For noen uker siden våknet jeg uvanlig tidlig om morgenen i Brooklyn, satte meg i bilen og dro oppover Hudson River til det lille Westchester County-samfunnet Yorktown Heights. Der, blant de bølgende åsene og de gamle gårdshusene, ligger Thomas J. Watson Research Center, Eero Saarinen-designet1960-tallets Jet Age-æra hovedkvarter for IBM Research.
Dypt inne i den bygningen, gjennom endeløse korridorer og sikkerhetsporter bevoktet av irisskannere, er der selskapets forskere jobber hardt med å utvikle det IBMs forskningsdirektør Dario Gil fortalte meg er «den neste grenen av databehandling»: kvantedatamaskiner.
Jeg var på Watson Center for å forhåndsvise IBMs oppdatert teknisk veikart for å oppnå storskala, praktisk kvanteberegning. Dette innebar mye snakk om «qubit-antall», «kvantekoherens», «feilredusering», «programvareorkestrering» og andre emner du trenger for å være elektroingeniør med bakgrunn i informatikk og kjennskap til kvante. mekanikk å følge fullt ut.
Jeg er ikke noen av de tingene, men det har jeg så på kvanteberegningsrommet lenge nok å vite at arbeidet som gjøres her av IBM-forskere – sammen med deres konkurrenter i selskaper som Google og Microsoft, sammen med utallige startups rundt om i verden – står til å drive det neste store spranget innen databehandling. Som gitt at databehandling er en “horisontal teknologi som berører alt,” som Gil fortalte meg, vil ha store implikasjoner for fremgang i alt fra cybersikkerhet til kunstig intelligens til designe bedre batterier.
Forutsatt at de faktisk kan få disse tingene til å fungere.
Går inn i kvanteriket
Den beste måten å forstå en kvantedatamaskin – uten å sette av flere år til en grad skole ved MIT eller Caltech – er å sammenligne den med den typen maskin jeg skriver dette stykket på: en klassisk datamaskin.
Min MacBook Air kjører på en M1-brikke, som er fullpakket med 16 milliarder transistorer. Hver av disse transistorene kan representere enten “1” eller “0” av binær informasjon på en enkelt gang – litt. Det store antallet transistorer er det som gir maskinen sin datakraft.
Seksten milliarder transistorer pakket på en 120,5 sq mm-brikke er mye – TRADIC, den første transistoriserte datamaskinen, hadde færre enn 800. Halvlederindustriens evne til å konstruere stadig flere transistorer på en brikke, en trendprognose av Intels medgründer Gordon Moore i lov som bærer hans navner det som har muliggjort den eksponentielle veksten av datakraft, som igjen har muliggjort stort sett alt annet.
:format(webp):no_upscale()/cdn.vox-cdn.com/uploads/chorus_asset/file/23583802/IMG_4482.jpg)
Men det er ting som klassiske datamaskiner ikke kan gjøre som de aldri vil kunne gjøre, uansett hvor mange transistorer som blir fylt på en firkant av silisium i et taiwanesisk halvlederfabrikk (eller “fab”, på industrispråk). Og det er her de unike og ærlig talt rare egenskapene til kvantedatamaskiner kommer inn.
I stedet for bits behandler kvantedatamaskiner informasjon ved hjelp av qubits, som kan representere “0” og “1” samtidig. Hvordan gjør de det? Du anstrenger mitt ekspertisenivå her, men i hovedsak benytter qubits seg av det kvantemekaniske fenomenet kjent som “superposisjon”, der egenskapene til noen subatomære partikler ikke blir definert før de er målt. Tenk på Schrödingers katt, samtidig død og levende til du åpner boksen.
En enkelt qubit er søtt, men ting blir veldig spennende når du begynner å legge til flere. Klassisk datakraft øker lineært med tillegg av hver transistor, men en kvantedatamaskins kraft øker eksponentielt med tillegg av hver ny pålitelig qubit. Det er på grunn av en annen kvantemekanisk egenskap kalt “entanglement”, der de individuelle sannsynlighetene for hver qubit kan påvirkes av de andre qubitene i systemet.
Alt dette betyr at den øvre grensen for en brukbar kvantedatamaskins kraft langt overstiger det som ville vært mulig i klassisk databehandling.
Så kvantedatamaskiner kunne teoretisk løse problemer som en klassisk datamaskin, uansett hvor kraftig, aldri kunne. Hva slags problemer? Hva med den grunnleggende naturen til den materielle virkeligheten, som tross alt til syvende og sist går på kvantemekanikk, ikke klassisk mekanikk? (Beklager, Newton.) “Kvantedatamaskiner simulerer problemer som vi finner i naturen og i kjemien,” sa Jay Gambetta, IBMs visepresident for kvanteberegning.
Kvantedatamaskiner kan simulere egenskapene til et teoretisk batteri for å hjelpe til med å designe et som er langt mer effektivt og kraftigere enn dagens versjoner. De kan løse komplekse logistiske problemer, oppdage optimale leveringsruter eller forbedre prognoser for klimavitenskap.
På sikkerhetssiden kan kvantedatamaskiner bryte kryptografimetoder, og potensielt gjøre alt fra e-post til økonomiske data til nasjonale hemmeligheter usikkert – og det er grunnen til at kappløpet om kvanteoverherredømme også er en internasjonal konkurranse, en som Kinesiske myndigheter strømmer inn milliarder. Disse bekymringene bidro til at Det hvite hus tidligere denne måneden gjorde det utgi et nytt notat å bygge nasjonalt lederskap innen kvantedatabehandling og forberede landet for kvanteassisterte cybersikkerhetstrusler.
Utover sikkerhetsproblemene kan de potensielle økonomiske fordelene være betydelige. Selskaper tilbyr allerede tidlige kvantedatatjenester via skyen for kunder som Exxon Mobil og Spansk bank BBVA. Mens det globale kvantedatamarkedet var verdt mindre enn 500 millioner dollar i 2020, var International Data Corporation prosjekter at den vil nå 8,6 milliarder dollar i omsetning innen 2027, med mer enn 16 milliarder dollar i investeringer.
Men ingenting av det vil være mulig med mindre forskere kan gjøre det harde ingeniørarbeidet med å gjøre en kvantedatamaskin fra det som fortsatt stort sett er et vitenskapelig eksperiment til en pålitelig industri.
Kjølerommet
Inne i Watson-bygningen åpnet Jerry Chow – som leder IBMs eksperimentelle kvantedatasenter – en 9 fots glasskube for å vise meg noe som så ut som en lysekrone laget av gull: IBMs Quantum System One. Mye av lysekronen er i hovedsak et høyteknologisk kjøleskap, med spoler som bærer supervæsker som er i stand til å kjøle ned maskinvaren til 100-dels grad Celsius over absolutt null – kaldere, fortalte Chow meg, enn verdensrommet.
Kjøling er nøkkelen til å få IBMs kvantedatamaskiner til å fungere, og det viser også hvorfor det er en slik teknisk utfordring. Mens kvantedatamaskiner potensielt er langt kraftigere enn sine klassiske kolleger, er de også langt, langt mer kresne.
Husker du hva jeg sa om kvanteegenskapene til superposisjon og sammenfiltring? Mens qubits kan gjøre ting som man aldri kan drømme om, kan den minste variasjon i temperatur eller støy eller stråling føre til at de mister disse egenskapene gjennom noe som kalles dekoherens.
Den fancy kjølingen er utformet for å forhindre at systemets qubits dekoherer før datamaskinen har fullført sine beregninger. De aller tidligste superledende qubitene mistet koherens på mindre enn et nanosekund, mens IBMs mest avanserte kvantedatamaskiner i dag kan opprettholde koherens i så mange som 400 mikrosekunder. (Hvert sekund inneholder 1 million mikrosekunder.)
Utfordringen IBM og andre selskaper står overfor er å konstruere kvantedatamaskiner som er mindre utsatt for feil mens de «skalerer systemene utover tusenvis eller titusenvis av qubits til kanskje millioner av dem,» sa Chow.
Det kan være år av. I fjor introduserte IBM Eagle, en 127-qubit-prosessor, og i sitt nye tekniske veikart har man som mål å avduke en 433-qubit-prosessor kalt Osprey senere i år, og en 4000-pluss qubit-datamaskin innen 2025. Innen den tid , kan kvantedatabehandling gå utover eksperimenteringsfasen, sier IBM-sjef Arvind Krishna fortalte journalister på en pressebegivenhet tidligere denne måneden.
Mange eksperter er skeptiske til at IBM eller noen av konkurrentene noen gang vil komme dit, noe som øker muligheten for at de tekniske problemene som presenteres av kvantedatamaskiner ganske enkelt er for hardt for at systemene noensinne skal være virkelig pålitelige. “Det som har skjedd det siste tiåret er at det har vært et enormt antall påstander om de mer umiddelbare tingene du kan gjøre med en kvantedatamaskin, som å løse alle disse maskinlæringsproblemene,” Scott Aaronson, en kvantedatabehandlingsekspert ved University of Texas, fortalte meg i fjor. “Men disse påstandene er omtrent 90 prosent tull.” For å oppfylle det løftet, “kommer du til å trenge litt revolusjonerende utvikling.”
I en stadig mer digital verden vil videre fremgang avhenge av vår evne til å få stadig mer ut av datamaskinene vi lager. Og det vil avhenge av arbeidet til forskere som Chow og hans kolleger, som sliter i vindusløse laboratorier for å oppnå en revolusjonerende ny utvikling rundt noen av de vanskeligste problemene innen datateknikk – og underveis prøver å bygge fremtiden.
En versjon av denne historien ble opprinnelig publisert i Future Perfect-nyhetsbrevet. Registrer deg her for å abonnere!