Shenzhenin kvanttikokous hahmotteli Kiinan uuden laskentamallin

Mitä ”quantum–supercomputing–AI” tarkoittaa?

Shenzhenissä 3.–5. elokuuta järjestetty viides CCF:n kvanttilaskentakonferenssi ja Suuren lahden alueen kvanttitiedeforumi kokosi paikalle yli 2 400 osallistujaa. Akateemisissa osuuksissa yli 200 akateemikkoa ja asiantuntijaa käsitteli kvanttilaskennan, tekoälyn ja yhdistetyn laskennan kehitystä.23

Kokouksen teema oli kiinaksi ”määrä ja äly yhdistyvät, määrä, superlaskenta ja äly lasketaan yhdessä”. Ajatus voidaan tiivistää kvanttilaskennan, superlaskennan ja tekoälyn yhteistyöksi. Se ei ole vain suunnitelma tehokkaamman kvanttitietokoneen rakentamisesta, vaan laajempi laskentainfrastruktuurin hahmotelma.

Mallissa eri laskentamuodot täydentäisivät toisiaan:

• Tekoäly auttaisi tekemään kvanttilaskennasta käyttökelpoisempaa parantamalla laitteistoja, ohjausta ja algoritmeja.
• Superlaskenta hoitaisi laajoja simulaatioita ja AI for Science -tehtäviä esimerkiksi materiaali-, fysiikan ja biotieteiden tutkimuksessa.
• Tulevaisuuden vikasietoinen kvanttitietokone toimisi uutena laskentakerroksena sellaisille erityisongelmille, joita perinteiset tietokoneet eivät pysty ratkaisemaan tehokkaasti.

Kolmen päivän ohjelmassa käsiteltiin perustutkimuksen ja avainteknologioiden lisäksi teollista soveltamista, standardeja sekä julkisen sektorin, yritysten ja pääomasijoittajien yhteistyötä. Ohjelmassa oli lähes 30 erillistä tapahtumaa.23

Tekoälyä tarvitaan kvanttilaskennan käytännön läpimurtoon

Kiinan tiedeakatemian akateemikko Xiang Tao vertasi nykyisten fyysisten kubittien noin yhden prosentin virhetasoa niiden sovellusten vaatimuksiin, joissa tarvitaan huomattavasti pienempiä virheitä, kuten kryptografian murtamiseen. Eroa on hänen mukaansa kurottava umpeen, ja tekoäly voi olla siinä keskeinen työkalu.1

Kokouksessa esitellyn näkemyksen mukaan tekoälyä voidaan hyödyntää useissa kvanttilaskennan vaiheissa:

1. Sirujen suunnittelussa ja kalibroinnissa: kokeellisesta datasta voidaan tunnistaa virheitä ja komponenttien ominaisuuksia sekä optimoida laitteiston parametreja.
2. Kvanttivirheiden korjauksessa ja dekoodauksessa: tekoäly voi tehostaa virheiden tunnistamista ja korjaamista.
3. Kvanttipiirien kääntämisessä: algoritmit voidaan sovittaa tehokkaammin todelliseen kvanttilaitteistoon.
4. Mittauksessa ja ohjauksessa: kvanttijärjestelmän reaaliaikaista toimintaa voidaan hallita tarkemmin.
5. Variaatioalgoritmien optimoinnissa: parametrien hakua voidaan nopeuttaa ja niin sanottua barren gradient -ongelmaa eli häviävän pientä gradienttia lievittää.1

Tekoäly ei siis olisi kvanttilaskennassa vain käyttöliittymä tai erillinen sovelluskerros. Se voisi muodostua kvanttisirujen, kvanttiohjelmistojen ja kokeellisten ohjausjärjestelmien perustyökaluksi, joka nopeuttaa ongelmien löytämistä, järjestelmien säätämistä ja algoritmien kehitystä.

Kiinassa puhutaan kokonaisesta laskentajärjestelmästä

Kiinan tiedeakatemian akateemikko Xue Qikun korosti, että tekoälyn, superlaskennan ja kvanttilaskennan syvä yhdistyminen muuttaa kvanttimateriaalien tutkimusta ja kvanttialgoritmien kehitystä.1

Tämä siirtää huomion yksittäisestä kvanttilaitteesta koko kansalliseen laskentajärjestelmään. Kvanttilaitteet tarvitsevat tuekseen klassista laskentaa, tekoäly tarvitsee suurteholaskentaa datan käsittelyyn ja simulaatioihin, ja tieteelliset läpimurrot syntyvät usein erilaisten laskentaresurssien yhdistelmästä.

Kiinan teknillisen akatemian akateemikko Gao Wen esitti Pengcheng-laboratorion johdolla rakennettavaa infrastruktuuria, jonka tavoitteiksi kuvattiin 10G-tason laskenta, 10P-tason verkot ja 10 gigawatin puhtaan energian kapasiteetti.1 Kokouksen yhteydessä nämä luvut kuvastavat ennen kaikkea ajatusta siitä, että laskenta, verkkoyhteydet ja energia on suunniteltava yhtenä kokonaisuutena.

”Määrä, superlaskenta ja äly” -mallin strateginen merkitys on juuri tässä. Jos laskentateho nähdään tutkimuksen, teollisuuden ja turvallisuuden perustana, kilpailu ei koske enää vain tehokkainta kvanttitietokonetta. Ratkaisevaa on kyky tarjota jatkuvasti laskentaa, dataa, energiaa, osaajia ja käyttökohteita samassa järjestelmässä.

Superlaskenta tarjoaa käytännön perustan AI for Sciencelle

Kiinan teknillisen akatemian akateemikko Zheng Weimin kuvasi nykyisiä huippuluokan supertietokoneita käytännössä valtaviksi tekoälytietokoneiksi, erityisesti tieteellisen tutkimuksen näkökulmasta. Tässä arkkitehtuurissa kvanttilaskenta voisi muodostaa seuraavan laskentakerroksen.1

Ajatus tarjoaa realistisen etenemisjärjestyksen. Kvanttilaskennan pitkän aikavälin potentiaali on suuri, mutta superlaskenta ja AI for Science pystyvät jo nyt tukemaan esimerkiksi uusien materiaalien löytämistä ja proteiinirakenteiden ennustamista.1

Tutkimuslaitosten ei näin tarvitse odottaa yleiskäyttöisen kvanttitietokoneen valmistumista ennen sovellusten kehittämistä. Klassinen suurteholaskenta ja koneoppiminen voivat hoitaa algoritmien kehitystä, kokeiden kalibrointia ja tieteellisen datan käsittelyä samalla, kun kvanttilaskennan virhetasoa, virheenkorjausta ja skaalautuvuutta kehitetään edelleen.

Materiaalien etsintä näyttää, miten yhteistyö voi toimia

Kokouksessa esitellyssä materiaalien etsintämenetelmässä kvanttimekaniikan monikappaleteoriasta peräisin oleva sigma-sidosten metallisoitumisen periaate yhdistettiin tekoälypohjaiseen seulontaan. Yli kahden miljoonan materiaalin tietokannasta löydettiin 31 korkean lämpötilan suprajohde-ehdokasta, joista 18:tä ei ollut aiemmin ennustettu.1

Esimerkki ei tarkoita, että tekoäly korvaisi fysiikan. Fysiikan teoria määrittää, mihin suuntaan seulonta kannattaa tehdä, tekoäly etsii valtavasta ehdokasjoukosta sopivia materiaaleja ja superlaskenta vastaa datan käsittelyn sekä tulosten varmistamisen vaatimasta laskennasta.

Kiinan tiedeakatemian akateemikko Gong Xinguo esitti lisäksi, että tekoäly voisi vastaanottaa tutkimusongelman luonnollisella kielellä ja kutsua käyttöön sopivia ”taitoja”. Tämä voisi vähentää materiaalien laskennan, suunnittelun ja synteesin riippuvuutta pienestä joukosta laskenta-asiantuntijoita.1

Jos malli kypsyy, materiaalitutkimuksen lähtökohta voisi siirtyä monimutkaisten laskentaputkien ohjelmoinnista ongelmien muotoiluun, työkalujen yhdistämiseen ja tulosten kriittiseen arviointiin.

Vertailukohtana Yhdysvaltain Quantum Genesis

Gao Wen vertasi Kiinan kokonaisvaltaista lähestymistapaa Yhdysvaltain energiaministeriön vuonna 2026 käynnistämään Quantum Genesis -aloitteeseen. Yhdysvaltain energiaministeriön julkisten tietojen mukaan aloitteen tavoitteisiin kuuluu tieteellisesti merkityksellisen ja vikasietoisen kvanttitietokoneen kehittäminen sekä liittovaltion, kansallisten laboratorioiden ja teollisuuden panosten koordinointi.

Kokouksessa esitetty viesti oli, että Kiinan on vastattava vastaavan mittakaavan järjestelmällisellä työllä sen sijaan, että kilpailu rajataan yhteen kvanttilaitteiston mittariin. Maiden tavoitteet, organisaatiotavat ja investointien laajuus eivät ole täysin samanlaisia. Siksi vertailu koskee ennen kaikkea strategista suuntaa ja infrastruktuurin organisointia – ei perustetta väittää, että toinen osapuoli olisi jo kokonaisuudessaan edellä.

Onko kyse Kiinan virallisesta kansallisesta suunnitelmasta?

Tiukasti ottaen ei. Saatavilla olevien tietojen perusteella ”määrä, superlaskenta ja äly” oli kokouksen teema sekä osallistuneiden akateemikkojen ja asiantuntijoiden esittämä strateginen arvio ja joukko rakennusehdotuksia. Kokouksessa ei julkistettu muodollista kansallista suunnitelmaa.123

Silti tapahtuma hahmotteli varsin selkeän politiikkakeskustelun suunnan:

• tekoälyllä parannetaan kvanttilaitteistoja, -ohjelmistoja ja -algoritmeja;
• superlaskenta kantaa lähiajan AI for Science -sovelluksia;
• kvanttilaskennasta tehdään tulevaisuudessa uusi kerros erityisen vaikeille ongelmille;
• laskenta, tietoliikenne, puhdas energia ja kansalliset laboratoriot kytketään samaan infrastruktuuriin;
• tutkimuksen, teollisuuden, sovellusten ja rahoituksen yhteistyöllä laboratoriotuloksia pyritään viemään laajempaan käyttöön.237

Shenzhenin kokouksen kiinnostavin viesti ei siis ollut se, että kvanttilaskenta olisi jo siirtynyt laajamittaiseen käytännön käyttöön. Pikemminkin Kiinan teknologinen kilpailukertomus näyttää olevan siirtymässä kysymyksestä ”kenellä on tehokkain kvanttilaite?” kysymykseen ”kuka pystyy yhdistämään kvanttilaskennan, tekoälyn, superlaskennan ja tutkimusinfrastruktuurin tehokkaimmaksi kokonaisuudeksi?”