Esimerkki lyhyestä kvanttialgoritmista, jonka leveys on viisi kubittia ja pituus 17 peräkkäistä kvanttiporttikerrosta. Kvanttiportit voivat kohdistua joko yhteen kubittiin esimerkiksi H-portti tai kahteen kubittiin esimerkiksi CNOT-portti, joka koostuu kontrollikubitista (musta täytetty ympyrä) ja kohdekubitista (avoin ristiympyrä).
Vuosi 2025 on kansainvälinen kvanttitieteiden ja -teknologian juhlavuosi. Suomessa on juhlittu toiminnan kautta. Maaliskuussa avattiin käyttöön VTT:n ja IQM:n yhteistyössä rakentama suomalainen 50 kvanttibitin kvanttitietokone. Huhtikuussa julkistettiin Suomen kvanttiteknologiastrategia vuoteen 2035. Toukokuussa uutisoitiin suunnitelmasta laajentaa suomalainen kvanttitietokone 300 kvanttibittiin vuoteen 2027 mennessä.
Voiko 2030-luvulla ostaa itselleen henkilökohtaisen kvanttitietokoneen? Tai lisätäänkö tulevaisuudessa tavallisiin tietokoneisiin kvanttiprosessoreita? Mitä luultavimmin vastaus on ei. Kvanttitietokoneita on enemmänkin verrattava suurtehotietokoneisiin, esimerkkinä supertietokone LUMI Kajaanissa, tai pilvipalvelujen datakeskuksiin. Näiden tarjoamaa laskentatehoa hyödynnetään etänä tarvittaessa ja erityisesti vaativiin laskentakäyttökohteisiin.
Oulun yliopiston ja Jyväskylän yliopiston yhteishankkeessa, jota rahoittaa Business Finland, olemme tutkineet monitieteisesti kvanttiohjelmistoja, -algoritmeja ja -laskentakohteita yhteistyössä yhdeksän suomalaisen yrityksen kanssa. Kvanttitietokoneissa huomio helposti kiinnittyy kvanttibittien eli kubittien lukumäärään tai teknologiavalintoihin. Onko kubitit rakennettu suprajohtavista sähköpiireistä, ioneista tai fotoneista? Kuinka kohinattomia ja virheettömiä kubitit ja kvanttiportit eli kvanttitietokoneen logiikkaportit ovat? Yhtä tärkeää on kuitenkin kvanttitietokoneiden ohjelmistot, algoritmit, käyttökohteet ja kvanttitietokoneiden tehokas yhteispeli tavallisten tietokoneiden kanssa. Kvanttitietokoneen kontrollointi, mittaukset ja kvanttiohjelmoinnin toteutus tarvitsee paljon tavallisen tietokoneen ohjaavaa laskentatehoa.
Kun kvanttilaitteistot ovat kehittyneet tarpeeksi pitkälle, on helppo ennustaa, että kvanttiohjelmistojen liiketoiminnallinen soveltaminen alkaa kehittyä voimakkaasti. Koska soveltaminen on ylempänä arvoketjussa, saattaa se lopulta kasvaa tuottavammaksi kuin kvanttilaitealustoja tekevä teollisuus. Tähän hetkeen on vielä aikaa. Hankkeemme lopputulosten tärkeä viesti on, että yritysten, yliopistojen ja tutkimuslaitosten olisi hyvä alkaa investoida kvanttiohjelmisto- ja algoritmialaan ennakoivasti jo nyt.
Kubitit ja kvanttiportit
Kvanttibiteissä eli kubiteissa ja kvanttiporteissa tapahtuva virheet johtuvat pohjimmiltaan materiaalien, kontrollielektroniikan ja kvanttibittien toiminnallisista virheistä. Kvanttitietokoneet pyritäänkin eristämään ympäristöstään mahdollisimman hyvin ja ne toimivat hyvin matalissa lämpötiloissa muun muassa virheiden vähentämisen takia. Kylmäteknologiassa Suomessa on vahvaa osaamista ja liiketoimintaa. Kvanttilaskenta on olemukseltaan analogista, ei digitaalista, mikä aiheuttaa kvanttiporteille hyvin tiukat tarkkuusvaatimukset. Kvanttiporttien virheitä voidaan vähentää paremmalla laitesuunnittelulla ja materiaalien kehittämisellä. Kvanttiporteissa tapahtuvat virheet rajoittavat kvanttialgoritmien pituutta ja leveyttä. Pituudella tarkoitetaan kvanttiporttien lukumäärä ja leveydellä tarkoitetaan yhtäaikaisesti hyödynnettävissä olevaa kubittilukumäärä, samankaltaisesti kuin tavallisten tietokoneiden 64-bittiset järjestelmät. Kubittien ja porttien virheet voivat rajoittaa algoritmin pituuden esimerkiksi 100 kvanttiporttiin ja leveyden 10 kubittiin, vaikka kvanttiprosessorissa olisikin nimellisesti käytettävissä 50 kubittia. Mitä näillä resursseilla voi saada parhaimmillaan aikaan?
Tavallisten tietokoneiden ja kvanttitietokoneiden hybridialgoritmit
Nykyisissä kohinaisissa keskikokoisissa kvanttitietokoneissa paras strategia on hyödyntää samanaikaisesti tavallisten tietokoneiden laskentatehoa. Tämä tarkoittaa, että kvanttitietokone ja tavallinen tietokone toimivat rinnakkain. Kvanttitietokone suorittaa osan laskutoimituksista ja tavallinen tietokone osan. Nämä hybriditoteutukset ja niiden algoritmit itse asiassa muistuttavat toimintaperiaatteeltaan tekoälyn taustalla olevia neuroverkkoja ja niiden opettamista. Kvanttilaskennan hybridialgoritmeissa neuroverkko on korvattu lyhyehköllä kvanttialgoritmilla, jonka parametreja muuttamalla tavallinen tietokone yrittää opettaa kvanttialgoritmin toimimaan mahdollisimman parhaalla tavalla. Tällä tavalla voidaan ratkaista jo pienten molekyylien, esimerkiksi vetymolekyylien, ominaisuuksia. Kvanttivirheiden vähentyessä algoritmien pituutta ja leveyttä voidaan lisätä, jolloin päästän käsiksi isompien molekyylien ominaisuuksien laskentaan.
Kvanttimekaniikka ja siten kvanttialgoritmikin pohjautuvat todennäköisyyksiin. Kvanttialgoritmit toistetaan hyvin monta kertaa, jotta lopputuloksista saadaan luotettavasti rakennettua todennäköisyysjakauma, josta päätellään sitten algoritmin todellinen lopputulos.
Kvanttivirheiden vaikutusta algoritmeihin voidaan myös lieventää klassisten tietokoneiden laskentatehon järkevällä käytöllä. Virheenlievennyksessä perusideana on muokata haluttua kvanttialgoritmia hieman ja näiden testien avulla oppia kvanttivirheiden laatu, määrä ja vaikutus kvanttialgoritmiin. Näiden perusteella voidaan sitten tavallisella tietokoneella laskea, millainen olisi kvanttialgoritmin tulos ilman virheitä. Virheenlievennyksessä ei siis poisteta virheitä vaan lasketaan ennustus siitä, mikä olisi algoritmin tulos ilman virheitä. Tämä on kuin keskustelisi meluisassa ympäristössä. Se vaatii keskittymistä, mutta onnistuu, jos melu ei ole liian voimakasta.
Optimointi kvanttilaskennan käyttökohteena
Hankkeessamme yhtenä pääosana oli testata optimointiongelmien käytännön kvanttilaskentatoteutusta, -algoritmeja ja -ohjelmistoja. Optimointiongelmat ovat tärkeässä roolissa esimerkiksi logistiikassa, finanssimalleissa ja teollisuusprosesseissa. Optimointiongelmien lisäksi erilaiset mallinnustehtävät tulevat olemaan ensimmäisiä kvanttilaskennan sovellusalueita: lääkekehitys, materiaalit, kemialliset prosessit, kvanttikemia. Yhteistänäille kaikille sovellusalueille on, että ensin muodostetaan ns. energiafunktio ja käytetään kvanttitietokonetta löytämään funktion minimikohta.
Kriittistä koko kvanttilaskennalle on näkymät kaupallisesti kannattavista teollisuuden tuotantotapauksista ja lopulta edun saavuttaminen parhaimpiin tavallisiin tietokoneisiin verrattuna, ns. kvanttietu. Etu voi tarkoittaa tarkempaa tai nopeampaa laskentaongelman ratkaisua. Joissain tapauksissa etu voi tarkoittaa sitä, että kyseistä laskentaongelmaa ei voida ratkaista ollenkaan tavallisilla tietokoneilla. Optimointiongelmat ovat hyviä esimerkkitapauksia sillä niissä pienikin tarkkuus- tai nopeusparannus suhteessa olemassa oleviin ratkaisuihin voi merkitä kaupallista etua esimerkiksi teollisuusprosessissa tai finanssimallissa. Yksi mielenkiintoinen seuraus kvanttialgoritmien tutkimuksesta ja kehittymisestä on ollut tavallisten tietokoneiden laskenta-algoritmien parantuminen kilpailun lisääntyessä.
Optimointiongelman testitapauksessa opimme, että tärkeitä vaiheita kvanttilaskennan käytännön toteutuksessa ovat laskentaongelman siirtäminen ja muokkaaminen kvanttilaskentaan soveltuvaksi, hybridialgoritmin valinta ja siihen liittyvät monet tekniset ratkaisut, sekä laskentamallin ja algoritmin ja ohjelmoinnin sovittaminen kulloisenkin kvanttitietokoneen prosessorin ominaisuuksien mukaan. Näiden asioiden huolellisella tarkastelulla saimme parannettua kvanttialgoritmin tuottamaa ratkaisua huomattavasti, toki selkeästi vielä jäimme tavallisen tietokoneen kehittyneiden algoritmien taakse sen takia, että kvanttialgoritmin pituus ja leveys ei ollut riittävä. Harjoituksen pohjalta voimme sanoa, että kvanttilaskennan hyödyntämisestä kiinnostuneen yrityksen ihanteellinen työryhmä koostuisi henkilöistä, joilla olisi (a) tarvittavaa matemaattista tietoa laskentaongelmien teknisestä luonteesta, (b) kvanttifysiikan osaamista hybridialgoritmien kehittämiseen sekä (c) kvantti- ja suurteholaskennan ohjelmistoja osaava henkilö. Kvanttistrategian innoittamana monet korkeakoulut ovat kehittämässä koulutustaan ja tulevat tarjoamaan kurssejaan ja tietotaitoaan yritysten henkilöstön täydennyskoulutukseen.
Kvanttilaitteistot ja -ohjelmisto kehittyvät nopeasti
Kvanttilaitteistojen ja -ohjelmistojen kehitys on tällä hetkellä nopeaa ja globaalisti kilpailtua. Suomalainen VTT:n ja IQM:n kvanttitietokone pohjautuu suprajohtavaan sähköpiiriteknologiaan, mutta vahvaksi kilpailijaksi on noussut muun muassa atomeihin ja ioneihin pohjautuvia teknologioita. Kilpailu edistää alan kehittymistä. Laitteistojen kehitys heijastuu vahvasti myös kvanttiohjelmointikieliin ja -ohjelmistoihin. Yleisesti ottaen kvanttitietokoneala on nuori ja standardisoitumaton. Ensimmäisenä standardeja kaivattaisiin kvanttilaitteistojen ominaisuuksien mittaamiseen ja eri teknologioiden vertailun helpottamiseen.
Kvanttiohjelmointi muistuttaa joiltain osin tavallisten tietokoneiden alkuaikoja. Prosessoreissa on virheitä ja ne ovat resursseiltaan rajallisia. Algoritmit pitää tarvittaessa manuaalisesti sovittaa kulloiseenkin prosessorityyppiin ja jopa niiden eri versioihin. Toisaalta kvanttiohjelmointi hyödyntää tehokkaasti moderneja ohjelmistoympäristöjä, kehittyneitä kirjastoja sekä pilvipalveluja. Jännittävä sekoitus uutta ja vanhaa.
Kansallisessa kvanttistrategiassa päätavoitteena on kasvava, osaava, luotettava ja kilpailukykyinen Kvantti-Suomi. Päästäksemme tähän tavoitteeseen ohjelmistojen ja algoritmien näkökulmasta kannustan ottamaan aivan käytännöllisiä ensiaskelia: Millainen on sinun Hello World -ohjelmasi kvanttitietokoneelle? •
Kvanttiteknologian standardointityö liikkeellä
Suomalaisia asiantuntijoita tieteen ja liike-elämän puolelta on mukana kvanttiteknologioiden standardoinnissa. Panostus tulevien standardien sisältöihin vaikuttaa kannattavalta juuri nyt, kun eri teknologioita koskevia standardeja aletaan muotoilla. Ioniteknologioita ja tietoturvaa koskevia julkaisuja on jo tekeillä, Suomen kannalta tärkeitä teknologioita kannattaa myös pitää esillä ja kommentoida kun standardointityö etenee Euroopassa ja maailmalla. Eurooppalaiseen CEN/CENELEC JTC 22 työhön pääsee osallistumaan SFS:n SR 313 Uudet IT-alueet kautta ja IEC/ISO JTC 3 työhön Seskon kautta.
CEN/CENELEC JTC22 työ jakautuu neljään työryhmään: Strateginen neuvoa-antava ryhmä, Kvanttimetrologia, sensorointi ja parannettu kuvantaminen sekä kvanttiteknologiat, Kvanttilaskenta ja -simulointi ja Kvanttikommunikaatio ja kvanttikryptografia.
EU tukee eri rahoitusvälineillä kvanttiteknologioiden kehittämistä, EU:n ja sen jäsenmaiden kilpailuaseman parantamista, tulevaisuuden digitaalisen maailman valloitusta. Osa-alueita ovat kvanttisalaus ja -viestintä sekä alan standardointi.
Matti Silveri, Apulaisprofessori, kvanttilaskenta ja -laitteet, Oulun yliopisto