باشگاه خبرنگاران جوان - بزرگترین شرکت‌های دنیا در تلاش برای راه اندازی برنامه‌های سازگار با رایانه‌های کوانتومی هستند و دولت‌ها نیز بودجه زیادی را صرف تحقیق در حوزه رایانه‌های کوانتومی می‌کنند. در این میان مرور برخی از فواید استفاده از رایانه‌های کوانتومی خالی از لطف نیست.

باید توجه داشت رایانه‌های کوانتومی قادر به انجام سریع محاسبات و پردازش‌هایی هستند که رایانه‌های فعلی برای تکمیل آن‌ها به گذر سال‌ها و حتی قرن‌ها نیاز دارند. پیامد‌های رایانه‌های کوانتومی برای کسب‌وکار‌ها به طور بالقوه بسیار زیاد است و از شبیه‌سازی مواد جدید و کارآمدتر گرفته تا پیش‌بینی چگونگی تغییر بازار سهام با دقت بیشتررا در بر می‌گیرد. در اینجا برخی از این پیامد‌ها را بیان می‌کنیم که سازمان‌های پیشرو در حال تحقیق در مورد آن‌ها هستند و بلوغ آن‌ها می‌تواند آینده را در بسیاری از صنایع جهان تغییر دهد.

کشف دارو‌های جدید

کشف دارو‌های جدید تا حدی به حوزه‌ای از علم به نام شبیه‌سازی مولکولی وابسته است که شامل مدل‌سازی روشی است که نشان دهنده برهم کنش ذرات درون یک مولکول برای مبارزه با یک بیماری خاص است. این فعل و انفعالات فوق العاده پیچیده هستند و می‌توانند اشکال مختلفی به خود بگیرند؛ لذا پیش بینی دقیق نحوه رفتار یک مولکول بر اساس ساختار آن مستلزم محاسبات زیادی است. انجام این کار به صورت دستی غیرممکن و برای رایانه‌های کلاسیک امروزی بسیار دشوار است. در واقع، مدل سازی یک مولکول با تنها ۷۰ اتم، توسط یک کامپیوتر کلاسیک تا ۱۳ میلیارد سال طول می‌کشد. به همین دلیل است که کشف دارو‌های جدید بسیار طول می‌کشد. دانشمندان برای این کار عمدتاً یک رویکرد مبتنی بر آزمون و خطا را اتخاذ می‌کنند که در آن هزاران مولکول را در برابر بیماری هدف آزمایش می‌کنند به این امید که در نهایت یک تطابق موفق پیدا شود.

با این حال، رایانه‌های کوانتومی این قابلیت را دارند که روزی مشکل شبیه سازی مولکولی را در عرض چند دقیقه حل کنند. این سیستم‌ها به گونه‌ای طراحی شده‌اند که بتوانند محاسبات زیادی را به طور همزمان انجام دهند، به این معنی که می‌توانند به طور یکپارچه، پیچیده‌ترین فعل و انفعالات بین ذرات سازنده مولکول‌ها را شبیه‌سازی کنند تا دانشمندان بتوانند به سرعت دارو‌های موفق را بسازند. این بدان معناست که دارو‌های نجات دهنده - که در حال حاضر به طور متوسط ​​۱۰ سال طول می‌کشد تا به بازار برسند - می‌توانند سریع‌تر و بسیار مقرون به صرفه‌تر طراحی شوند.

به عنوان مثال، اوایل سال جاری، غول مراقبت‌های بهداشتی Roche اعلام کرد که با شرکت کمبریج کوانتوم (CQC) همکاری می‌کند تا از تلاش‌ها در زمینه تحقیقات برای مقابله با بیماری آلزایمر حمایت کند. شرکت‌های کوچکتر نیز به این فناوری علاقه‌مند هستند. برای مثال، استارت‌آپ زیست‌شناسی مصنوعی Menten AI، با شرکت کوانتومی D-Wave همکاری کرده تا بررسی کند چگونه الگوریتم‌های کوانتومی می‌توانند به طراحی پروتئین‌های جدیدی کمک کنند که در نهایت می‌توانند به عنوان دارو‌های درمانی استفاده شوند.

تولید باتری‌های بهتر

باتری‌ها در حال حاضر از گذار به یک اقتصاد سبزتر حمایت می‌کنند و نقش آن‌ها در حال رشد است که از برق رسانی به خودرو‌ها تا ذخیره منابع به دست آمده از انرژی‌های تجدیدپذیر را شامل می‌شود. اما باتری‌ها هنوز کامل نیستند. زیرا ظرفیت آن‌ها هنوز محدود، و سرعت شارژ آن‌ها نیز ناچیز است؛ لذا باتری‌ها همیشه گزینه مناسبی نیستند. یک راه حل جستجوی مواد جدید با خواص بهتر برای ساخت باتری است. این یکی دیگر از مشکلات شبیه‌سازی مولکولی است. این بار مدل‌سازی رفتار مولکول‌هایی که می‌توانند نامزد‌های بالقوه برای استفاده در باتری‌های جدید باشند در دنیای رایانه‌های کوانتومی مورد توجه قرار گرفته است.

بنابراین، طراحی باتری هم مشابه طراحی دارو، یکی دیگر از کار‌هایی است که توسط یک رایانه کوانتومی بهتر از یک رایانه کلاسیک انجام می‌شود. به همین دلیل است که دایملر خودروساز آلمانی اکنون با آی‌بی‌ام همکاری کرده تا ارزیابی کند چگونه رایانه‌های کوانتومی می‌توانند با هدف نهایی ساخت باتری‌های لیتیوم-گوگرد به شبیه‌سازی رفتار مولکول‌های گوگرد در محیط‌های مختلف کمک کنند. باتری‌های لیتیوم- گوگرد عملکرد بهتر و و ماندگارتری دارند و ارزان‌تر از باتری‌های لیتیومی امروزی هستند.

پیش بینی آب و هوا

علیرغم توان محاسباتی بالای ابررایانه‌های پیشرفته امروزی، پیش‌بینی‌های آب‌وهوایی - به‌ویژه آن‌هایی که برای آینده دور انجام می‌شوند - هنوز می‌توانند به طرز ناامیدکننده‌ای نادرست باشند. علت آن است که متغیر‌های بی شماری برای شکل گیری یک رویداد آب و هوایی وجود دارد و رایانه‌های کلاسیک قادر به دریافت تمام داده‌های مورد نیاز برای یک پیش بینی دقیق نیستند. از سوی دیگر، همانطور که رایانه‌های کوانتومی می‌توانند تمام فعل و انفعالات ذره‌ای را که در یک مولکول اتفاق می‌افتد به طور همزمان شبیه‌سازی کنند تا رفتار آن را پیش‌بینی کنند، همچنین می‌توانند در این مورد مدل سازی کنند که چگونه عوامل محیطی بیشماری برای ایجاد یک طوفان بزرگ، یک طوفان یا یک موج گرما دست به دست هم می‌دهند؛ و از آنجایی که رایانه‌های کوانتومی می‌توانند تقریباً تمام داده‌های مورد نیاز را به طور همزمان تجزیه و تحلیل کنند، احتمالاً پیش بینی‌هایی بسیار دقیق‌تر از پیش بینی‌های فعلی آب و هوا ارائه می‌کنند.

این نه تنها برای برنامه ریزی رویداد‌های شخصی و حرفه‌ای در فضای باز خوب است، بلکه می‌تواند به دولت‌ها کمک کند تا برای مقابله با بلایای طبیعی بهتر آماده شوند و نیز تحقیقات دقیق تری در مورد تغییرات آب و هوایی انجام دهند. به عنوان مثال، سال گذشته، مرکزی موسوم به ECMWF در اروپا تحقیقاتی را با همکاری شرکت فناوری اطلاعات آتوس انجام داد که مبتنی بر استفاده از شبیه‌ساز محاسباتی کوانتومی آتوس بود. هدف بررسی این موضوع بود که چگونه محاسبات کوانتومی ممکن است بر پیش‌بینی آب و هوا در آینده تاثیر بگذارد.

انتخاب و خرید سهام

موسسات مالی و اعتباری و بانک‌هایی همچون جی پی مورگان، گلدمن ساکس و ولز فارگو همگی فعالانه در حال بررسی امکان استفاده از رایانه‌های کوانتومی برای بهبود کارایی فعالیت‌های بانکی هستند. موفقیت در این زمینه می‌تواند با دستاورد‌ها و پاداش‌های مالی بزرگ همراه باشد. این فناوری می‌تواند به شیوه‌های مختلف از فعالیت‌های بانک‌ها پشتیبانی کند، اما یکی از روش‌های نویدبخش استفاده از محاسبات کوانتومی برای پیشبرد رویه‌ای به نام شبیه‌سازی مونت کارلو است.

عملیات مونت کارلو شامل قیمت گذاری دارایی‌های مالی بر اساس چگونگی تغییر قیمت دارایی‌های مرتبط در طول زمان است و لذا باید ریسک ذاتی گزینه ها، سهام، ارز‌ها و کالا‌های مختلف در نظر گرفته شود. این رویه اساساً به پیش‌بینی چگونگی تحول بازار محدود می‌شود. دقت درک این تحول با دسترسی به مقادیر بیشتری از داده‌های مرتبط افزایش می‌یابد. بر اساس تحقیقات انجام شده توسط گلدمن ساکس و شرکت محاسبات کوانتومی QC Ware، توانایی‌های محاسباتی بی‌سابقه رایانه‌های کوانتومی می‌تواند دقت محاسبات مونت کارلو را تا ۱۰۰۰ برابر افزایش دهد. مهندسان کوانتوم گلدمن ساکس اکنون الگوریتم‌های خود را بهینه‌سازی کرده‌اند تا بتوانند شبیه‌سازی مونت کارلو را بر روی سخت‌افزار کوانتومی تازه‌ای اجرا کنند که تا پنج سال آینده در دسترس خواهد بود.

ابداع زبان پردازش

طی دهه‌های متمادی، محققان سعی کرده‌اند به رایانه‌های کلاسیک بیاموزند که چگونه هر معنی را با کلمات مرتبط کنند تا در نهایت رایانه‌ها بتوانند کل جملات را به درستی درک کرده و معنا کنند. با توجه به ماهیت زبان‌های طبیعی این یک چالش بزرگ است که یک شبکه تعاملی را شکل می‌دهند.

در زبان‌های مختلف به جای اینکه «مجموع واژه ها» معنای هر جمله باشد، یک جمله اغلب باید به عنوان یک کل و نه با معنا کردن مجزای کلمات درک و تفسیر شود. البته درک طعنه، طنز و برخی ویژگی‌های خاص هر زبان نیز کار به مراتب دشوارتری است. در نتیجه، حتی پیشرفته‌ترین الگوریتم‌های کلاسیک پردازش زبان‌های طبیعی (NLP) هنوز هم برای درک معنای جملات اصلی و ساده در هر زبان مشکل دارند.

محققان در حال بررسی این موضوع هستند که آیا رایانه‌ای کوانتومی ممکن است برای نمایش و درک هر زبان به عنوان یک شبکه مناسب‌تر باشند و برای پردازش زبان‌ها به روشی بصری‌تربه کار گرفته شوند. این مفهوم پردازش زبان طبیعی کوانتومی (QNLP) نامیده می‌شود و محل تمرکز اصلی سیستم محاسبات کوانتومی کمبریج (CQC) است. این شرکت قبلاً به صورت تجربی نشان داده که می‌توان جملات را در مدار‌های کوانتومی پارامتری بررسی و تحلیل کرد تا بتوان معانی کلمات را با توجه به ساختار دستوری جمله فهمید. یک ابزار نرم افزاری کوانتومی که بدین منظور طراحی شده CQC lambeq نام دارد.

منبع: فارس

انتهای پیام/