Kvanttilaskennan ja tekoälyn tehokas yhdistelmä voi tuoda arvokkaita hyötyjä esimerkiksi materiaalien tutkimukseen ja monimutkaisiin simulaatioihin. Kvanttitekoälyn tiellä on kuitenkin merkittäviä esteitä. VTT:n tutkijat ovat tunnistaneet useita läpimurtoalueita, joiden kautta esteet voidaan ylittää.
Lue tiivistelmä
- Kvanttilaskenta voi merkittävästi parantaa tekoälyn suorituskykyä luonnon simuloinnissa, optimointiongelmien ratkaisemisessa ja kvantti-ilmiöitä hyödyntävissä malleissa.
- Keskeisin kehityskohde on kvanttitietokoneiden ja supertietokoneiden tiedonsiirto, johon liittyvissä laitteistoratkaisuissa Suomi voi hyötyä erityisesti suprajohtavista kvanttikoneista.
- Jatkokehitys vaatii laitteistokomponenttien, ohjelmistoarkkitehtuurin ja hybridilaskentajärjestelmien optimointia, jotta kvanttilaskennan koko potentiaali voidaan hyödyntää tekoälyssä.
Tiivistelmä on tekoälyn tekemä ja ihmisen tarkistama.
VTT:n tutkijat Pekka Pursula, Ahmad Farooq, Anssi Laukkanen ja Piia Konstari esittelevät kvanttitekoälyä IEEE Nanotechnology -tiedejulkaisun vertaisarvioidussa artikkelissa. He käyvät läpi kvanttitietokoneiden etuja tekoälyn sovelluksissa, meneillään olevaa kehitystyötä ja visioivat mitä vielä tarvittaisiin, jotta saadaan aikaiseksi tehokkaampi kvanttitekoäly niin laitteiston kuin ohjelmistojen osalta.
”On kiistatonta, että tekoäly hyötyy kvanttilaskennasta suuresti, kunhan tekniikasta tulee sitä varten tarpeeksi kypsää. Kvanttilaskenta puolestaan hyötyy jo tällä hetkellä tekoälystä monin tavoin”, tutkijat sanovat.
He toteavat, että toistaiseksi tekoäly jyrää liiketoimintajohtajien agendalla. Myös kvanttilaskenta on kuuma aihe, mutta toistaiseksi vain pienemmissä piireissä. Kvanttilaskennan taloudellisen arvon ennustetaan yltävän jopa kahteen biljoonaan Yhdysvaltain dollariin vuoteen 2035 mennessä.
Tiedonsiirtoa täytyy tehostaa tuntuvasti
Käytännössä kvanttitietokoneet eivät yksin toimi tekoälyn laskentatarpeissa myöskään tulevaisuudessa. Siksi tutkijat lähtevät siitä, että tekoälyn sovelluksissa pitää nyt ja tulevaisuudessa käyttää hybridilaskentaa eli kvanttilaskennan ja klassisen, supertietokoneilla suoritettavan suurteholaskennan yhdistelmää.
Tehokkuuden tiellä on kuitenkin merkittäviä hidasteita, josta keskeisimmät liittyvät tiedonsiirtoon itse kvanttitietokoneen ja supertietokoneen välillä. Näiden pullonkaulojen avaaminen on edellytys sille, että hybridilaskenta yltää tekoälyn vaatimiin mittoihin.
”Uusia laitteistoratkaisuja tarvitaan tehokkaamman kvanttitekoälyn kehittämiseen, erityisesti kvanttitietokoneiden skaalautuessa suurempiin kubittimääriin”, tutkijat toteavat.
Artikkelissa kuvataan, kuinka itse kvanttitietokoneiden murheenkryyninä on laskentayksiköinä toimivien kubittien häiriöalttius, joka heikentää luotettavuutta ja vaatii paljon virheenkorjausta. Myös kvanttitietokoneen sisäinen johdotus ja jäähdytys sekä ohjausjärjestelmät vaativat läpimurtoja laitteistoon ja ohjelmistoihin.
Kvanttietuja simulointiin, eri alojen optimointiin ja koneoppimiseen
Kvanttilaskenta toisi arvokkaita etuja useilla tekoälyn sovellusalueilla. Tutkijat kuvailevat etenkin luonnon simulointia, optimointiongelmia, kvanttikoneoppimista ja kvantti-ilmiötä hyödyntäviä uusia tekoälymalleja.
Kvanttitekoäly voisi nopeuttaa esimerkiksi kemian ja materiaalitieteen simulointien kautta tapahtuvia löytöjä ylittämällä nykyiset laskennalliset rajat. Se voisi myös auttaa ratkaisemaan monimutkaisia optimointiongelmia logistiikassa, toimitusketjuissa ja rahoituksessa.
Laitteistojen kehityskohteista tutkijat käyvät läpi erityisesti Suomen vahvaa aluetta eli suprajohtavia kvanttitietokoneita. Kvanttitietokoneiden kilpailevista tekniikoista juuri niitä pidetään kypsimpänä. Äärimmäiseen kylmyyteen perustuvat suprajohtavat kvanttikoneet osoittivat jo 2019 pystyvänsä niin sanottuun kvanttiylivaltaan, eli ne pystyvät päihittämään supertietokoneet joissakin tehtävissä.
Jatkokehityksessä vielä paljon tekemistä
Tehokas kvanttitekoäly vaatii myös kvanttitietokoneen ohjelmistopinon optimointia sekä laskentataakan parempaa jakamista suurteholaskennan ja kvanttijärjestelmän kesken. Tutkijat toteavat, että kvantti- ja supertietokoneen laskentamenetelmiä yhdistävät hybridialgoritmit täytyy integroida entistä tiiviimmin perinteisiin suurteholaskennan resursseihin.
Tehokkaamman kvanttitekoälyn kehittämiseen he suosittelevat suprajohtaviin komponentteihin perustuvia laiteratkaisuja, kuten kubittien optista ohjausta, kryogeenista ohjauselektroniikkaa ja kiinteän olomuodon jäähdytystä.
Tutkijoiden mukaan laitteistojen laskennallisten etujen saaminen vaatii ohjelmisto- ja laiteratkaisujen yhteisoptimointia. Siksi kehitystyötä vaativat paitsi kubittiteknologia myös muut laitteistokomponentit, ohjelmistoarkkitehtuuri ja hybridilaskentajärjestelmät.
