‘Quantum boven AI’ in Shenzhen: China tekent een bredere blauwdruk voor slimme rekenkracht

Van 3 tot en met 5 augustus 2026 kwamen in Shenzhen meer dan 2.400 deelnemers bijeen voor de vijfde CCF-conferentie over quantumcomputing en het vijfde Quantum Science Forum van de Greater Bay Area. Ruim 200 academici en experts presenteerden er onderzoek naar quantumcomputing, AI en hybride rekenmethoden. 23

Het thema — ‘quantum en intelligentie integreren, quantum, supercomputing en intelligentie samen laten rekenen’ — klinkt als een slogan, maar bevat ook een duidelijke strategische boodschap. China lijkt quantumcomputing, supercomputers en kunstmatige intelligentie niet langer als losse technologieën te benaderen, maar als onderdelen van één infrastructuur voor wetenschappelijke en industriële rekenkracht.

Belangrijk is wel de nuance: de conferentie kondigde geen formeel nationaal beleidsplan aan. Het gaat om strategische analyses en voorstellen van de deelnemende wetenschappers en instellingen. 123

Wat betekent ‘quantum-supercomputing-AI’?

De term kan worden opgevat als een model waarin drie soorten rekenkracht elkaar aanvullen:

• AI maakt quantumcomputing bruikbaarder door hardware, besturing en algoritmen te optimaliseren;
• supercomputers vormen de huidige basis voor grootschalige simulaties en AI for Science, oftewel AI-ondersteund wetenschappelijk onderzoek;
• fouttolerante quantumcomputers kunnen later een nieuwe rekenlaag worden voor specifieke problemen die voor klassieke computers bijzonder moeilijk zijn.

Het gaat dus niet simpelweg om de bouw van één krachtigere quantumcomputer. De onderliggende gedachte is een geïntegreerd systeem waarin rekenkracht, netwerken, energie, data, onderzoekers en toepassingen gezamenlijk worden gepland. Tijdens de driedaagse bijeenkomst kwamen naast fundamenteel onderzoek ook sleuteltechnologie, industriële toepassingen, standaarden en samenwerking tussen overheid, bedrijven en investeerders aan bod. In totaal stonden bijna dertig activiteiten op het programma. 23

AI moet de foutmarge van quantumhardware helpen verkleinen

Quantumcomputers zijn nog zeer gevoelig voor verstoringen. Volgens de uitleg van academicus Xiang Tao ligt het foutenpercentage van fysieke qubits momenteel rond 1 procent. Voor toepassingen zoals het kraken van cryptografische codes zou een veel lager foutenpercentage nodig zijn — volgens zijn vergelijking ongeveer acht ordes van grootte lager. AI wordt gezien als een van de belangrijkste hulpmiddelen om die kloof te overbruggen. 1

AI kan daarbij op verschillende niveaus worden ingezet:

1. Kalibratie en ontwerp van chips: AI kan experimentele gegevens analyseren, foutpatronen herkennen en hardwareparameters helpen optimaliseren;
2. Quantumfoutcorrectie en decodering: algoritmen kunnen sneller bepalen welke fouten zijn opgetreden en hoe die moeten worden gecorrigeerd;
3. Compilatie van quantumcircuits: quantumalgoritmen kunnen efficiënter worden vertaald naar de beperkingen van echte hardware;
4. Metingen en besturing: AI kan helpen bij de realtimecontrole van quantumtoestanden en experimentele systemen;
5. Optimalisatie van variational quantum algorithms: AI kan het zoeken naar geschikte parameters versnellen en problemen zoals ‘barren gradients’ — verdwijnende of zeer kleine gradiënten — helpen beperken. 1

Daarmee is AI niet alleen een toepassing boven op quantumhardware. Het kan ook een basisinstrument worden voor het ontwerpen van chips, het ontwikkelen van software en het aansturen van experimenten.

Van quantumproject naar nationale rekeninfrastructuur

Academicus Xue Qikun stelde dat de nauwe combinatie van AI, supercomputing en quantumcomputing al invloed heeft op onderzoek naar quantummaterialen en op de ontwikkeling van quantumalgoritmen. 1 Dat verschuift het debat: niet één apparaat staat centraal, maar de manier waarop verschillende soorten rekenkracht samen een onderzoeksstelsel vormen.

CAE-academicus Gao Wen stelde een door het Pengcheng Laboratory geleid infrastructuurproject voor met een combinatie van rekenkracht op 10G-niveau, netwerkcapaciteit op 10P-niveau en 10 gigawatt aan schone energie. Het doel is nationale laboratoria van geïntegreerde middelen te voorzien. 1

In deze context staan de cijfers niet alleen voor een stapel hardware. Ze verwijzen naar een infrastructuurbenadering waarin berekeningen, dataverkeer en energievoorziening vanaf het begin op elkaar worden afgestemd.

Dat is mogelijk de meest veelzeggende kant van het concept. Als rekenkracht een strategische hulpbron wordt voor wetenschap, industrie en veiligheid, draait de concurrentie niet meer uitsluitend om de beste quantumprocessor. Dan gaat het om de vraag welk land langdurig toegang kan organiseren tot computers, data, energie, talent en relevante toepassingen.

Supercomputers zijn nu al de praktische basis voor AI for Science

CAE-academicus Zheng Weimin omschreef de modernste supercomputers in feite als enorme AI-computers voor wetenschappelijk onderzoek. Quantumcomputing zou in dit model een volgende rekenlaag vormen. 1

Dat levert een realistische tijdslijn op. Quantumcomputing heeft op lange termijn grote mogelijkheden, maar supercomputing en AI for Science kunnen nu al worden ingezet voor bijvoorbeeld materiaalonderzoek en het voorspellen van eiwitstructuren. 1 Onderzoekers hoeven dus niet te wachten tot een universele, fouttolerante quantumcomputer beschikbaar is. Ze kunnen bestaande systemen gebruiken voor simulaties, algoritmeontwikkeling, experimentele kalibratie en de verwerking van wetenschappelijke data.

Een dergelijke gelaagde aanpak vermindert ook de afhankelijkheid van één toekomstige doorbraak. Quantumcomputing moet nog belangrijke problemen oplossen rond fouten, foutcorrectie en opschaling, terwijl AI en klassieke high-performance computing intussen al productief kunnen worden ingezet.

Materiaalonderzoek laat zien hoe de combinatie werkt

Een tijdens de conferentie besproken onderzoeksmethode combineerde het principe van ‘sigma-binding-metallisatie’ uit de quantumveeldeeltjestheorie met AI-screening. Uit een database met meer dan 2 miljoen materialen kwamen 31 kandidaten voor hogetemperatuursupergeleiders naar voren. Daarvan waren er 18 niet eerder voorspeld. 1

De betekenis van dit voorbeeld ligt niet in het idee dat AI de natuurkunde vervangt. Het laat juist zien hoe beide elkaar aanvullen:

• de natuurkunde bepaalt welk principe of welke eigenschap relevant is;
• AI doorzoekt een enorme ruimte van mogelijke materialen;
• supercomputers verwerken de data en helpen de resultaten te controleren.

Academicus Gong Xinguo stelde daarnaast dat AI materiaalonderzoek toegankelijker kan maken door onderzoekers in natuurlijke taal een probleem te laten formuleren en vervolgens de juiste ‘vaardigheden’ of rekenhulpmiddelen te laten aanroepen. 1 Als die werkwijze volwassen wordt, kan de ingang tot materiaalwetenschap verschuiven: minder nadruk op het handmatig schrijven van complexe rekenprocedures, meer op het formuleren van goede vragen, het combineren van hulpmiddelen en het valideren van uitkomsten.

Een vergelijking met het Amerikaanse Quantum Genesis-programma

Gao Wen verwees ook naar Quantum Genesis, een initiatief van het Amerikaanse ministerie van Energie dat in 2026 werd aangekondigd. Volgens Amerikaanse overheidsinformatie richt het programma zich onder meer op de ontwikkeling van wetenschappelijk bruikbare, fouttolerante quantumcomputers en op samenwerking tussen de federale overheid, nationale laboratoria en de industrie.

De boodschap vanuit Shenzhen was dat China een vergelijkbaar systematisch ambitieniveau nodig heeft. De programma’s van beide landen hebben echter niet exact dezelfde doelen, organisatievorm of investeringsomvang. De vergelijking zegt daarom vooral iets over de richting van het beleid en de organisatie van infrastructuur — niet over een bewezen totale voorsprong van de ene partij op de andere.

Is dit nu een officieel Chinees nationaal plan?

Nee, althans niet op basis van de beschikbare bronnen. ‘Quantum-supercomputing-AI’ was het centrale thema van de conferentie en werd door academici en experts naar voren gebracht als strategische visie en ontwikkelingsvoorstel. Er is geen aanwijzing dat in Shenzhen een formeel nationaal plan met die naam is afgekondigd. 123

De discussie tekent wel een herkenbare route uit:

• AI inzetten om quantumchips, quantumsoftware en algoritmen te verbeteren;
• supercomputers gebruiken als directe basis voor AI for Science;
• quantumcomputing op termijn toevoegen als nieuwe laag voor specifieke complexe problemen;
• rekenkracht, netwerken, schone energie en nationale laboratoria als één infrastructuur behandelen;
• samenwerking tussen wetenschap, bedrijfsleven, overheid en kapitaal gebruiken om onderzoek naar grootschalige toepassingen te brengen. 237

De belangrijkste boodschap uit Shenzhen is dan ook niet dat quantumcomputing al volledig praktisch toepasbaar is. Het is eerder dat de Chinese concurrentiestrategie breder wordt: van de vraag wie de krachtigste quantumcomputer bouwt naar de vraag wie quantumcomputing, AI, supercomputing en de rest van het wetenschappelijke ecosysteem het effectiefst weet te organiseren.