتومی کوانتینیوم (Quantinuum) با حمایت هانی‌ول (Honeywell)، عرضه اولیه عمومی خود را در ماه جاری در نزدک (Nasdaq) آغاز کرد، سهام آن بیش از ۱۵ میلیارد دلار ارزش‌گذاری شد. قیمت سهام گروه رقیب IonQ از سپتامبر ۲۰۲۴ بیش از ۷۰۰ درصد افزایش یافته است.

گوگل و IBM هر دو تا سال ۲۰۳۰ ارائه ماشین‌های کاربردی را هدف قرار داده‌اند. ساندار پیچای، مدیرعامل گوگل، در ماه نوامبر گفت که این فناوری اکنون "شاید در جایگاهی است که هوش مصنوعی پنج سال پیش قرار داشت".

دولت‌ها نیز سرمایه‌گذاری‌های استراتژیک انجام می‌دهند. ایالات متحده ماه گذشته برنامه‌هایی را برای خرید سهام به ارزش ۲ میلیارد دلار در نُه شرکت محاسبات کوانتومی، از جمله یک استارتاپ با حمایت شرکتی مرتبط با خانواده ترامپ و شرکتی که توسط یک مقام پنتاگون عمومی شده بود، اعلام کرد.

شکاکان به موانع فنی قابل توجهی که برای ساخت کامپیوترهای کوانتومی کاربردی باقی مانده است، اشاره می‌کنند. ماشین‌های موجود هنوز بیش از حد مستعد خطا هستند. "چالش‌های مهندسی" که توسعه‌دهندگان این دستگاه‌ها اصرار دارند که در چند سال آینده قابل حل هستند، بسیار دشوارند.

اما با شروع نشانه‌هایی از پیشی گرفتن ماشین‌های جدید از کامپیوترهای معمولی در حوزه‌های خاص – آنچه صنعت آن را "مزیت کوانتومی" می‌نامد – خطر نادیده گرفتن اهمیت این فناوری رو به افزایش است.

سازمان‌ها خود را برای چشم‌انداز روز Q (Q-Day) آماده می‌کنند – لحظه پیش‌بینی شده‌ای که کامپیوترهای کوانتومی قادر به شکستن روش‌های رمزنگاری که جوامع مدرن به آن‌ها متکی هستند، خواهند بود.

تحقیقات جدی در مورد محاسبات کوانتومی در دهه ۱۹۸۰ آغاز شد و کندتر از آنچه حامیان آن امیدوار بودند، توسعه یافته است.

در ابتدا محققان می‌خواستند ببینند آیا می‌توان با بهره‌برداری از اثرات کوانتومی غیرعادی که ماده در مقیاس‌های اتمی و زیراتمی از خود نشان می‌دهد، کامپیوترها را تقویت کرد.

کامپیوترهای کوانتومی می‌توانند از محدودیت‌های بیت باینری کامپیوترهای سنتی فراتر روند، که می‌تواند در دو حالت، با صفر و یک، وجود داشته باشد.

در مقابل، بیت‌های کوانتومی یا "کیوبیت‌ها"، می‌توانند همزمان در هر دو حالت وجود داشته باشند. این به ماشین‌های کوانتومی اجازه می‌دهد تا چندین راه‌حل بالقوه را به طور همزمان بررسی کنند، به جای اینکه مانند یک کامپیوتر معمولی، آن‌ها را یکی‌یکی پردازش کنند.

یک قیاس خوب، هزارتو (maze) است. در حالی که یک کامپیوتر کوانتومی می‌تواند کل نقشه را برای یافتن راهی برای عبور بررسی کند، یک ماشین سنتی همچنان به کاوش در بن‌بست‌ها ادامه می‌دهد تا مسیر را پیدا کند. قدرت پردازشی برتر کامپیوترهای کوانتومی باید آن‌ها را قادر سازد تا از مقادیر کمی از داده‌ها بهتر تعمیم دهند و الگوهای پیچیده متعدد را غربال کنند.

این فناوری هنوز راه زیادی برای توسعه کامل در پیش دارد.

بر اساس تحقیقات منتشر شده توسط موسسه فناوری کالیفرنیا در ماه مارس، یک کامپیوتر کوانتومی کارآمد حداقل به ۱۰۰۰ کیوبیت منطقی نیاز دارد. مدل جنسیس (Genesis) OQC دارای ۱۶ کیوبیت است.

اما بسیاری از شرکت‌ها از قبل در حال آزمایش این فناوری هستند، به دلیل جهش وعده داده شده در قابلیت‌های آن، و کاربردهای اولیه این ماشین‌ها را در زمینه‌هایی مانند شیمی و علم مواد پیش‌بینی می‌کنند.

ایده این است که به دلیل عملکرد و ساختار خودشان، کامپیوترها بهتر قادر به تجزیه و تحلیل و پیش‌بینی رفتار شیمیایی هستند که توسط برهم‌کنش‌های اتمی و زیراتمی تحت قوانین کوانتومی تعیین می‌شود. به نوعی، آن‌ها به یک زبان صحبت خواهند کرد، به جای اینکه یک تحلیل را به رشته‌ای از صفر و یک ترجمه کنند، همانطور که یک کامپیوتر سنتی انجام می‌دهد.

در نتیجه، یک ماشین کوانتومی به اندازه کافی قدرتمند، در تئوری باید در پیش‌بینی تعاملات بین داروها و سلول‌های زنده که تعیین‌کننده اثربخشی یک داروی جدید است، ماهر باشد.

چنین امکاناتی از قبل شرکت‌های فناوری را به همکاری با گروه‌های صنعتی سوق داده است.

گوگل با شرکت داروسازی بوهرینگر اینگلهایم (Boehringer Ingelheim) در زمینه کشف دارو، با بوش (Bosch) در زمینه علم مواد و با مرسدس بنز (Mercedes-Benz) در زمینه فناوری باتری همکاری کرده است. همچنین با خودروساز فولکس‌واگن (Volkswagen) برای تحقیق در مورد جریان ترافیک و بهینه‌سازی کار کرده است.

شورون تکنولوژی ونچرز (Chevron Technology Ventures)، بازوی سرمایه‌گذاری خطرپذیر شرکت نفتی چندملیتی شورون (Chevron)، هفته گذشته در دور جذب سرمایه ۲۶۰ میلیون پوندی که توسط آکسفورد کوانتوم سرکیتس (Oxford Quantum Circuits) به پایان رسید، یک سرمایه‌گذار بازگشتی بود. شورون می‌گوید سرمایه‌گذاری آن نشان‌دهنده علاقه آن به فناوری‌های کوانتومی در زمینه‌هایی مانند امنیت سایبری، پردازش داده‌ها و بهینه‌سازی سیستم‌های پیچیده است.

راب اوتر (Rob Otter)، رئیس تحقیقات کاربردی فناوری جهانی در جی‌پی مورگان چیس (JPMorgan Chase)، می‌گوید که صنعت خدمات مالی نیز "مزایای اولیه محاسبات کوانتومی را پیش‌بینی می‌کند، زیرا قادر به پردازش و تحلیل کارآمد مجموعه‌های داده بزرگ و سریع، مانند سوابق تراکنش، جریان‌های بازار یا سیگنال‌های ریسک است".

او اضافه می‌کند که با گذشت زمان این فناوری "ممکن است نحوه مدیریت ریسک شرکت‌ها، قیمت‌گذاری سرمایه‌گذاری‌ها، بهینه‌سازی پورتفولیوها و تشخیص کلاهبرداری را بهبود بخشد و منجر به بازارهای کارآمدتر و نتایج بهتر برای مشتریان شود."

در آزمایش‌ها، ماشین‌های کوانتومی همچنین پتانسیل خود را برای بهبود تشخیص کلاهبرداری نشان داده‌اند و بر نقاط ضعف روش‌های موجود مبتنی بر هوش مصنوعی غلبه می‌کنند.

کمبود نسبی موارد کلاهبرداری به این معنی است که هوش مصنوعی فاقد مجموعه داده بزرگی برای یادگیری است و مجرمان روش‌های خود را تغییر می‌دهند، به این معنی که مدل‌ها نیاز به آموزش مجدد مداوم دارند.

شرکت فناوری یونیسیس (Unisys) گفته است که نتایج امیدوارکننده‌ای از همکاری با شرکت پرداخت آنلاین پی‌سیف (Paysafe) و مرکز ملی محاسبات کوانتومی بریتانیا مشاهده کرده است.

یک تحقیق یونیسیس در زمینه تشخیص کلاهبرداری نشان داد که رویکرد کوانتومی به صفر خطا (false negatives) دست یافته در حالی که خطاهای مثبت کاذب (false positives) را به حداقل رسانده است. این نکته قابل توجه است زیرا خطاهای منفی کاذب به معنای از دست رفتن کلاهبرداری‌ها هستند، در حالی که خطاهای مثبت کاذب مشتریان را ناامید می‌کنند زیرا به معنای مسدود شدن تراکنش‌های قانونی هستند.

مسترکارت (Mastercard) و OQC نیز در یک سیستم آزمایشی تشخیص کلاهبرداری کوانتومی همکاری کرده‌اند که در آزمایش بر روی داده‌های عمومی، خطاهای مثبت کاذب کمتری نسبت به تکنیک‌های موجود نشان داد.

کن مور (Ken Moore)، مدیر ارشد نوآوری مسترکارت، می‌گوید: «محاسبات کوانتومی در تقاطع هوش مصنوعی، داده‌ها و امنیت قرار دارد.» او اضافه می‌کند که کاربردهای کوانتومی آینده می‌تواند به حوزه‌هایی مانند مدل‌سازی ریسک و رمزنگاری نسل بعدی گسترش یابد.

به محض اینکه اولین کامپیوترهای کوانتومی آزمایشی در دهه ۱۹۹۰ منتشر شدند، دانشمندان شروع به پیش‌بینی درباره روز Q (Q-Day) کردند، یعنی تاریخ فرضی که کامپیوترهای کوانتومی قادر به شکستن سیستم‌های رمزنگاری رایج خواهند بود.

چنین تحولی، انبوهی از داده‌های محرمانه، از اسرار امنیت ملی گرفته تا سوابق پزشکی و اطلاعات مالی شخصی، را در معرض خطر قرار خواهد داد.

روش‌های رمزنگاری موجود بر پایه ضرب اعداد اول بسیار بزرگ استوارند. اینها تنها در صورتی قابل شکستن هستند که کامپیوتر بتواند هویت اعداد را مشخص کند، که برای ماشین‌های موجود آنقدر زمان‌بر است که غیرعملی خواهد بود.

در مقابل، یک کامپیوتر کوانتومی با اندازه کافی می‌تواند این مشکل را در مقیاس زمانی حل کند که مجرمان می‌توانند از آن سوءاستفاده کنند، زیرا این فناوری می‌تواند محاسبات پیچیده را بسیار سریع‌تر از ماشین‌های معمولی انجام دهد.

این تهدید بیشتر است زیرا هکرها می‌توانند داده‌ها را امروز به سرقت ببرند تا پس از روز Q رمزگشایی کنند: استراتژی که به "برداشت امروز، رمزگشایی بعداً" (harvest now, decrypt later) معروف است.

این چشم‌انداز شرکت‌های ارزهای دیجیتال را وحشت‌زده کرده است. آن‌ها به ویژه آسیب‌پذیر هستند زیرا سرقت ارزهای دیجیتال می‌تواند به صورت ناشناس انجام شود و آن‌ها محافظت‌های کمتری نسبت به بانک‌های سنتی دارند. آیو اکین‌یله (Ayo Akinyele)، رئیس مهندسی RippleX، بازوی توسعه بلاک‌چین گروه ریپل (Ripple)، ماه گذشته به فایننشال تایمز گفت که تهدید کوانتومی "از نظری به قابل اعتماد تبدیل شده است."

در سراسر صنایع و دولت‌ها، مؤسسات در حال آماده شدن برای احتمال روز Q با معرفی رمزنگاری پسا-کوانتومی (post-quantum cryptography) هستند. اینها الگوریتم‌های جدید "ایمن کوانتومی" هستند، از جمله سه الگوریتم که در سال ۲۰۲۴ تحت نظارت موسسه ملی استانداردها و فناوری ایالات متحده توسعه یافته‌اند. امسال این موسسه نُه الگوریتم نامزد دیگر را اعلام کرد، در حالی که نبرد برای حفاظت از داده‌های جهان تشدید می‌شود.

تقریباً هیچ‌کس در این صنعت کامپیوترهای کوانتومی را جایگزینی برای ماشین‌های معمولی نمی‌داند، زیرا این فناوری برای طیف نسبتاً محدودی از وظایف بسیار پیچیده مناسب‌تر خواهد بود.

تیموتی کوستا (Timothy Costa)، معاون و مدیرکل بخش کوانتومی انویدیا، می‌گوید که تاریخچه محاسبات نشان می‌دهد که دستگاه‌های کوانتومی به احتمال زیاد تقاضا برای ماشین‌های معمولی مورد نیاز برای پشتیبانی از آن‌ها را افزایش خواهند داد. کوستا می‌گوید: «آنچه محاسبات انجام می‌دهد، بزرگ کردن کیک است. کوانتوم نیز همین کار را خواهد کرد.»

او اضافه می‌کند که همین منطق نشان می‌دهد که کامپیوترهای کوانتومی و هوش مصنوعی برای برتری رقابت نخواهند کرد، بلکه یکدیگر را تقویت خواهند کرد.

همانطور که واحدهای پردازش کوانتومی در قلب این ماشین‌ها توانمندتر می‌شوند، به هوش مصنوعی ماهرتری برای کالیبره کردن و انجام تصحیح خطا نیاز خواهند داشت.

برخی از کارشناسان کامپیوتر کوانتومی فکر می‌کنند که این دستگاه‌ها می‌توانند در تولید داده‌های مصنوعی جدید برای یادگیری مدل‌های هوش مصنوعی نقش داشته باشند.

کوستا می‌گوید که صنعت نیمه‌رسانا نیز می‌تواند از هوش مصنوعی برای ایجاد دستگاه‌های کوانتومی مفید استفاده کند، که به نوبه خود می‌توانند مواد بهتری برای طراحی نیمه‌رساناها پیدا کنند.

همه اینها حداقل سال‌ها از ما فاصله دارد. برخی دانشمندان در مورد بزرگ‌نمایی در بخشی که جدول‌های زمانی جاه‌طلبانه آن را زیر سوال می‌برند، هشدار می‌دهند. برخی دیگر در مورد اینکه آیا اصلاً ماشین‌های مفیدی می‌توانند ساخته شوند، ابراز تردید می‌کنند.

یک مشکل بزرگ که باعث خطاهای عملیاتی می‌شود "نویز" است – تغییرات تصادفی و عوامل حواس‌پرتی که می‌توانند منجر به خطا در محاسبات کیوبیت شوند.

پدیده‌های کوانتومی شکننده و آسیب‌پذیر در برابر اختلالات محیطی مانند گرما یا میدان‌های مغناطیسی هستند که می‌توانند بر نتایج تأثیر بگذارند.

توسعه‌دهندگان از تکنیک‌های تصحیح خطا برای کاهش چنین مشکلاتی استفاده می‌کنند، اما محققانی مانند گیل کالای (Gil Kalai)، ریاضیدان دانشگاه عبری اورشلیم، استدلال کرده‌اند که ممکن است غیرممکن باشد که چنین راه‌حل‌هایی به اندازه کافی قوی باشند.

این بخش با موانع فنی دیگری روبرو است. نیاز به کار بر روی حوزه‌هایی مانند رابط‌های سخت‌افزاری و نرم‌افزاری بین دستگاه‌ها و ماشین‌های معمولی، و توسعه الگوریتم‌ها برای اجرا بر روی دستگاه‌های کوانتومی وجود دارد.

اما حامیان این فناوری، مانند مالالی از OQC، که استدلال می‌کند کامپیوترهای کوانتومی ممکن است بسیار کارآمدتر از همتایان معمولی خود باشند، چشم‌انداز یک سری پیشرفت‌های بزرگ را در دست دارند.

گروه او پیش‌بینی می‌کند که تا اواسط دهه آینده، مدل جنسیس آن‌ها توسط نسل‌های جدیدی به نام‌های تایتان (Titan)، آتنا (Athena) و اطلس (Atlas) جایگزین خواهد شد.

مالالی می‌گوید که چنین زبان اساطیری نباید جدیت پیشرفت این فناوری را پنهان کند.

او می‌گوید: «صنعت به نوعی به این دنیای رویایی علمی تخیلی کلی گرایش دارد. اما اکنون بسیار واقعی‌تر شده است.»