یکی از مدیران ارشد گوگل که بر روی کامپیوترهای کوانتومی کار می‌کند، اعلام کرده است که معتقد است این فناوری تنها پنج سال با اجرای برنامه‌های کاربردی عملی که رایانه‌های مدرن قادر به محاسبه آن‌ها نیستند، فاصله دارد.
جولیان کلی، مدیر سخت‌افزار هوش مصنوعی کوانتومی گوگل، در مصاحبه با دیدر بوسا از شبکه CNBC گفت که یک رایانه کوانتومی ممکن است بتواند فیزیک پیشرفته را انجام دهد و به طور بالقوه انواع جدیدی از داده‌ها را تولید کند.
کلی در مصاحبه‌ای که روز سه‌شنبه پخش شد، گفت: “ما فکر می‌کنیم حدود پنج سال با یک پیشرفت واقعی، نوعی کاربرد عملی که فقط می‌توانید آن را با یک رایانه کوانتومی حل کنید، فاصله داریم.”
فناوری کوانتوم پس از آنکه گوگل در ماه دسامبر از یک پیشرفت در زمینه تصحیح خطا خبر داد که به گفته این شرکت، مسیری را به سوی رایانه‌های کوانتومی کاربردی نشان می‌دهد، توجه بیشتری را به خود جلب کرده است.
در همین حال، مایکروسافت در ماه فوریه از یک تراشه محاسبات کوانتومی جدید به نام Majorana رونمایی کرد. ساتیا نادلا، مدیرعامل این شرکت، گفت که آن‌ها مجبور شدند برای کارکرد این تراشه، “حالت کاملاً جدیدی از ماده” ایجاد کنند.
پیشرفته‌ترین کامپیوترهای کوانتومی گوگل دارای 105 کیوبیت، یا همان واحد اصلی سازنده یک رایانه کوانتومی است، در حالی که کارشناسان می‌گویند برای کاربردهای مفید به 1 میلیون یا بیشتر کیوبیت نیاز است.
کامپیوترهای کوانتومی از دهه 1980 رویای فیزیکدانان و دانشمندان بوده‌اند. در حالی که رایانه‌های سنتی بر اساس پردازنده‌های مرکزی یا پردازنده‌های گرافیکی با بیت‌هایی که 0 یا 1 هستند، کار می‌کنند، کیوبیت‌های کوانتومی بر اساس احتمال روشن یا خاموش می‌شوند.
کلی گفت: “رایانه‌های کوانتومی به زبان مکانیک کوانتومی صحبت می‌کنند – آن‌ها می‌توانند به نحوه عملکرد جهان در اساسی‌ترین سطح دسترسی پیدا کنند.”
کلی گفت که اولین کاربردهای این فناوری احتمالاً شامل استفاده از این سیستم برای شبیه‌سازی فیزیک پیشرفته خواهد بود. او افزود: “این شامل حوزه‌هایی می‌شود که در آن سیستمی وجود دارد که به نوعی خارج از دسترس رایانه‌های کلاسیک برای انجام آن است.”
رایانه‌های کوانتومی همچنین ممکن است بتوانند داده‌هایی را تولید کنند که برای آموزش هوش مصنوعی استفاده می‌شوند، اگرچه کلی این کاربرد را “گمانه‌زنی” خواند. او گفت که مدل‌های فعلی هوش مصنوعی اساساً قادر به کار بر روی رایانه‌های کوانتومی نخواهند بود.
کلی گفت: “یکی از کاربردهای بالقوه‌ای که می‌توانید برای یک رایانه کوانتومی تصور کنید، تولید داده‌های جدید و بدیع است.”
زمینه محاسبات کوانتومی در ماه‌های اخیر از توجه به تراشه‌های هوش مصنوعی ساخته شده توسط انویدیا نیز بهره‌مند شده است، زیرا سرمایه‌گذاران به دنبال نوع دیگری از پردازنده نسل بعدی هستند که می‌تواند رونق مشابهی را مانند پردازنده‌های گرافیکی در موج اخیر سرمایه‌گذاری در هوش مصنوعی ایجاد کند.
انویدیا پردازنده‌های کوانتومی تولید نمی‌کند، اما این شرکت هفته گذشته رویداد “روز کوانتوم” را برگزار کرد که در آن نمایندگانی از 12 شرکت پیشرو در زمینه کوانتوم، آمازون و مایکروسافت در مورد پتانسیل این فناوری صحبت کردند.
اجلاس این سازنده تراشه پس از آن برگزار شد که جنسن هوانگ، مدیرعامل انویدیا، در ژانویه نسبت به ورود رایانه‌های کوانتومی مفید به بازار در 15 سال آینده ابراز تردید کرد. این اظهارات باعث کاهش قیمت سهام چندین شرکت سهامی عام کوانتومی شد.
هوانگ هفته گذشته از اظهارات ژانویه خود عقب‌نشینی کرد و گفت که آن‌ها “اشتباه” بوده‌اند، اما همچنان نشان داد که فکر می‌کند این فناوری راه طولانی در پیش دارد.
هوانگ هفته گذشته گفت: “مطمئناً، محاسبات کوانتومی پتانسیل و تمام امیدهای ما را دارد که تأثیر فوق‌العاده‌ای بگذارد. اما این فناوری به طرز دیوانه‌واری پیچیده است.”
اظهارات جولیان کلی در حالی مطرح می‌شود که رقابت در عرصه توسعه رایانه‌های کوانتومی به شدت در حال افزایش است. علاوه بر گوگل و مایکروسافت، شرکت‌های دیگری مانند IBM، Intel، و همچنین استارت‌آپ‌های متعددی در این زمینه فعال هستند و هر کدام با رویکردها و فناوری‌های متفاوتی در تلاش برای ساخت رایانه‌های کوانتومی قدرتمند و کاربردی هستند.
چالش‌های فنی پیش روی این حوزه همچنان قابل توجه است و ساخت رایانه‌هایی با تعداد کیوبیت بالا و نرخ خطای پایین نیازمند نوآوری‌های بنیادین در علم مواد، مهندسی و کنترل سیستم‌ها است. با این حال، پیشرفت‌های اخیر در زمینه تصحیح خطا و توسعه سخت‌افزارهای جدید، امیدواری‌ها را نسبت به تحقق وعده‌های این فناوری در آینده نزدیک افزایش داده است. کاربردهای بالقوه رایانه‌های کوانتومی بسیار گسترده است و می‌تواند تحولات عظیمی در زمینه‌هایی مانند داروسازی، علوم مواد، هوش مصنوعی، رمزنگاری و بهینه‌سازی مسائل پیچیده ایجاد کند.
