Kvantový počítač

Myšlenka kvantového výpočetního zařízení byla poprvé představena v roce 1981, kdy americký fyzik a nositel Nobelovy ceny Richard Feynman navrhl použití kvantově-mechanických systémů k simulaci jiných kvantových systémů. Feynman si uvědomil, že modelování kvantových jevů na klasických počítačích je mimořádně výpočetně náročné a vyžaduje exponenciálně rostoucí množství paměti a výpočetního výkonu s každou částicí přidanou do simulovaného systému. Navrhl proto vytvoření výpočetního zařízení založeného na kvantové mechanice, které by mohlo efektivně simulovat právě kvantové systémy.

Teoretické základy kvantových výpočtů dále rozpracoval britský matematik a fyzik David Deutsch, který v roce 1985 představil koncept univerzálního kvantového počítače a formuloval první kvantový algoritmus. Deutschův algoritmus dokázal, že kvantové počítače mohou provádět určité výpočty efektivněji než klasické počítače, a položil tak základy oboru kvantové informatiky.

Skutečný přelom v oblasti kvantových výpočtů nastal v roce 1994, kdy americký matematik Peter Shor publikoval svůj algoritmus pro faktorizaci velkých čísel na kvantovém počítači. Shorův algoritmus demonstroval, že kvantový počítač by mohl rozložit velká čísla na prvočísla exponenciálně rychleji než nejlepší známé klasické algoritmy. Toto zjištění mělo významné důsledky pro kryptografii, jelikož mnohé šifrovací systémy, včetně široce používaného RSA, spoléhají na výpočetní obtížnost rozkladu velkých čísel na prvočísla. Shorův algoritmus ukázal, že dostatečně výkonný kvantový počítač by mohl prolomit tyto šifrovací systémy, což vedlo k intenzivnímu výzkumu jak v oblasti kvantových výpočtů, tak v postkvantové kryptografii.

V roce 1996 vyvinul indicko-americký počítačový vědec Lov Grover kvantový algoritmus pro prohledávání neuspořádaných databází, který poskytuje kvadratické zrychlení oproti klasickým algoritmům. Ačkoliv Groverův algoritmus neposkytuje tak dramatické zrychlení jako Shorův, má mnohem širší škálu potenciálních aplikací a demonstroval další oblast, kde mohou kvantové počítače předčit ty klasické.

První kvantové počítače

První experimentální realizace jednoduchých kvantových výpočtů proběhly koncem 90. let 20. století. V roce 1998 tým vědců z Kalifornské univerzity v Berkeley a Massachusettského technologického institutu (MIT) implementoval dvouqubitové kvantové hradlo pomocí technologie jaderné magnetické rezonance (NMR). Ve stejném roce Isaac Chuang a Neil Gershenfeld demonstrovali první kvantový algoritmus na dvouqubitovém kvantovém počítači. 

Na počátku 21. století začali vědci experimentovat s různými fyzikálními systémy pro implementaci qubitů včetně zachycených iontů, supravodivých obvodů, neutrálních atomů, kvantových teček a fotonů. Každá z těchto platforem má své výhody a nevýhody z hlediska škálovatelnosti, koherenčních časů, přesnosti operací a snadnosti implementace.

Jedním z klíčových milníků v historii kvantových počítačů bylo dosažení tzv. kvantové nadřazenosti společností Google v roce 2019. Google vyvinul 53qubitový kvantový procesor Sycamore, který dokončil specifický výpočet za 200 sekund, zatímco nejrychlejšímu klasickému superpočítači na světě by stejný úkol trval přibližně 10 000 let. Ačkoliv tento konkrétní výpočet neměl praktické využití a tvrzení Googlu o kvantové nadřazenosti bylo později zpochybněno, symbolizoval tento milník důležitý pokrok v oblasti kvantových výpočtů.

Problém dekoherence

Jednou z největších výzev při budování kvantových počítačů je problém dekoherence, která nastává, když qubity interagují s okolním prostředím a ztrácejí své kvantové vlastnosti. Dekoherence vede k chybám ve výpočtech a omezuje čas, po který může kvantový počítač provádět užitečné výpočty. K řešení tohoto problému vědci vyvinuli metody kvantové korekce chyb, jež k detekci a opravě chyb způsobených dekoherencí využívají redundanci. Kvantové kódy pro opravu chyb, jako je například Shorův kód nebo kód povrchu, umožňují detekovat a opravit určité typy chyb bez narušení kvantového výpočtu.

Současné kvantové procesory mají omezený počet qubitů (řádově desítky až stovky) a vysokou míru chyb, což limituje složitost problémů, které mohou řešit. Vědci pracují na vývoji kvantových počítačů odolných proti chybám, které by využívaly kvantovou korekci chyb k překonání problému dekoherence, ale odhady naznačují, že takové systémy by mohly vyžadovat miliony fyzických qubitů k implementaci tisíců logických qubitů. 

Typy kvantových počítačů 

Současné kvantové počítače lze rozdělit do dvou hlavních kategorií: analogové a digitální. Analogové kvantové počítače, jako jsou kvantové simulátory a kvantové žíhací počítače, jsou specializovaná zařízení navržená k řešení specifických problémů. Například kvantové žíhací počítače společnosti D-Wave jsou určeny pro řešení určitých typů optimalizačních problémů. Digitální kvantové počítače, vyvíjené společnostmi jako IBM, Google, Rigetti a dalšími, se snaží implementovat univerzální kvantový výpočetní model a měly by být schopny provádět libovolný kvantový algoritmus.

Vývoj algoritmů a softwaru pro kvantové počítače ale vyžaduje zcela nový přístup k řešení problémů, který zohledňuje jedinečné vlastnosti kvantových systémů. V posledních letech proto vzniklo hned několik kvantových programovacích jazyků a vývojových prostředí, jako jsou Qiskit (IBM), Cirq (Google), Forest (Rigetti) a Q# (Microsoft), které usnadňují programování kvantových počítačů. Tyto nástroje umožňují vývojářům experimentovat s kvantovými algoritmy a připravit se na éru prakticky využitelných kvantových počítačů.

Přestože plně funkční univerzální kvantové počítače odolné proti chybám zůstávají vzdáleným cílem, očekává se, že takzvané kvantové počítače střední velikosti (NISQ – Noisy Intermediate-Scale Quantum) najdou v blízké budoucnosti praktické využití ve specifických oblastech. Tyto systémy, ačkoliv omezené počtem qubitů a zatížené chybami, mohou potenciálně řešit určité problémy rychleji než klasické počítače, zejména v oblasti kvantových simulací, optimalizace a strojového učení.

Obecně najdou kvantové počítače uplatnění v oblastech, kde klasické počítače narážejí na své limity. V kryptografii mohou kvantové počítače ohrozit současné šifrovací systémy, ale také umožnit vývoj nových, bezpečnějších protokolů založených na kvantové mechanice. V oblasti optimalizace mohou kvantové algoritmy pomoci řešit složité problémy v logistice, finančním modelování a strojovém učení. Kvantové simulace nabízejí možnost modelovat složité chemické reakce a materiály na úrovni atomů, což může urychlit vývoj nových léků či materiálů. V oblasti umělé inteligence mohou kvantové algoritmy potenciálně zrychlit učení a inference v neuronových sítích a jiných modelech strojového učení.