Квантовые компьютеры

Начнем с того, что своих полномасштабных квантовых компьютеров в России нет. Впрочем, как и во всем остальном мире. Такие компьютеры уникальны тем, что благодаря законам квантовой физики и усилиям учёных они потенциально способны находить за пару минут решение тех задач, на которые у обычного компьютера ушли бы сотни лет. Идею квантовых вычислений впервые предложил советский математик Юрий Манин ещё в 1980 году. Сейчас уже созданы прототипы таких компьютеров, которые работают с кубитами. Кубит может быть единицей и нулем одновременно, а также принимать промежуточные состояния, что и помогает в теории решать сложные задачи. Сразу отвечая на ваш вопрос, в теории — потому что таких кубитов нужны тысячи для решения реальных практических задач, которые стоят перед производством или уж тем более перед государством. Современные же квантовые компьютеры, если их так можно назвать, доходят только до ста кубитов, да и те очень нестабильны и легко теряют свое квантовое состояние. Так что запрет на экспорт квантовых компьютеров — скорее, дополнительный пиар-ход.

Динамика развития
Тем не менее в 2021 году инвесторы вложили примерно $1 млрд в компании, которые работают над квантовыми вычислениями. По данным PitchBook, это больше, чем за три предыдущих года вместе взятых. Сравните только: $187,5 млн в 2019 году, $93,5 млн в 2015‑м. Все играют на повышение. Деньги идут в разработку мощностей, которые будут готовы к работе на горизонте десятилетия, а инвесторы просто делают ставку, что коммерциализация может начаться раньше.

Еще в 2013 году квантовыми вычислениями в мире занимались всего несколько университетов и стартапов, большинство из которых финансировались государством, а к 2020 году на рынке работало уже около двухсот команд, в том числе российских, которые разрабатывали широкий спектр технологий и приложений. Например, они строили бизнес на квантовом моделировании и оптимизации, линейной алгебре для искусственного интеллекта и машинного обучения.

При этом обычный компьютер никуда не ушел и не уйдет. Квантовый компьютер будет использоваться лишь для определенных классов сложных вычислительных задач (их еще называют NP), а классический, как и сейчас, для всего остального. Почему не использовать вычислительные мощности будущего для задач с простой логикой? Дело в том, что квантовый компьютер даже с тысячей кубитов будет умножать два на два всегда гораздо медленнее классического, но только еще и за очень большие деньги. А самое главное, ровно 4 будет получаться с вероятностью, стремящейся к нулю. Чтобы получить правильный ответ, нужно будет несколько раз умножить 2*2, проанализировать статистику результатов, вычислить математическое ожидание и оценить, с какой вероятностью правильный ответ — 4. Использовать квантовый компьютер нужно там, где из триллионов комбинаций необходимо выбрать наилучшую. Например, смоделировать взаимодействие сложных белковых молекул.

Квантовые технологии
На самом деле, Россия находится в передовой группы стран, развивающих квантовые технологии — на нашу долю приходится более 4% научных работ по квантовым технологиям в мире, и мы занимаем восьмое место по количеству выданных патентов в этой области. Конечно, это не «первое» место, но и гонка только началась. Более того, квантовые технологии — довольно общее понятие, которое включает в себя не только квантовые вычисления, о которых мы подробно говорили выше, но, например, квантовые коммуникации и квантовые измерительные приборы. И если где-то мы отстаем, то где-то идем в ногу со временем. Так, например, в 2021 году Россия представила уникальный прототип квантового компьютера на ионах. А на Петербургском международном экономическом форуме в этом году предложили создать национальную квантовую сеть (ее невозможно взломать или прослушать), которая объединит все университеты и центры, ведущие работы в области квантовых технологий. Напомним, что подобная сеть уже работает в тестовом режиме, соединяя две российских столицы — Москву и Санкт-Петербург. Это одна из самых протяженных квантовых сетей в мире. Неудивительно, что ответственные за квантовые коммуникации ОАО «РЖД» тоже внесли в санкционный список.

Другим примером развития квантовых технологий в России является использование квантово-вдохновленных алгоритмов. Такие алгоритмы ускоряют поиск решения на обычном компьютере, без использования квантового. В частности, квантово-вдохновленные алгоритмы у нас активно используют металлурги, и помогают им в этом отечественные компании.

К сожалению, никаких новостей об инвестициях в эту сферу в России последнее время не поступало. О том, что это перспективное направление, способное уже сейчас выгодно заменить квантовые компьютеры, говорят иностранные заголовки и объемы инвестиций. Так, совсем недавно европейская венчурная компания 2xN инвестировала $120 млн в разработку квантово-вдохновленных алгоритмов. Бюджет дорожной карты по квантовым вычислениям в России составляет $800 млн за 2020–2025 гг.

Новые санкции, которые касаются квантовых вычислений, вряд ли сильно повлияют и уж точно не заморозят эту сферу в России. Впрочем, надо помнить, что не просто бездействие, но и серьезное отставание в этой области опасно для государства, так как создает угрозу национальной безопасности страны. Сейчас технологическое отставание России от США и Китая в области квантовых вычислений составляет примерно семь лет.

Святой грааль науки

Именно такой ажиотаж сейчас вокруг квантовых вычислений. Тот, кто первый сможет разработать устойчивый квантовый компьютер, сорвет большой куш. Криптография и взлом данных, поиск новых материалов и лекарств, оптимизация, оценка рисков, — решения этих задач компьютер найдет практически мгновенно. Многих это пугает, и не зря: все наши данные и сбережения окажутся под угрозой. Это может привести к мировой катастрофе, которую уже назвали «квантовым апокалипсисом».

Но пока мощность квантовых компьютеров слишком мала, устройства могут только показывать возможность решения задач, а не решать их. Для взлома криптографического алгоритма с открытым ключом RSA (аббревиатура от фамилии создателей) нужно около 20 млн кубитов. Кубит — это квантовый аналог бита, который может принимать не только значения 0 и 1, но и обе эти позиции одновременно. В мире науки это называют суперпозицией, и именно эта особенность позволяет находить ответ быстрее, но создать ее непросто.

Например, Google планирует выпустить квантовый компьютер с 1 млн кубитов только в 2029 году, а в современных квантовых компьютерах есть максимум сотня кубитов. Чем их больше — тем сложнее их напрямую соединять. К тому же современные кубиты нестабильны и со временем теряют квантовое состояние, а результаты вычислений содержат большое количество ошибок. Эти факторы сильно замедляют создание квантового компьютера.

«Квантовая» польза здесь и сейчас

Математики и физики, не дожидаясь дня Q, научились применять преимущества квантовых вычислений на классическом компьютере. Квантово-вдохновленные алгоритмы находят решения в приемлемые сроки. При этом лучшие современные алгоритмы уже находят их на 95–99% приближенные к оптимальным. Устройства помогают рассчитывать оптимальный маршрут для космических аппаратов, с помощью них разрабатывают новые лекарства и материалы.

Расположение ветряных электростанций, нефтяных скважин и станций скорой помощи также оптимизируют при помощи квантово-вдохновленных алгоритмов. И это можно сделать с любым расписанием — например, поездов или отпусков. Конечно, иногда план отпусков в маленькой компании можно сделать и вручную. Но если переменных и ограничивающих факторов слишком много, то выполнить подобную работу при помощи простого перебора невозможно: поиск ответа займет десятилетия. Выход до изобретения квантово-вдохновленных алгоритмов был один — намеренно отказаться от учета нескольких показателей. Конечно, это влияло на качество и эффективность решения.

Оптимизируй это

Чтобы использовать алгоритм, нужен специальный программно-аппаратный комплекс. Его называют решатель или солвер. Он используется для решения оптимизационных задач, когда надо рассмотреть миллионы комбинаций. Солвер позволяет учесть все ограничения, а его работа не зависит от предметной области, для которой решается задача. Решатель работает по единому логическому сценарию, используя вектор переменных и матрицу ограничений.

Солверы делятся на два типа. Первый — специализированный, к нему относится платформа Яндекс.Маршрутизация. Она решает проблемы логистики и выбора оптимального маршрута с учетом пробок, светофоров и ремонта дорог. Второй — промышленные или универсальные солверы, такие, как Fixstars или IBM CPLEX. Они решают оптимизационные задачи с большим количеством переменных и ограничений. Их используют для поиска новых материалов или составления графика производства. Универсальный солвер — это передовая технология в области оптимизации.

В России пока нет своих универсальных солверов. Все предприятия пользуются японскими или американскими программно-аппаратными комплексами. А для того, чтобы настроить под себя квантово-вдохновленные алгоритмы и контролировать весь процесс вычислений, нужно иметь доступ к внутреннему коду солвера. Поэтому наш приоритет сейчас — разработка универсального солвера в России.

Потребность в солверах

До дня Q, когда появятся настоящие квантовые компьютеры, человечеству еще далеко. Но компании из разных сфер и стран уже применяют и внедряют квантовые технологии. Неудивительно, что оптимизация нужна везде, где есть планирование и последовательность, ведь это помогает экономить бюджеты, ресурсы и сокращает время работы.

К примеру, если у вас всего один автомобиль и 30 клиентов, ожидающих доставки заказа, то искать оптимальный маршрут методом полного перебора будет нецелесообразно - даже суперкомпьютеру на эту небольшую задачу потребуется почти два года. При этом в реальной жизни перед компаниями возникают задачи в тысячи раз сложнее, чем описанная выше. На этом этапе руководство обычно становится перед дилеммой: выбрать менее эффективный путь или потратить время на поиск оптимального. Будущие квантовые компьютеры, возможно, найдут лучшее решение практически мгновенно, но доступны они станут не ранее чем через десять лет. Здесь и сейчас квантовым компьютерам не хватает мощности, чтобы справиться с практическими задачами. Однако принцип работы "компьютеров будущего" подтолкнул математиков на создание нового поколения методов, вдохновленных квантовым миром. Теперь, имитируя такие физические явления с помощью вычислительных алгоритмов, можно найти решение, близкое к оптимальному.

В идеальном мире производство работает непрерывно и без проблем достигает нужного KPI, но в реальности возникают непредвиденные обстоятельства: погрузка заняла больше времени, кто-то взял больничный, чего-то недосчитались. Бесперебойность поддерживать тяжело. Необходимо постоянно контролировать наличие и условия хранения сырья или товаров. Планировать объем и сроки производства. Тщательно следить за эффективностью труда сотрудников. Прибавьте к этому логистические проблемы, особенно в условиях санкций, и вы получите нетривиальную математическую задачу, которая посильна только передовым научным методам.

Немаловажно и то, что оптимизация использования ресурсов имеет двойной эффект, улучшая не только экономику, но и экологию. И такая "зеленая" выгода затрагивает каждый этап: например, использование стального листа без лишних обрезков сократит количество отходов и сэкономит деньги. Экопроизводство - одновременно экологичное и экономичное.

Если что-то можно оптимизировать, значит, где-то человек тратит свое время впустую. За этой простой арифметикой стоят интересные возможности: повысив эффективность производства на пять процентов, можно получить экономию минимум восемь рабочих часов. Целый дополнительный выходной! А, например, квантовая оптимизация в крупной судоходной компании NYK экономит четыре тысячи часов рабочего времени в год. Кроме финансовой выгоды это дополнительный шаг к четырехдневной рабочей неделе, о которой сейчас многие мечтают. Четырехдневка, в свою очередь, может повысить на 20 процентов производительность труда, как показывают исследования. Меньше работать - значит работать более продуктивно. Вот так может быть запущена спираль прогресса, результатом которой будет эффективное, экологичное производство и человеко-ориентированное будущее.

Представьте себе доставщика пиццы, которому надо развезти заказы в разные точки города и затем вернуться в ресторан, откуда он выезжал. Как ему оптимально построить маршрут? Математики называют это задачей коммивояжера. Методы решения таких задач разделяют на точные и эвристические. Первые, их еще называют классическими, основаны на полном переборе всех возможных решений, что, в свою очередь, делает их неэффективными в случае большого количества переменных или точек, которые надо посетить: поиск ответа может занять много лет.
Получается, что большинство практических задач комбинаторной оптимизации (например, маршрутизация грузовиков) требуют особого подхода. Эвристические методы, к которым относятся и роевые алгоритмы, производят относительно ограниченный поиск решений и находят, возможно, не лучшее, но точно близкое к нему решение за разумное время «методом проб и ошибок». Лучшие же современные алгоритмы позволяют находить решения, на 95-99% приближенные к оптимальным.

В этом месте нам стоит на минуту задержаться и объяснить, каким образом мы рассчитываем эффективность таких решений.

•‎ Во-первых, для большинства задач можно получить оценку сверху (или снизу, в зависимости от задачи) для глобального оптимума, при этом не имея возможности найти сам глобальный оптимум. Например, перед нами стоит задача оптимально погрузить изделия сложной формы и большой массы в вагон — теоретический оптимум достигается при использовании 100% грузоподъемности и вагона, но не нарушатся ли при этом другие ограничения, ответить невозможно, не решив задачу оптимизации. Если роевой алгоритм находит решение, позволяющее достичь загрузки на 95% грузоподъемности, это можно считать приближенной оценкой точности алгоритма.

•‎ Во-вторых, иногда мы можем узнать оптимальное значение функции, но при этом практическую ценность имеет значение аргумента, при котором функция достигнет оптимума, а найти его можно, только решив задачу оптимизации. Например: есть сложный производственный процесс с большим количеством переделов. Мы знаем, что минимальные издержки на производство партии продукции могут составить 95 рублей, но не знаем, как надо настроить оборудование и в какой последовательности обрабатывать изделия, чтобы достичь такого уровня затрат. Роевой алгоритм предлагает настройки и последовательность операций, при которых издержки составят 100 рублей. Таким образом, оценочная точность алгоритма составит 95%.

А теперь представьте, что есть организмы в животном мире, которые, конечно же, не знают, что такое математика, но бессознательно ежедневно действуют оптимально и эффективно. Жизнь некоторых из этих животных вдохновила ученых на разработку алгоритмов. Такие алгоритмы называют биоинспирированными, так как они повторяют поведение животных или природных явлений. Так, например, отдельная птица или рыба и не подозревает, что стая, в которой она живет, ведет себя как бы разумно. Каждая особь (в алгоритме — частица) меняет свою позицию в пространстве, ориентируясь на свой опыт и на положение соседей. Это помогает птицам не сталкиваться друг с другом и лететь по оптимальному маршруту к нужному месту.

Такое системное поведение животных иллюстрирует понятие «автосинхронизации», или «закона пяти процентов», встречающееся, в том числе, и в мире людей. Если в каком-то обществе 5% участников одновременно совершают определенное действие, например начинают аплодировать артистам на сцене, то остальные люди автоматически начинают делать то же самое: сначала порознь, а потом и синхронно. Похожим образом работает и муравьиный алгоритм: отдельный муравей будет очень долго искать оптимальный путь от еды или строительных материалов до дома. Но группа муравьев, объединенных в колонию, быстро находит наилучшее решение. Секрет заключается в феромонах, которые выделяют эти насекомые. Чем путь туда-обратно быстрее, тем больше по нему пробежит муравьев и тем сильнее будет запах внешней секреции, который как бы сигнализирует: «Следуй за мной».

Однако к эвристическим алгоритмам относят не только роевые. Некоторые из них были вдохновлены строгой иерархией в животном мире, то есть вертикальными связями, а не горизонтальными, как в случае роя. Например, в пчелином мире есть разведчики, которые первыми отправляются на поиски нектара вокруг улья и передают координаты на базу. Чем больше предполагается найти на лужайке нужных цветов, тем дольше и ярче танец пчелы. Остальные жители улья, если информация их удовлетворяет, отправляются уже на сбор нектара. Разведчики же улетают искать другие поляны, причем радиус поиска с каждым заходом увеличивается. Поиск останавливается, когда пчелы находят наилучшую по всем параметрам локацию или оптимальное решение, если мы говорим о пчелином алгоритме.
Похожих предводителей-агентов содержит и алгоритм серых волков, разработанный в 2014 году. В дикой природе в стае существует довольно четкая иерархия и распределение обязанностей, которое непосредственно влияет на охотничье поведение хищников. Это и легло в основу алгоритма. При поиске добычи (оптимального решения) волками предполагается, что альфа-самец (лучший кандидат) и бета-волки имеют более четкое и правильное представление о том месте, где может находиться добыча. Соответственно, оставшаяся часть стаи корректирует свое поведение и локацию в зависимости от позиции лучших поисковых агентов.

Выбор нужного алгоритма зависит от поставленной задачи, и универсального рецепта здесь нет. Теорема о бесплатном обеде (NFL), например, утверждает: если алгоритм хорошо работает с определенным классом задач, то это обязательно балансируется снижением производительности на множестве оставшихся проблем. Более того, надо брать во внимание вычислительные затраты, доступность программного обеспечения и время, отведенное на поиск решения, чтобы правильно выбрать алгоритм. Но даже в этом случае алгоритм не гарантирует, что вы нашли самое лучшее решение, которое по-научному называют еще глобальным оптимумом. Всегда искать глобальный оптимум за разумное время сможет, в теории, только квантовый компьютер. Несмотря на то что небольшие квантовые процессоры уже существуют, они не могут пока справиться с большим объемом переменных, а все практические задачи, как назло, именно такие.

Если бы у нас уже был достаточно мощный квантовый компьютер, мы могли бы с его помощью быстро и точно решать гораздо более масштабные и сложные задачи оптимизации, но его пока нет. Однако в нашем распоряжении есть эвристические алгоритмы, которые успешно применяются на обычных машинах. Более того, даже в этом случае мы уже можем использовать явления из квантовой физики в природных алгоритмах. Так, например, квантово-вдохновленный алгоритм роя частиц использует эффект туннелирования для преодоления высоких барьеров.

Для наглядности представьте, что вы играете в такой боулинг, где кегли расставлены за холмом. При этом ваших сил не хватает, чтобы шар перекатился через вершину и оказался на той стороне. Выход в нашем мире только один — не играть в такой странный боулинг. В квантовом же мире умный в гору не идет, а туннелирует ее. Когда полной энергии не хватает, чтобы просто забраться на гору, частицы проходят ее насквозь. Это противоречит законам классической механики и показывает квантовую природу явления, которую и используют современные алгоритмы. Эффект ускоряет вычислительный процесс и помогает не застрять в локальном оптимуме при поиске глобального.

Основатель и CEO QuSolve Дмитрий Васильков

В условиях текущей экономической ситуации растет спрос на российские разработки. Это касается и сложных наукоемких решений, позволяющих улучшать бизнес-процессы на промышленных предприятиях, в том числе системообразующих. Оптимизация на производстве — это сэкономленные бюджеты, человеческие и природные ресурсы. К данному моменту мы научились этого достигать, используя идеи прикладной математики и квантовых вычислений.

Развитие концепции квантовых вычислений и математического аппарата, который ее обслуживает, подтолкнуло ученых к переосмыслению классических алгоритмов решения задач оптимизации. Появилось несколько способов, как, не прибегая к квантовому компьютеру, с помощью классических компьютеров ускорять эти вычисления от десяти до десяти тысяч раз, что в итоге позволяет либо сократить срок, либо, если время не важно, то повысить точность. То, что раньше считалось сутки или часы, теперь можно посчитать за минуты и секунды.

Весной этого года с российского рынка ушли крупнейшие международные поставщики программного обеспечения, необходимого для решения оптимизационных задач в промышленности и логистике (это ПО называется солвером). Речь, например, об IBM, которая продвигает свой солвер CPLEX, и о другой американской компании — Gurobi.

Российский рынок покинули и такие производители оборудования, как NVIDIA. Это, конечно, доставляет определенное неудобство, но его точно можно преодолеть. Самые быстрые оптимизационные вычисления делаются на кластерах графических карт. Прекращение прямых поставок оборудования потребует поиска альтернативных источников, но, очевидно, они будут найдены. А российские аналоги, сопоставимые по производительности, в ближайшее время выпустить не удастся.

Сейчас мы видим для себя яркий и интересный вызов в том, чтобы выпустить на рынок собственный солвер, который станет заменой зарубежных аналогов. В России, как известно, нет дефицита в сильных математиках и инженерах, но они работают в основном на иностранном программном обеспечении и оборудовании. Это ограничивает применимость солверов в решении задач, существующих в российском бизнесе. Более того, бизнес-процессы имеют свойство меняться, то есть описываемая система и ее параметры не постоянны. Это значит, что нужно иметь возможность все перенастраивать и адаптировать под ситуацию, собирать статистику поведения. Соответственно, если компания хочет решать настоящие прикладные задачи, ей нужны гибкие машины, способные на адаптацию к быстро изменяющимся процессам. Для этого нам — поставщику решений, основанных на quantum-inspired алгоритмах, — необходимо иметь доступ к внутреннему программному коду решения. То есть к самому солверу.

В текущей ситуации задача по выпуску российского солвера становится для нас еще более приоритетной. Тогда мы сможем полностью замкнуть контур вычислений внутри компании и обеспечить таким образом 100% импортозамещение оптимизационных расчетов для промышленности.

Одновременный — значит быстрый

Знаменитый закон Гордона Мура, сооснователя Intel, гласит, что каждые полтора-два года производительность ЭВМ удваивается, а сами машины становятся дешевле и компактнее. Однако это наблюдение было сделано еще в 1975 г. — а после, в 2003-м, сам Мур признал, что темпы развития технологий, включая производительность компьютеров, неизбежно упрутся в физические пределы, то есть свойства полупроводниковых материалов. Квантовые же вычисления, базирующиеся на микрочастицах вроде ионов, фотонов и атомов, от традиционных проводников не зависят, а значит, могут дать «правилу удвоения» новую жизнь.

Мощность устройств, оперирующих битами (базовая единица информации в обычных вычислениях), нарастает линейно. В случае кубитов (квантовый аналог бита) масштабирование экспоненциально — так, 8-кубитная система способна параллельно провести не 8 операций, а 2 в 8-й степени, то есть 256. Это возможно, поскольку кубиты могут существовать одновременно в двух (или больше) состояниях — это явление называется квантовым параллелизмом, или суперпозицией.

С бытовой точки зрения это непостижимый парадокс вроде «кота Шредингера». Зато на практике эффект очевиден: квантовые вычисления намного быстрее классических. К примеру, с их помощью можно за несколько часов взломать 2048-битное шифрование, которое используется в большинстве современных операций, например в оплате банковской картой в сети. Привычный ПК будет выполнять эту задачу миллионы лет или не сможет выполнить вообще.

Звучит как решение: знай себе наращивай число кубитов и находи ответы на самые сложные вопросы. Но чем больше кубитов и связей между ними, тем сложнее изолировать и без того хрупкую систему от окружающей среды, тем больше «шумов», то есть искажений.

Однозначного ответа на вопрос, когда квантовые технологии перейдут из разряда «невероятно перспективных» в «уверенно применяемые», нет. Как указывает партнер венчурного фонда Phystech Ventures Данила Шапошников, даже в продвинутых современных устройствах всего по 15–30 взаимосвязанных физических кубитов. Этого хватает, чтобы оптимизировать маршруты, финансовые портфели, некоторые промышленные процессы, то есть делать то, что умеют и стандартные компьютеры, только намного быстрее. Для значительного же прорыва — достижения квантового превосходства — придется преодолеть порог в тысячу логических, то есть устойчивых к ошибкам кубитов, каждый из которых будут поддерживать 10–100 физических кубитов.

И хотя о квантовом превосходстве в 2019 году громко заявлял Google, а через год и Научно-технический университет Китая, за рамки демонстраций подобные опыты пока что не вышли.

От «если» к «когда»

В теории квантовые машины могут создать могущественную нейросеть, смоделировать абсолютно новые материалы. Если это и станет возможным, то через пару десятков лет. В последующие же годы потенциал квантов реализуется в куда менее фантастических задачах. Так, аналитики The Boston Consulting Group (BCG) заявляют, что до 2030 года квантовые проекты смогут закрепиться в следующих направлениях:

1. Всевозможная оптимизация, то есть управление инвестициями, выстраивание логистики и т. д. К примеру, Volkswagen совместно с D-Wave и Google исследуют, как кванты помогут распределять транспортные потоки и сокращать расходы на перевозки. А самый загруженный морской порт Америки Лос-Анджелес смог удвоить эффективность погрузки и избежать простоев благодаря искусственному интеллекту и квантовому модулю D-Wave.

2. Машинное обучение и глубокий анализ данных. Особенно в том, что касается работы рекомендательных систем, предотвращения мошенничества и развития беспилотников.

3. Моделирование. Речь, например, о прогнозировании ценообразования, создании персонализированных лекарств и множестве других симуляций — так, Daimler с IBM Quantum разрабатывают квантовые батареи для электромобилей, а ExxonMobil с тем же IBM изучают, как сберечь природу с помощью квантов.

4. Криптография, взлом «киберзамков» и создание более надежных методов шифрования.

То, что специализированные компьютеры и симуляторы станут широко использоваться для бизнес-задач в ближайшие пару лет,— это факт, уверен венчурный инвестор и основатель инвесткомпании A.Partners Алексей Соловьев. Начало этому положила IBM, когда в 2018 году открыла сторонним компаниям облачный доступ к мощностям своего «двадцатикубитника». Что касается рядовых потребителей, они тоже смогут воспользоваться преимуществами квантов напрямую. Их уже применяют для шифрования пользовательских данных: в 2020 году Samsung совместно с оператором SK Telecom выпустили «невзламываемый» смартфон с квантовым генератором случайных чисел. Также, поскольку очевидна связь между квантовыми вычислениями и AI, не исключено, что с квантами будут связаны домашние «умные» помощники и прочие IoT-устройства, дополняет руководитель проектного офиса «Росатома» по квантовым технологиям Руслан Юнусов.

«Несмотря на все достижения, нам еще предстоит долгий путь, прежде чем маркетинговые пустышки обернутся реальным квантовым компонентом будничных гаджетов. Вероятно, что в обозримом будущем этого вообще не случится,— резюмирует технологический эксперт Kaspersky Product Studio Константин Кичинский.— А вот модель "квантовые вычисления как сервис" будет только укрепляться.

Кто выигрывает в «кубики»

По оценке BCG, за следующие 15–30 лет капитализация рынка квантовых вычислений достигнет от $450 млрд до $850 млрд. Исходя из размера инвестиций, большая часть придется на США, Китай и Евросоюз. «Взлететь» могут и Япония, Канада, Австралия, Сингапур, Индия, Тайвань. При всем потенциале России ее текущие отраслевые достижения не так заметны на фоне лидирующих стран. События после 24 февраля усугубят разрыв.

«В ближайшие годы "Росатом" представит первые отечественные квантовые процессоры на сверхпроводниках, ионах, атомах и фотонах,— уточняет господин Юнусов.— Однако говорить об экономическом эффекте и решении реальных задач мы сможем не ранее 2027–2030 годов. Российский бюджет на создание квантового компьютера до 2024 года — 23,6 млрд руб. Бюджеты США, ЕС и Китая на квантовые разработки давно превышают миллиарды долларов».

Мысль дополняет господин Шапошников: «СССР и Россия, в частности, внесли большой вклад в развитие квантовой науки. Даже термин "квантовый компьютер" первым предложил советский математик Юрий Манин, хотя популяризовал его американский коллега Ричард Фейнман. Сегодня, увы, мы отстаем. А в связи с последними событиями, боюсь, догнать будет сложно. Впрочем, шанс есть — за счет сильной школы, наших талантливых физиков и математиков».

К тому же, как отмечает Дмитрий Васильков, основатель и CEO проекта—резидента «Сколково» QuSolve (ранее QuScape), в скором будущем наибольшую пользу принесут не квантовые вычисления сами по себе, а классические цифровые решения с участием квантово-вдохновленных алгоритмов.

Хакинг из будущего

Квантовое превосходство повлечет не только создание лекарства от рака, исследование дальнего космоса и предсказание погоды на год вперед — возможны сливы государственных и корпоративных тайн, массовые кражи персональных данных, сопутствующие финансовые кризисы, предупреждают эксперты.

«Злоумышленники могут следовать схеме "сохраняй сейчас — взламывай потом", рассчитывая, что с зашифрованными классическим путем данными разберется квантовый компьютер. То есть в рамках десятилетия наверняка будут иметь место крупнейшие кибератаки,— рассуждает Павел Воробьев, исполнительный директор QRate.— Самый надежный способ защититься — объединить квантовую и постквантовую криптографии. Особенно это актуально для данных, жизненный цикл которых превышает пять лет». Однако по всему миру разрабатывают стандарты в области продвинутой киберзащиты, успокаивает Алексей Федоров, руководитель научной группы Российского квантового центра и основатель облачной платформы QBoard: «В частности, в России постквантовой криптографией занимается отдельный комитет, а Газпромбанк уже активно пилотирует конкретные решения».

На более глобальную проблему в работе с квантами указывает господин Кичинский: «’’Худший’’ сценарий – слом шаблонов, своеобразный когнитивный ’’апокалипсис’’. Он связан не с квантовыми вычислениями как таковыми, а с любым новым пониманием фундаментальной физики, требующим переосмысления стандартной модели».

Оказывается, сегодня на дворе эра NISQ (noisy intermediate-scale quantum era), или эра недоквантовых технологий. Это понятие используется для описания текущего состояния производства квантовых процессоров, а именно: их мощности не превышают 50–100 кубит, их работа нестабильна (они могут легко потерять свое квантовое состояние), а результаты вычислений содержат большое количество ошибок (шумов). Решать практические задачи такие процессоры пока не могут. Для этого нужны тысячи, а лучше — миллионы стабильных кубит, на создание которых уйдет еще десяток лет. Тем не менее все понимают, что за этими технологиями — будущее. Ведь создание квантового компьютера поможет найти новые материалы, моделировать химические соединения, решать задачи оптимизации, недоступные для вычисления на классических машинах.

Предпринимателям выгодно интересоваться наукой: это помогает их компаниям своевременно находить и внедрять новые технологии. Так, при помощи квантового компьютера в любом бизнесе, где есть поэтапно выстроенный процесс, можно увеличить эффективность хотя бы на несколько процентов. Сперва кажется, что игра не стоит свеч, но пара процентов для крупного промышленного производства означает экономию большого количества средств и ресурсов. Оптимизация процессов положительно влияет и на экологию, так как в результате снижается объем выбросов от производства и затраты на него. Из-за таких потенциальных возможностей инвестиции в разработку квантовых компьютеров кратно увеличились в последние годы. В 2021 году инвесторы из разных стран вложили $1,02 млрд в компании, которые работают над квантовыми вычислениями. По данным PitchBook, это больше, чем за три предыдущих года вместе взятых. Сравните только: $187,5 млн в 2019 году и $93,5 млн в 2015‑м. Сама отрасль тоже растет. Еще в 2010 году квантовыми вычислениями занималась лишь пара крупных корпораций, таких как Siemens AG и IBM, а к 2020 году на рынке работало уже около двухсот компаний. Чаще всего в основе их продуктов и услуг лежат квантовое моделирование материалов, оптимизация, а также машинное обучение. В России отрасль активно развивается при поддержке государства: на исполнение дорожной карты «Квантовые вычисления» до 2024 года выделено более 23 млрд рублей.

Несмотря на то, что до «полноценного» квантового компьютера еще далеко, построить бизнес на квантовых технологиях можно уже сейчас благодаря так называемым quantum-inspired алгоритмам. Они используют преимущества квантовых вычислений на классических компьютерах и находят оптимальный ответ за время, имеющее практический смысл. Внедрить квантово-вдохновленные алгоритмы на предприятии куда проще, а значит, и дешевле, чем приобретать (гипотетически) и обслуживать квантовый компьютер. Не говоря о том, что квантово-вдохновленные алгоритмы работают уже здесь и сейчас и позволяют находить решения, которые на 95–99% приближены к наилучшим. Кроме того, в будущем их можно будет использовать и на квантовых компьютерах. Технологию уже применяют для оптимизации пути космических аппаратов, поиска новых лекарств и материалов, планирования сложных производств, например на российских металлургических предприятиях.

Инвестиции в науку и внедрение современных технологий можно сравнить с единовременным платежом, который в случае quantum-inspired алгоритмов уже в течение года покажет первые результаты. Несмотря на то, что пока мы продолжаем жить в эру NISQ без полноценного квантового компьютера, нет никаких сомнений: применять новые знания и алгоритмы для достижения квантового преимущества можно уже сейчас.

Компания QuSolve решает сложные оптимизационные задачи для промышленных предприятий. Например, для оптимизации транспортировки продукции по железной дороге нужно перебрать миллионы вариантов сценариев. Классические компьютеры будут перебирать их десятки лет, а существующие квантовые компьютеры пока не позволяют даже подступиться к таким задачам. Команда QuSolve научилась использовать преимущества квантовых вычислений на классических компьютерах и быстро проводить сложные расчеты — для этого и необходим солвер.

До начала 2022 года QuSolve делала вычисления на японском солвере Fixstars. Теперь команда в тестовом режиме использует собственную разработку. Собственный солвер позволяет QuSolve ускорить вычисления и еще более персонализировать их под клиента. Бизнес-процессы динамичны, поэтому нужно иметь доступ к внутреннему программному коду солвера, чтобы быстро менять настройки, адаптировать их под ситуацию, собирать статистику поведения системы.

QuSolve планирует, что ее солвер успешно заменит аналоги от зарубежных провайдеров, которые покинули российский рынок в марте 2022 года. Речь, в том числе, идет об IBM, которая продвигает свой солвер CPLEX, и другой американской компании – Gurobi. QuSolve также планирует предоставлять свой солвер другим компаниям, занимающимся вычислениями. Это позволит российским игрокам оставаться независимыми от зарубежных решений.

“В России, как известно, нет дефицита в сильных математиках и инженерах, но они работают, в основном, на иностранном программном обеспечении и оборудовании. Это ограничивает применимость солверов в решении задач, существующих в российском бизнесе. Выпустив свой собственный солвер, мы сможем полностью замкнуть контур вычислений внутри компании и обеспечить таким образом 100% импортозамещение оптимизационных расчетов для промышленности,” – объясняет Дмитрий Васильков, основатель и генеральный директор QuSolve.

Задачи комбинаторной оптимизации можно найти во многих сферах: от сортировки городских велосипедов по станциям до оптимального расположения нефтяных скважин. Для каждого клиента QuSolve проводит анализ производственных процессов и предлагает решения по их оптимизации. Крупнейший клиент – НЛМК. QuSolve является первой в России компанией, которая не только решает наукоемкие бизнес-задачи, но и консультирует по ряду аспектов в реализации и интеграции квантовых вычислений в промышленности. Является резидентом “Сколково”.

Сложности оптимизации

Многие производства расходуют ресурсы впустую там, где этого можно не делать. Лишние машины в грузоперевозках или неправильная нагрузка на технику несут за собой не только денежные затраты. Здесь встает вопрос и о нагрузке на окружающую среду, и о затратах лишних человеческих ресурсов, и о сроке службы различных деталей и целых машин.

Комбинаторная оптимизация часто становится камнем преткновения для организаций, которые хотят достичь высокого уровня эффективности. Например, компания производит продукцию, затем отгружает ее по железной дороге. Продукция имеет определенную номенклатуру, каждая позиция имеет габариты и массу. Существует несколько видов железнодорожных вагонов, и для каждого из них — свой ряд требований по способу погрузки и размещения продукции.

У компании-производителя это отражается в бóльших или меньших затратах в зависимости от того, какая продукция, в каком объеме и в каком вагоне едет. Задача — разложить продукцию в вагоны так, чтобы она своевременно уехала заказчику при минимальных расходах на перевозку.

Выше — пример классической задачи комбинаторной оптимизации, особенность которой в том, что количество возможных решений и способов, которыми эту продукцию можно увезти, взрывным образом растет при росте объема продукции. Математически описано, что не существует точного алгоритма поиска решения, а простой перебор может занимать тысячелетия даже на самых мощных компьютерах. Поэтому сейчас компании пытаются сохранить в этом вопросе некий баланс между точностью и скоростью.

Современные реалии

Квантовые компьютеры, которые сейчас функционируют, по своим масштабам не позволяют пока даже близко к таким задачам подступиться, по крайней мере, на практике.

Но, тем не менее, развитие концепции квантовых вычислений и математического аппарата, который ее обслуживает, подтолкнули к переосмыслению классических алгоритмов решения задач оптимизации. Появилось несколько способов, как, не прибегая к квантовому компьютеру, с помощью классических компьютеров ускорять эти вычисления в 10-10000 раз, что в итоге позволяет либо сократить срок, либо, если время не главное, то повысить точность. То, что раньше считалось сутки или часы, теперь можно посчитать за минуты и секунды. Для этого как раз и нужен такой софт, как солвер.

В России популярен солвер CPLEX от IBM. У нас также пользуются японским солвером Fixstars. Теперь же, когда зарубежные компании покидают российский рынок (в том числе и другая американская компания — Gurobi), нашей стране нужен собственный софт для оптимизационных вычислений. Иначе многие задачи по развитию и повышению эффективности процессов, которые стоят перед российской промышленностью, будет сложно решить.

По нашему мнению, разработка отечественного солвера — одна из первоочередных задач, поскольку мы не можем позволить себе зависеть от чужого ПО. Чтобы разрабатывать и применять quantum-inspired алгоритмы для оптимизации производства и логистики на российских предприятиях, нам необходимо иметь доступ к внутреннему коду солвера с целью настраивать алгоритмы и держать весь процесс вычислений под контролем. Бизнес-процессы динамичны, поэтому важно иметь возможность быстро менять настройки, адаптировать их под ситуацию, собирать статистику поведения системы.

Сейчас в российской ИТ-отрасли вводятся беспрецедентные льготы и меры поддержки: налоговые каникулы, дешевые кредиты, льготные условия по ипотекам для сотрудников ИТ-компаний, гранты. Однако, я уверен, что уже в ближайшее время наша отрасль столкнется с проблемами роста, которые связаны с тем, что мы во многом зависим от зарубежных технологических решений. Это та область, которую нужно импортозамещать в первую очередь.

Один из способов эффективно и быстро справиться с задачами такого масштаба - использовать алгоритмы, вдохновленные квантовыми технологиями (quantum-inspired). В промышленности и в частности в металлургии их применяют там, где необходимо оптимизировать производственную себестоимость, сократить затраты времени, энергии, ресурсов и даже снизить воздействие на окружающую среду. В России всего несколько команд прикладных математиков работают над такими алгоритмами, и с точки зрения промышленного применения они во многом опережают западных коллег.

В Таганроге создали систему передачи данных на основе квантовой физики
"Любой процесс, где есть слово "расписание", "последовательность", "график", включает задачи оптимизации. В некоторых случаях результат можно получить без сложных вычислений, и он будет достаточно точным: например, при составлении школьного расписания, - рассказал "РГ" генеральный директор компании "Квантовые системы" Дмитрий Васильков. - Но даже здесь может случиться ошибка в комбинации и тогда расписание будет неудобным для учеников или преподавателей. Если применять более сложные расчеты, можно сделать более точную оптимизацию и учесть интересы всех сторон, тогда расписание будет на несколько процентов экономить время преподавателей и упрощать логистику учеников. В случае школы это может быть незначительный эффект. Но если мы говорим о масштабном производстве, оптимизация работы всего на несколько процентов означает экономию большого количества ресурсов".

Задачи оптимизации решаются с помощью перебора и сопоставления комбинаций, объясняет эксперт. На компьютере можно перебрать небольшое количество переменных. Например, произведение всех натуральных чисел от 1 до 6 или 6! - это 720 различных последовательностей, а 10! - это уже 3 628 800. Количество шагов очень сильно растет при росте размера задачи. "Так, оптимизация графика сталелитейного производства - это задача с тысячами, а то и с десятками тысяч переменных. То же можно сказать про оптимизацию транспортировки продукции по железной дороге: у каждой позиции свои габариты, масса, номенклатура. Существует несколько видов железнодорожных вагонов, и для каждого из них - свой ряд требований по способу погрузки и размещения продукции. Задача - разложить ее в вагоны так, чтобы она своевременно уехала заказчику при минимальных расходах на перевозку", - говорит Васильков.

Решать подобные задачи с помощью классических алгоритмов на суперкомпьютерах невозможно: перебор вариантов займет сотни лет, считает предприниматель. Квантовый компьютер, который способен найти не просто оптимальное, а лучшее решение из всех возможных за минуты и даже секунды, находится сейчас в зачаточном состоянии. Для решения практических задач бизнеса у квантового компьютера должны быть сотни тысяч кубит, наименьших единиц информации этого вычислительного устройства (аналог бита в обычном компьютере. - Ред.). Это очень много. Для сравнения, сейчас самые большие компьютеры достигают всего ста кубит.

На производстве оптимизация работы на 2-3 процента приводит к колоссальной экономии
"В этой ситуации, когда обычные компьютеры недостаточно мощны, а квантовые вычисления недоступны, приходят на помощь более жизнеспособные и эффективные quantum-inspired алгоритмы. Они сохраняют баланс между точностью решения, скоростью и возможностью реализации. По сути это применение идей из квантовой механики и физики на обычном компьютере. Так, например, используется явление туннелирования, когда микрочастица может проходить сквозь препятствия, - объясняет Дмитрий Васильков. - В алгоритмах это проявляется как обход энергетических барьеров при параллельном поиске оптимума".

Интересно, что разработчики quantum-inspired алгоритмов вдохновляются не только современной физикой, но и опытом сталелитейного производства. Один из самых популярных алгоритмов - имитация отжига, он напоминает поведение материалов во время их нагревания и медленного охлаждения, добавляет эксперт.

Основная ценность квантово-вдохновленных алгоритмов в том, что они применимы на практике здесь и сейчас и доступны любому производству
Алгоритм работает так же: систему "нагревают", то есть, с одной стороны, приводят ее в заведомо неоптимальное состояние, но с другой - дают возможность динамично меняться. "Дальше алгоритм на каждом шаге выбирает новое состояние системы и "понижает температуру" - интенсивность процесса оптимизации. Алгоритм останавливается по достижении точки, при которой условная температура процесса равна нулю. При правильном выборе параметров алгоритма конечное состояние системы будет близко к оптимальному - небольшая погрешность в точности компенсируется многократным выигрышем в скорости", - говорит Васильков.

Так, рассказывает он, не прибегая к квантовому компьютеру, можно ускорять вычисления на классических машинах от десяти до десяти тысяч раз, что в итоге позволяет сократить время поиска и повысить точность. То, что раньше рассчитывалось за сутки или часы, теперь можно посчитать за минуты и секунды. Затраты на внедрение quantum-inspired решений через несколько месяцев полностью окупятся и начнут приносить прибыль, помогая достичь высокого уровня эффективности производства.

Запущен первый квантовый суперкомпьютер за пределами Северной Америки
Запущен первый квантовый суперкомпьютер за пределами Северной Америки
"Угрожает ли создание квантового компьютера quantum-inspired алгоритмам? - спрашивает эксперт. И тут же сам отвечает: - Нет. Пока непонятно, удастся ли вообще создать квантовый компьютер нужных масштабов, так как очень сложно поддерживать большую квантовую систему в стабильном состоянии длительное время. Все существующие сейчас кубиты нестабильны и имеют срок жизни, достаточный для реализации лишь простых демонстрационных алгоритмов".

Основная же ценность квантово-вдохновленных алгоритмов в том, что они применимы на практике здесь и сейчас и доступны любому производству. Они позволяют обойтись без квантового компьютера для большинства процессов оптимизации. А когда на рынке наконец появятся квантовые компьютеры необходимой мощности, quantum-inspired алгоритмы можно будет перенести на них практически бесшовно. Поэтому можно сказать, что quantum-inspired алгоритмы помогают транслировать научные достижения в практически применимые методы оптимизации, резюмирует Дмитрий Васильков.