Квантовые компьютеры продолжают оставаться в наши дни экзотикой, хотя сообщения о всё новых успехах на этом направлении поступают регулярно. Вот в Ирландии анонсирован шестикубитный вычислитель RacQ в формате стандартной 19-дюймовой серверной стойки, рассчитанный на совместное применение с фоннеймановскими машинами в рамках единого дата-центра. А вот в КНР доработали до версии 4.0 фотонный квантовый процессор семейства Jiuzhang, который вместо привычных кубитов полагается на 1024 сжатых состояния света, за счёт применения изощрённой интерферометрической схемы с 8176 модами дающих исследователям возможность оперировать тремя с лишним тысячами фотонов: такая система способна выполнять вычисления особого класса — гауссову бозонную выборку (Gaussian boson sampling, GBS) — за считаные микросекунды; на многие десятки порядков быстрее самых передовых классических суперкомпьютеров (квантовое превосходство налицо; жаль только, практических приложений у GBS нет, — пока это исключительно демонстрационная задача). В лабораториях при Гарвардском университете в США предсказали скорое, в ближайшие 5−10 лет, появление высокопроизводительных и устойчивых к ошибкам квантовых вычислителей, заодно посетовав, кстати, что не слишком себе представляют, для каких именно прикладных задач эти агрегаты могут пригодиться. А и в самом деле, для каких?
Шифруй не шифруй
Ключевые принципы устройства и работы квантовых компьютеров: вместо оперирования фиксированными битами (кодирующий «0» сигнал в норме так и остаётся нулём, путешествуя по контурам вычислительной схемы, и, только проходя через логические вентили, получает шанс измениться на «1») они полагаются на квантовые эффекты: суперпозицию и запутанность. Тут, конечно, не обходится без противоречия: квантовый компьютер — агрегат по необходимости макроскопический, тогда как квантовые эффекты становятся пренебрежимо малыми, когда коллективное поведение составляющих систему элементарных частиц (протонов, электронов, фотонов и т. п.) усредняет имманентно присущие каждой из них на микроуровне квантовые свойства. Инженерам приходится немало изощряться, либо создавая макроскопические структуры с квантовыми свойствами (колебательные контуры, в основном), либо находя способы наблюдать и контролировать поведение подлинно квантовых объектов — одиночных ионов, фотонов и проч. — в больших установках. Как раз необходимость с высокой точностью координировать события на квантовом уровне управляющими сигналами из макромира, а затем транслировать обратно в макромир результаты квантовых процессов и делает квантовые вычислители столь громоздкими, недолговечными (в смысле быстрой утери запутанности составляющими их кубитами вследствие декогеренции, что жёстко ограничивает доступное для проведения вычислений время) и сложными в плане дальнейшего масштабирования аппаратами. Кстати, именно по той причине, что при нормальных условиях — в отсутствие технических ухищрений — макроскопические объекты декогерируют за время, исчисляемое ничтожными долями секунды (порядка 10−20 с и даже менее), квантовые эффекты в макромире, за редким исключением, не наблюдаются.
Для чего же далеко не первое десятилетие подряд учёные неустанно генерируют идеи для разработки всё новых разновидностей квантовых компьютеров, а инженеры, преодолевая неимоверные сложности, изыскивают способы воплощать эти озарения в металле? Всё просто: суперпозиция и запутанность позволяют квантовым вычислителям (точнее, квантовым системам, поведение которых организовано специальным, ориентированным на получение определённого результата по заранее продуманному алгоритму образом) словно бы выполнять множество однотипных вычислений — с разными входными параметрами — параллельно. Такой подход не просто кратно, а сразу на много десятичных порядков повышает вычислительную мощность квантовых компьютеров в сравнении с фоннеймановскими — и даже позволяет (хотя бы в принципе, когда удастся создать эффективные устойчивые системы из многих сотен, а лучше тысяч логических кубитов) решать задачи, слишком сложные для классических компьютеров. «Слишком» — в том смысле, что необходимое для классических вычислений время может, если хранить верность фон Нейману, превосходить оценочный возраст наблюдаемой части Вселенной, как в случае факторизации действительно больших чисел, скажем.
Пожалуй, наиболее наглядный пример практической применимости квантовых компьютеров — это атаки на традиционные криптографические алгоритмы. Те полагаются в значительной своей части как раз на невозможность решать сложные вычислительные задачи (вроде упомянутой уже факторизации) классическими средствами за сколько-нибудь разумное время. Совсем недавно на доступном через облако квантовом вычислителе был взломан 15-битный ключ шифрования — точнее, из открытого (публичного) ключа исследователь с применением алгоритма Шора получил исходный, закрытый. Да, это пока всего лишь демонстрация принципиальной возможности: применяемые сегодня повсеместно ключи состоят по меньшей мере из 256 символов, и, чтобы справиться с ними, квантовым технологиям придётся проэволюционировать ещё не один год. Но аналитики уже стращают ИТ-отрасль появлением общедоступных «квантовых отмычек» (этот роковой рубеж образно называют Q-Day) к 2030-му, самое позднее к 2035 г., а инженеры вовсю осваивают постквантовую криптографию — создавая, к примеру, жёсткие диски, способные уберечь данные от атак с отложенной расшифровкой (когда пока что невзламываемые хеши паролей злоумышленники накапливают в ожидании грядущей вскоре возможности).
По счастью, квантовые компьютеры тоже не всесильны: для решения на них доступны (и тем более оптимальны) далеко не все классы задач. Так что алгоритмы для эффективного шифрования в постквантовую эпоху существуют, известны и активно внедряются. Просто так в своё время сложилось, что один из самых популярных в мире криптоалгоритмов, RSA, основанный именно на факторизации, быстро сделался общепринятым — что и сдержало в своё время развитие альтернативных подходов. Теперь же тем просто дали зелёный свет, и потому криптография на решётках, цифровые подписи на основе криптографических хеш-функций, обмен ключами с использованием суперсингулярных изогений и прочие постквантовые изыски в ближайшие годы прочно внедрятся в широкий обиход. Получается, квантовые компьютеры на криптографическом направлении будут в итоге значимы не сами по себе, а в негативном смысле. Как некий жупел, самим существованием своим напоминающий: нельзя применять RSA и иные квантово-нестойкие подходы, если требуется сохранить информацию в тайне. Как-то это… расхолаживает
Одним негативом дело, конечно же, не ограничивается: немало по-настоящему сложных прикладных задач, классическими компьютерами не решаемых, дожидаются поры, когда в строй уверенно встанут подлинно многокубитные (по числу логических, а не физических кубитов) квантовые вычислители. Сложность здесь определяется вполне строго, в математическом смысле: вычислительные задачи делятся на классы в зависимости от того, насколько время- и/или ресурсоёмким оказывается их решение при использовании оптимального алгоритма. К одному и тому же классу сложности логично отнести, скажем, те задачи, которые могут быть решены на одном и том же «железе», — каждая с применением оптимального именно для неё алгоритма, разумеется, — за схожее время. Общепринятая нотация «О большое» (Big O notation) позволяет оценить, как изменяется время выполнения алгоритма либо объём необходимой для вычислений по нему памяти в зависимости от размера входных данных. Последний момент особенно важен, кстати, в приложении к модной ныне теме искусственного интеллекта: объёмы входных данных там поистине гаргантюанские, так что оптимизации алгоритмов для решения ИИ-задач (не исключая и привлечения квантовых компьютеров) уделяют на этом направлении особенно пристальное внимание.
Так вот, простыми — или практически разрешимыми — в математическом смысле принято считать задачи, решаемые за время, полиномиально растущее с размером массива входных данных, обозначаемого как n. Можно сформулировать чуть иначе, отвлекаясь от понятия времени: число шагов, которые потребуется произвести машине для получения ответа, пропорционально количеству входных данных в некой постоянной степени (тому самому полиному). К полиномиальному классу (polynomial — P-class problems) относятся задачи O(n), O(n2) и, в общем случае, O(nk), где k, что очень важно, — константа, причём чаще всего не слишком большая, иначе смысл «простоты» откровенно размывается. Просты в математическом смысле все задачи сортировки, проверка заданного числа на делимость, определение связности графов и много чего ещё. Компьютеры, построенные на принципах фон Неймана, задачи такого типа решают особенно эффективно. Квантовые вычислители, строго говоря, привлекать здесь незачем: даже если выигрыш по времени и проявится, затраты на изготовление многокубитной системы, подходящей для решения многопараметрической задачи низкополиномиального класса, заведомо превысят все разумные пределы. Возможно, если когда-то квантовые компьютеры эволюционируют в той же мере, в какой сегодня развиты классические, ситуация изменится, — но пока что фон Нейману остаётся фоннейманово.
Следующий класс сложности, NP (non-deterministic polynomial), определяется несколько хитрее: эпитет «недетерминистский» достался ему от недетерминированной машины Тьюринга, поскольку к классу NP принято относить как раз такие задачи, которые именно на этой машине решаются за полиномиальное время. В различия между детерминированной и недетерминированной машинами Тьюринга углубляться здесь не будем; отметим лишь, что недетерминированные машины расширяют возможности моделирования вычислений, позволяя одновременно проверять несколько вариантов решения задачи (а вот тут уже касательство к квантовым вычислениям самое прямое). Яркий пример NP-задачи, на детерминированной машине Тьюринга в принципе решаемой, но крайне неэффективно, — это классическая проблема коммивояжёра или уже обсуждавшееся разложение большого числа на простые множители. Здесь возможность машины перейти на каждом очередном шаге в несколько состояний одновременно экономит массу времени — если сравнивать с тем, что затратит на решение той же задачи детерминированная машина Тьюринга. И хотя длительность решения задач NP-класса с увеличением размера входных данных n возрастает экспоненциально, как en, проверить полученный результат (в нашем примере — перемножить найденные машиной простые числа, получив в итоге исходное) можно по-прежнему за полиномиальное время. Известны и NP-полные задачи — можно сказать, самые сложные в этом классе: такие, к которым возможно свести любую другую NP-задачу опять-таки за полиномиальное время. Отдельный вопрос — равны ли классы сложности P и NP, но его мы сейчас затрагивать не станем: недаром это одна из семи ключевых проблем теоретической кибернетики, за строгое доказательство или обоснованное опровержение решения которых Математический институт Клэя (Clay Mathematics Institute) пообещал выплатить по миллиону долларов.
Важно, что квантовый компьютер — даже тот недостижимый пока промежуточный идеал мощностью в одну тысячу логических кубитов, который окончательно обессмыслит самые распространённые ныне криптографические алгоритмы, — не станет волшебной палочкой для решения по-настоящему сложных задач: ни всех NP-полных, ни даже значительной части NP. Класс задач, с которыми в принципе готовы эффективно справляться квантовые компьютеры, определяется как bounded-error quantum polynomial time (BQP) — решаемые с ограниченной ошибкой за полиномиальное время. Ограничения на ошибку при этом накладываются, прямо скажем, щадящие: не более 1/3 от всех выдаваемых ответов для любого набора входных данных. И даже при таком подходе, уверены исследователи, большинство NP-задач и все NP-полные задачи останутся для квантовых компьютеров сложными в вычислительном смысле. Да, есть целый ряд проблем, которые для фоннеймановских машин вычислительно сложны, а для квантовых потенциально (отвлекаясь от ограничений доступных на нынешнем уровне развития квантовых вычислителей) просты, включая, возможно, даже некоторые задачи, лежащие за пределами NP-класса. Это уже не раз упоминавшаяся факторизация больших чисел при помощи алгоритма Шора, обеспечивающего экспоненциальное ускорение вычислений, если сравнивать с лучшими классическими алгоритмами. Это поиск определённого элемента по алгоритму Гровера (GSA — Grover search algorithm), который на неструктурированном наборе данных даёт фору классике с квадратичным ускорением — O(√n) против O(n). Ну и так далее: «зоопарк» квантовых алгоритмов включает уже несколько десятков — правда, за исключением шоровского и гроверовского, прочие более специфичны и обладают довольно узкими областями применимости.
Вежливый отказ
Весной 2024 г. Google и XPrize объявили, что готовы выплатить 5 миллионов долларов тем, кто предложит (на уровне не чистой идеи, разумеется, а хоть сколько-нибудь проработанного проекта) варианты применения квантовых компьютеров. Новые варианты, конечно же; помимо взлома классической криптографии (Шор), выборки элемента в неструктурированном массиве (Гровер) и ещё нескольких реализованных к настоящему времени квантовых алгоритмов. Под конец 2025-го из 133 поданных на конкурс заявок устроители отобрали семь со следующими заявленными направлениями работы:
Calbee Quantum (США) — ускоренное квантовое моделирование новых материалов, в частности для полупроводниковых приложений и оптоэлектроники;
Gibbs Samplers (Венгрия) — квантовое алгоритмическое моделирование термализации квантовых систем при низких температурах, также позволяющее в перспективе быстрее создавать новые материалы с заданными свойствами,
Phasecraft (Великобритания) — применение квантовых симуляций для моделирования квантовой химии; и снова речь о создании новых материалов, только с упором на экологически чистые и в то же время эффективные солнечные элементы,
Xanadu (Канада) — моделирование временнóй эволюции определённых молекулярных процессов; здесь в фокусе внимания тоже открытие более эффективных органических солнечных элементов,
QuMIT (США) — построение нового алгоритма, который значительно ускорил бы обнаружение сообществ в гиперграфах, что, в свою очередь, позволит точнее моделировать белок-белковые взаимодействия в ходе разработки целенаправленной терапии полигенных заболеваний,
Q4Proteins (Швейцария) — создание высокоэффективного конвейера моделирования биохимических соединений и структур, включая биомолекулярные конденсаты, путём сочетания квантового подхода с классическим машинным обучением,
QuantumForGraphproblem (США) — подтверждение действенности нового квантового алгоритма для решения линейных систем уравнений, предположительно, не зависящего от числа обусловленности — меры чувствительности точности и стабильности решения к малым изменениям входных данных, — что в перспективе позволит обеспечить квантовое превосходство для широкого спектра прикладных задач.
Теперь же, в середине 2026-го, состязание, которое продлится ещё около года, вступило во второй этап: финалистам предлагается дополнить предложенные перспективные идеи основанными на фактах оценками их эффективности, включая подсчёт необходимых для реализации ресурсов и потенциальную экономическую отдачу. Отдача, кстати, обещает в ряде случаев быть довольно заметной: так, один из финалистов, британский стартап Phasecraft, намеревается реализовать на доступных системах сразу два новых квантовых алгоритма, которые позволят точнее предвычислять свойства материалов для высокопроизводительных электрических батарей — с целью ускорить прогресс на этом инженерном направлении. Звучит, может быть, не столь завораживающе, как громогласные предупреждения о скорой сдаче в утиль криптографических алгоритмов семейства RSA, — но это по крайней мере хоть что-то по-настоящему прикладное. И это практически всё, чего удалось добиться в относительно практическом плане за пять миллионов долларов.
В последние годы вопросы о том, для чего в принципе нужны квантовые компьютеры (особенно с учётом внушительных инвестиций в их развитие), ставятся всё острее, — и, честно говоря, обезоруживающих ответов на них разработчики скептикам-оппонентам не дают. В конце 2024-го Ян Лекун (Yann LeCun), в ту пору глава отдела исследований в области искусственного интеллекта экстремистской Meta✴*, осторожно отметил, что, хотя квантовые вычисления бесспорно представляют собой «увлекательное направление научных изысканий», в «возможности создания действительно полезных квантовых компьютеров» он не слишком убеждён. И уже под конец 2025-го он ушёл в свободное плавание, возглавив нацеленный на разработку «моделей мира» для ИИ стартап AMI Labs, о котором мы уже писали. Конечно, на роль эксперта именно по квантовым технологиям Лекун никогда и не претендовал, но его сдержанный скепсис разделяют и многие профессионалы в этой области — скажем, Оскар Пейнтер (Oskar Painter), руководитель отдела квантового оборудования Amazon Web Services, указывающий на «огромный ажиотаж» вокруг квантовых вычислений — и искренне сетующий, что становится «трудно отделить перспективные в плане возможного воплощения идеи от совершенно нереалистичных».
Загвоздка, строго говоря, даже не в относительной скудости арсенала накопленных человечеством к настоящему времени квантовых алгоритмов: дело это наживное. Фундаментальная проблема современных квантовых компьютеров — чрезмерно высокий уровень ошибок в выдаваемых ими результатах. Сегодняшние системы такого рода относятся к категории NISQ — noisy intermediate-scale quantum, «шумных квантовых вычислителей промежуточного масштаба», которые в отсутствие громоздких и ресурсоёмких систем коррекции ошибок не в состоянии будут выполнять хоть сколько-нибудь полезные задачи, — пусть даже исследователи завтра обнаружат какие-нибудь неимоверно уместные в прикладном плане квантовые алгоритмы. Приводившаяся уже оценка того, что для создания одного надёжно (т. е. с минимально приемлемым уровнем ошибок) исполняющего свою функцию логического кубита может потребоваться до одной тысячи физических, делает реализацию подлинно прорывных квантовых вычислителей — действующих в том масштабе оперирования входными данными и с той скоростью, которая требуется для исполнения полезных BQP-задач, — по словам Пейнтера, «далёкой целью».
Следующим шагом после NISQ могут стать отказоустойчивые квантовые системы (fault-tolerant quantum computing, FTQC), — возможно, не сразу, а с неким промежуточным этапом, который так и будет именоваться, intermediate-scale quantum (ISQ). Ожидается, что в случае вычислителей FTQC каждый логический кубит за счёт применения как более совершенных алгоритмов коррекции ошибок, так и неких новых аппаратных подходов будет формироваться не многими сотнями, а всего лишь малыми десятками физических. Это даст возможность — не ранее начала 2030-х, правда, — всё-таки добраться до более или менее производительных квантовых компьютеров с трёх-, а то и четырёхзначным числом логических кубитов. Другой путь к той же цели — правда, ещё хуже проработанный и меньше изученный на данный момент, — указывает идея близких к идеальным квантовых компьютеров (near-perfect scale quantum, NPLSQ), которые должны строиться на «почти совершенных» высокосвязных кубитах (с рабочим показателем точности — qubit fidelity — до 99,9999%), практически не нуждающихся в коррекции ошибок. Увы, на каких принципах такие вычислители строить, не слишком пока понятно.
Понять — значит воспроизвести
Зато вполне ясно, для чего такие высокоточные искусственные квантовые системы могут пригодиться: для симуляции естественных, конечно! Ещё в далёком 1981-м Ричард Фейнман (Richard Feynman), великий теоретик и преподаватель физики, выдвинул саму концепцию квантового компьютера как эффективного средства моделирования природных квантовых систем. И это вполне логично: в основе любых явлений физической реальности лежит именно квантовая механика, подчиняющаяся математически строгому уравнению Шрёдингера, так что симулировать поведение квантовых систем — атомов, молекул, мезоскопических структур и т. д. — именно на компьютерах словно сама Природа велела. Но вот какая загвоздка: для пары квантовых частиц — изолированного атома водорода, образованного протоном и нейтроном, — уравнения состояния, они же уравнения Шрёдингера, решаются без особого труда аналитически. В результате наблюдается полное соответствие полученных на бумаге расчётов всему спектру наблюдаемых для такого атома характеристик: значения энергетических уровней — корректные, форма электронных орбиталей — верная, величины квантования энергии совпадают с измерениями и т. д. А вот дальше — беда: для нескольких частиц в общем случае аналитически уравнение Шрёдингра уже не решить, — приходится прибегать к компьютерным (фоннеймановским, ясное дело) симуляциям в различных приближениях.
Если же частиц взять хотя бы сотню — а это количество протонов и электронов в далеко не самой сложной белковой молекуле, — то и классические компьютеры пасуют; задача оказывается технически неразрешимой. Именно технически, и это для учёных всего обиднее: уравнение-то состояния — вот оно; строгое, с предельной предсказательной силой, — но получить из него проверяемые на практике предсказания невозможно. Собственно, вся химия как наука — это огромный свод полученных опытным путём приближений строгого, но чрезмерно сложного, чтобы решать его в лоб, уравнения состояния — для множества частных случаев взаимодействий разнородных квантовых систем (атомов, ионов, оснований, цельных молекул и проч.). Когда человечество научится решать уравнение Шрёдингера для произвольного числа частиц, толстенные справочники химических реакций встанут на библиотечные полки по соседству со средневековыми бестиариями и пожелтевшими географическими картами
Вот по какой причине квантовые системы классов FTQC/NPLSQ настолько важны: если удастся для эмуляции молекулы (пусть даже не такой громадной, как какой-нибудь титин, состоящий из более чем 38 тыс. аминокислот) использовать квантовый компьютер, в котором каждый кубит будет соответствовать отдельному протону либо электрону со всеми присущими тому свойствами, наука о веществе совершит столь гигантский скачок, в сравнении с которым прыжок от кустарной алхимии к химии промышленных масштабов покажется переходом из средней детсадовской группы в старшую. Тут уж не придётся изобретать какие-то приближённые алгоритмы, чтоб упростить расчёты, — квантовая симуляция позволит попросту обойти экспоненциальный рост сложности вычислений при линейном наращивании числа частиц в квантовой же, но физически существующей системе. По мере роста числа логических кубитов удастся эмулировать всё более сложные комбинации элементарных частиц — причём не в абстрактном вакууме, а в физическом, пронизанном порождающими те же самые частицы полями, где должны — да просто обязаны — будут сами собой, безо всяких дополнительных алгоритмов, выполняться те же фундаментальные закономерности, что и в реальном мире.
Да и не обязательно в реальном: почему бы не проверить, какими свойствами обладала бы Вселенная с чуть отличной от нашей постоянной тонкой структуры или иной фундаментальной константой, просто смоделировав в квантовом вычислителе соответствующие элементарные частицы в огромных количествах и понаблюдав за их поведением? И когда-нибудь, вполне вероятно, существенно многокубитный квантовый компьютер послужит стендом для практической проверки корректности эвереттовской (многомировой) интерпретации квантовой механики, поскольку на симулированную квантовую систему исследователи смогут взглянуть со стороны — тогда как выйти за пределы нашей реальности с той же самой целью невозможно. По крайней мере, как высунуть голову за границу наблюдаемой Вселенной, идей нет, — зато общий курс на эволюцию квантовых компьютеров от нынешних, мало для чего пригодных, NISQ в сторону FTQC или NPLSQ уже начинает обретать довольно-таки определённые очертания. Хочется верить, что к 2030-му они сделаются ещё более ясными: по крайней мере, поток инвестиций в дальнейшее развитие квантовых вычислений год от года только нарастает.
