Kvanttilaskenta lupaa ratkoa haastavia laskentaongelmia tulevaisuudessa. Suomessa kehitetään kvanttilaskentaympäristöä, joka yhdistää kvanttitietokoneen ja superlaskennan ja luo yrityksille mahdollisuuden pysyä kehityksen kärjessä.

Suomessa on ennakkoluulottomasti otettu tärkeitä askelia kohti kvanttilaskennan hyödyntämistä. Teknologian tutkimuskeskus VTT Oy, CSC-Tieteen tietotekniikan keskus Oy ja Aalto-yliopisto ovat rakentamassa suomalaista kvanttilaskennan kehitysympäristöä nimeltä FiQCI, joka tarjoaa suomalaisia kvanttitietokoneita tutkimus- ja kaupalliseen käyttöön.

VTT:n ja IQM:n rakentama viiden kubitin Helmi-kvanttitietokone on jo avattu tutkimuskäyttöön, seuraavaksi ovat vuorossa tänä vuonna valmistuva 20 kubitin kone ja ensi vuonna valmistuva 50 kubitin kone. Ympäristö yhdistää LUMI-supertietokoneen ja kvanttitietokoneen mahdollistaen hybridilaskennan, joka hyödyntää klassisen ja kvanttilaskennan parhaat puolet. Yritykset toivotetaan tervetulleiksi mukaan kvanttilaskentahankkeisiin, jotta suomalaiselle teollisuudelle oleelliset sovellukset ja käyttötapaukset olisivat tutkimuksen kohteena.

Luonnollista laskuvoimaa

Luonto toimii pienimmässä mittakaavassa oudosti. Hiukkaset ovat aaltoja, jotka interferoivat keskenään, voivat olla useassa tilassa yhtä aikaa ja toimia lomittuneina yhdessä kuin yhtenäinen kokonaisuus. Kvanttifysiikka syntyi kuvaamaan tätä outoutta, ja vaikka sen perimmäisiä syitä ei vieläkään ymmärretä, hiukkasten käyttäytyminen voidaan silti laskea tarkasti.

Kun useat hiukkaset ovat lomittuneina keskenään, laskutoimituksista tulee monimutkaisia, sillä eri tapahtumavaihtoehtojen määrä kasvaa eksponentiaalisesti. Kuitenkin luonto hoitaa nämä monimutkaisimmatkin laskutoimitukset silmänräpäyksessä – koska silmänräpäys on kiinni siitä, että kaikki hiukkasten liikkeet toteutuvat. Kvanttitietokone valjastaa tämän luonnon laskuvoiman ratkomaan laskennallisia ongelmia.

Jos vain ongelma voidaan pukea sellaiseen muotoon, että hiukkasten liikkeiden ratkaisu on ratkaisu ongelmaan, voi kvanttitietokone tulevaisuudessa ratkoa ongelman tehokkaammin kuin perinteinen tietokone.

Algoritmien ja sovellusten kimppuun nyt

Tutkijat ovat kehittäneet erilaisia tapoja muuntaa ongelmia kvanttilaskennalle sopivaan muotoon. Tällaisia ovat esimerkiksi kombinatoriset optimointiongelmat, lineaaristen yhtälöryhmien ratkaisu ja Fourier-muunnos. Näitä perusmenetelmiä voidaan sitten soveltaa spesifimpiin ongelmiin, liittyen vaikkapa logistiikkaan, rahoitukseen, signaalin- ja kuvankäsittelyyn, alkulukujen etsintään, graafidatan käsittelyyn, koneoppimiseen, materiaalitekniikkaan tai molekyylien simulointiin.

Kvanttitietokoneet pystyvät toistaiseksi ratkomaan vain hyvin pieniä tehtäviä, ja vaikka viime aikojen kehitys on ollut eksponentiaalista, laskennalliset hyödyt ovat vuosien päässä. Silti yritysten pitää aloittaa opiskelu, mahdollisuuksien tunnistaminen ja algoritmien räätälöinti omaan käyttöön jo nyt. Tutkittavaa ja löydettävää riittää kaikilla tasoilla, niin perusalgoritmeissa kuin sovelluksissa. Pitää ymmärtää oman toiminnan keskeisimmät laskennalliset haasteet ja erityisesti, mitkä niistä räjähtävät käsiin ongelman koon kasvaessa. Tämän jälkeen voidaan analysoida, minkälaiset kvanttialgoritmit voisivat sopia ongelmien ratkaisuun, toteuttaa esimerkkialgoritmeja pienille datajoukoille ja testata algoritmeja simulaattoreilla tai oikeilla kvanttitietokoneilla.

Hybridilaskentaa

VTT:n Helmi-kvanttitietokone on yhdistetty CSC:n isännöimään yleiseurooppalaiseen LUMI-supertietokoneeseen. Supertietokoneelta voidaan välittää laskentatyö kvanttitietokoneelle, joka palauttaa laskennan tuloksen joko esitettäväksi tai yhdistettäväksi muuhun laskentaa. Tavoitteena on hybridilaskenta, jossa klassinen tietokone ja kvanttitietokone jakavat laskennallisen kokonaistehtävän niin, että kumpikin tulee optimaalisesti hyödynnettyä.

Tämä on uraauurtavaa tutkimusta maailmalla, supertietokoneen ja yleiskäyttöisen kvanttitietokoneen muodostama kokonaisuus on avattu tutkijoille ensimmäistä kertaa Euroopassa. Seuraa on kuitenkin luvassa pian. Euroopassa on käynnistymässä tänä vuonna kuusi hanketta, joissa kvanttitietokone liitetään supertietokoneiden yhteyteen. Isot pelurit, kuten IBM ja Amazon, tarjoavat klassisia pilvilaskentapalveluita sekä kvanttilaskentapalveluita ja näiden yhdistelmiä hybridilaskennan toteuttamiseen. Kvanttikoneiden kehittäjä D-Wave tarjoaa jo kaupallista hybridilaskentapalvelua optimointitehtävien ratkaisuun, jossa isompi ongelma pilkotaan osiin, joita sekä klassinen että kvanttilaskenta ratkoo.

Hybridilaskenta on oiva mahdollisuus myös yrityksille. Algoritmit, jotka käyttävät superlaskentaa, ovat hyödynnettävissä heti – ei tarvitse odottaa vuosia. Kun kvanttitietokoneet kehittyvät, voidaan laskennasta jyvittää yhä suurempi osa kvanttitietokoneelle ja saada kokonaislaskentaa tehokkaammaksi. Kunnes jonain päivänä vaikea ongelma lasketaan kokonaan kvanttitietokoneella klassisen koneen hoitaessa esimerkiksi datan tallennusta.

Kvantti tarvitsee klassista

Vaikka kvanttitietokoneet voivat olla tehokkaita, ne tarvitsevat klassisia tietokoneita tuekseen. Kun kvanttitietokoneet kasvavat, kasvaa myös klassisen laskennan tarve. Kvanttitietokone käsittelee tehtävää muistissaan, mutta tieto pitää ensin ladata kvanttitietokoneen muistiin, mikä edellyttää klassista tiedon tallentamista ja esikäsittelyä. Kun kvanttilaskennan tulos mitataan, mittaustulokset luetaan, käsitellään ja tallennetaan klassisesti.

Klassista laskentaa tarvitaan myös, kun kvanttitietokoneella ajettava piiri käännetään koneen käskykantaan ja piiri optimoidaan huomioiden prosessorin arkkitehtuuri. Mitä isompi piiri on kyseessä, sitä enemmän klassista laskentaa tarvitaan. Piirien laskentaportit toteuttavien sähköisten pulssien muotoa voidaan optimoida koneoppimisella ja näin saada kvanttitietokoneen laskentatulosta parannettu. Tulosta voidaan parantaa myös jälkikäsittelemällä mittaustuloksia. Kvanttitietokoneiden ja kubittien lukumäärän kasvaessa jälkikäsittelyn vaatima laskentateho kasvaa.

Ajattaessa niin sanottuja variaatioalgoritmeja klassinen tietokone optimoi kvanttipiirien porttien ominaisuuksia. Kvanttitietokone evaluoi optimoitavan kustannusfunktion arvon tehokkaasti ja klassinen optimointialgoritmi etsii uudet parametriarvot, jotka vievät seuraavan evaluoinnin kohti parempaa minimiä. Pienten variaatiopiirien optimointia voidaan tehdä heikkotehoisemmallakin klassisella tietokoneella, mutta kun kvanttipiirien koko kasvaa, kasvaa myös optimoitavien parametrien määrä ja klassisen laskentatehon tarve.

Mahdollisuus Suomelle

Suomessa on pitkä tutkimusperinne kylmä- ja suprajohtavassa teknologiassa, ja Suomi onkin ollut kvanttitietokoneiden kehittämisessä näkyvässä roolissa maailmalla. Seuraavaksi Suomen pitää panostaa enemmän myös algoritmien ja sovellusten tutkimukseen ja olla valmiina valjastamaan kvanttilaskenta teollisuuden hyötykäyttöön heti, kun se on mahdollista. Kehittyvä kvanttilaskentaympäristö on hyvä mahdollisuus eri alojen tutkijoille ja yrityksille oppia, kuinka kvanttilaskentaa voidaan tulevaisuudessa hyödyntää erilaisissa käytännön haasteissa.