Những tiến bộ công nghệ gần đây mở ra cơ hội mới cho các doanh nghiệp và nhà nghiên cứu để khám phá ứng dụng thực tế cho máy tính lượng tử, ví dụ như việc tối ưu hóa việc phân bổ cổng tại sân bay.

Khả năng kỳ lạ của các hạt cơ bản có thể tồn tại đồng thời ở hai nơi khác nhau, giúp những máy tính lượng tử gọi là có khả năng thực hiện một số tính toán nhanh hơn đáng kể so với các đối tác thông thường của chúng. Khả năng này có thể sớm giúp giải quyết các vấn đề trong cuộc sống hàng ngày của chúng ta, chẳng hạn như tránh bị lỡ các chuyến bay nối chuyến.

Trong khi máy tính thông thường lưu trữ thông tin dưới dạng các chữ số nhị phân hay bit, có thể là không hoặc một, thì máy tính lượng tử sử dụng Qubit. Những Qubit này có thể biểu diễn một hỗn hợp phức tạp của không và một do hành vi phụ ảnh vi mô của chúng. Chúng có thể phối hợp hành động của mình với các Qubit khác ngay lập tức, bất kể chúng cách xa nhau đến đâu, một hiện tượng mà Albert Einstein gọi là "hoạt động ma quái từ xa".

Mặc dù những máy móc to lớn, chất lượng cao cần thiết cho những nhiệm vụ như vậy có khả năng phải mất ít nhất một thập kỷ nữa mới xuất hiện, nhưng máy tính lượng tử từ các công ty như IBM và D-Wave Systems đã vượt qua các máy tính thông thường mạnh nhất thế giới trong một số phép tính có liên quan đến vật lý. Những tiến bộ này thúc đẩy các công ty và các nhà nghiên cứu theo đuổi nhiều ứng dụng thực tiễn hơn – chẳng hạn như tính toán lộ trình tối ưu cho hành khách đến nơi kết nối các chuyến bay của họ.

"Chúng ta đang sống trong một kỷ nguyên mà chúng ta thực sự có cơ hội để nghiên cứu xem nên triển khai máy tính lượng tử ở đâu," Karl Jansen, nhà vật lý tại Điện tử Synchrotron Đức (DESY), người đang làm việc về vấn đề cổng bay cùng công ty máy tính lượng tử IonQ, nói.

D-Wave đã sử dụng máy tính lượng tử của mình để giúp khách hàng xác định lịch trình giao hàng thực phẩm, lập kế hoạch tuyến đường cho các chuyến quảng cáo và xử lý hàng hóa tại cảng Los Angeles. Những nhiệm vụ này là ví dụ về các vấn đề tối ưu hóa, được biết đến với độ phức tạp cao do sự đa dạng của các phương án lựa chọn. Các ví dụ khác bao gồm việc đóng gói hiệu quả các thùng hàng trong container và việc cân nhắc giữa rủi ro và lợi nhuận trong danh mục đầu tư tài chính.

Có 100.000 cách để phân bổ năm máy bay cho mười cổng tại một sân bay. Nếu tăng lên 50 máy bay và 100 cổng, số cách phân bổ sẽ tăng vọt lên 10 mũ 100 - cao hơn nhiều so với số lượng các nguyên tử trong vũ trụ hữu hình. Không có máy tính thông thường nào có thể theo dõi tất cả những khả năng này, nhưng một máy tính lượng tử có thể làm được điều đó một cách lý thuyết.

Bộ sưu tập của Qubits cư xử như các sóng, chứa đựng một lượng lớn dữ liệu. Một máy tính lượng tử chỉ với 350 Qubits có thể theo dõi lý thuyết tất cả các phương án giải cho vấn đề phân bổ 50 máy bay cho 100 cổng.

Angelo Bassi, nhà vật lý tại Đại học Trieste, so sánh sự khác biệt giữa việc tính toán cổ điển và tính toán lượng tử với sự khác biệt giữa một lướt sóng và một con sóng khi chúng gặp một tảng đá. Người lướt sóng chọn đi về bên trái hoặc bên phải tảng đá, trong khi con sóng làm cả hai việc cùng lúc. Một số đặc điểm cơ bản của tảng đá có thể được suy ra từ con đường của người lướt sóng, nhưng có thể học hỏi được nhiều hơn từ mô hình sóng trên mặt nước.

"Những sóng mang theo nhiều thông tin hơn so với các hạt," Bassi nói.

Qubit rất khó để kiểm soát. Thường được tạo ra với mạch siêu dẫn hoặc ion bị giữ lại, qubit có thể bị phá hủy bởi những xáo trộn nhỏ nhất và thường phải được làm lạnh ở nhiệt độ thấp hơn không gian liên sao. Ngay cả khi đã làm lạnh, qubit vẫn dễ mắc lỗi hơn nhiều so với bit, những cái dựa trên mạch điện tử thông thường.

Máy tính lượng tử trong tương lai sẽ cần một số lượng lớn qubits – có thể là hàng triệu – để khắc phục vấn đề lỗi và vẫn có đủ sức mạnh để thực hiện các nhiệm vụ như mô phỏng động lực của các nguyên tử và phân tử, theo một nghiên cứu của Microsoft trong năm 2022.

Tiêu đề này được dịch sang tiếng Việt như sau:

"Tuy nhiên, ngay cả các thiết bị tương đối yếu ngày nay cũng đã vượt qua ngưỡng, làm cho chúng đủ mạnh mẽ để vượt trội so với những siêu máy tính tiên tiến nhất thế giới trong một số phép tính. Điểm quan trọng này nằm ở đâu đó giữa 50 và 100 Qubits, theo Travis Humble, Giám đốc Trung tâm Khoa học Lượng tử tại Phòng thí nghiệm Quốc gia Oak Ridge."

Một cột mốc đã được đạt vào tháng Sáu năm ngoái, khi IBM công bố một nghiên cứu trên tạp chí “Nature” cho thấy bộ xử lý 127 qubit của họ có thể vượt trội máy tính thông thường trong một số tính toán liên quan đến vật liệu từ. Vào tháng Ba, các nhà nghiên cứu từ D-Wave đã công bố một bài báo chưa được đánh giá phản biện, chỉ ra rằng máy móc mới nhất của họ có thể tính toán các lượng trong vài phút, là công việc mà siêu máy tính mạnh mẽ nhất thế giới cần hàng triệu năm để hoàn thành.

Trong tất cả các yêu sách về sự vượt trội của máy tính lượng tử so với máy tính thông thường đã được đưa ra trước đây, thì đây thực sự là yêu sách mạnh mẽ nhất", Daniel Lidar, Giám đốc Trung tâm Khoa học & Công nghệ Thông tin Lượng tử tại Đại học Nam California, nói.

D-Wave tập trung mạnh vào ứng dụng tối ưu hóa, bằng cách phát triển một loại máy tính lượng tử đặc biệt có tên là Annealer, chuyên giải quyết vấn đề này. Nó chứa khoảng 5.000 Qubits, tuy nhiên lại giới hạn ở việc tìm kiếm nhanh các câu trả lời gần đúng thay vì tiến hành các tính toán chính xác.

Dấu hiệu hứa hẹn cho thấy công nghệ Annealing của D-Wave có thể có lợi thế so với máy tính truyền thống trong việc giải quyết các vấn đề thực tế là Lidar đến từ USC đã chỉ ra vào đầu năm nay cách nó có thể được sử dụng để giành chiến thắng trong một trò chơi toán học tương tự như bài toán tối ưu hóa, trong một bài báo hiện đang được phản biện.

Cuộc đua bắt đầu để tìm hiểu những ứng dụng thực tế khác mà thế hệ mới nhất của máy tính lượng tử có thể có.

Jansen từ DESY nói rằng ông đã thành công trong việc giải các phiên bản nhỏ của bài toán tối ưu hóa cổng bay trên máy tính lượng tử Ion cố định của IonQ và đã thấy những dấu hiệu sớm cho thấy kỹ thuật của mình có thể vượt trội hơn các phương pháp tính toán truyền thống nếu có đủ số lượng qubit lớn.

Nhóm nghiên cứu thuộc Cleveland Clinic nói rằng, một máy tính lượng tử của IBM đã vượt trội một thuật toán trí tuệ nhân tạo tiên tiến bằng cách sử dụng phương pháp tương tự như của Jansens để dự đoán hình dạng của một đoạn phân tử protein dựa trên kiến thức về các axit amin của nó – một nhiệm vụ có thể hữu ích trong việc phát hiện và điều trị một số bệnh, nếu khả năng của máy tính lượng tử tiếp tục phát triển. Bài báo của họ đã được công bố trên Tạp chí Lý thuyết và Tính toán Hóa học của ACS.

Khi việc tối ưu hóa được tích hợp vào việc đào tạo các thuật toán học máy, một số công ty tin rằng điện toán lượng tử có thể làm cho các ứng dụng AI trở nên thông minh hơn.

IonQ đã hợp tác với Hyundai trong việc phát triển AI dựa trên lượng tử để giúp xe tự lái nhận diện biển báo giao thông và các đối tượng khác. Việc chuyển sang huấn luyện AI dựa trên lượng tử trong một mô hình học máy nhỏ đã làm tăng độ chính xác từ 30% lên 60%, theo IonQ. Công ty tin rằng, một khi số lượng qubit tăng từ 36 hiện tại lên đến 64 vào năm sau, thuật toán của họ sẽ vượt trội mọi mô hình học máy không dựa trên lượng tử có thể tưởng tượng được.

Tiếp cận Thử và Lỗi có thể chắc chắn phát hiện ra ứng dụng mới cho máy tính lượng tử, theo Scott Aaronson, Giám đốc Trung tâm Thông tin Lượng tử tại Đại học Texas ở Austin. Tuy nhiên, những lý thuyết đã biết cho thấy sự tăng tốc của Quantum trong tối ưu hóa và AI sẽ tương đối khiêm tốn và có khả năng sẽ không tạo ra tác động thương mại cho đến khi máy tính lượng tử lớn hơn nhiều và được sửa lỗi, ông nói.

"Thật sự rất khó để thấy làm thế nào có thể tạo lợi nhuận với thế hệ thiết bị hiện tại," Aaronson nói. "Phải có một điều gì đó xảy ra, nằm ngoài những gì chúng ta biết về các thuật toán hiện nay."

Nhưng chính điều đó lại là hy vọng của một số nhà tiên phong lượng tử ngày nay: một bước đột phá phát sinh từ các thí nghiệm.

Đã từng xảy ra một lần, theo Ricardo Garcia từ Moody’s Analytics, người đã làm việc với công ty Quantum Computing Rigetti trong một dự án nhằm cải thiện độ chính xác của mô hình dự báo suy thoái dựa trên AI. Một trong những phương pháp mạnh mẽ nhất hiện nay được sử dụng cho các vấn đề tối ưu hóa, thuật toán Simplex, đã được phát triển trong những năm 1940, lâu trước khi các nhà lý thuyết có thể giải thích tại sao nó hoạt động hiệu quả đến như vậy.

"Chỉ vì hôm nay không có bảo đảm lý thuyết không có nghĩa là không có cơ hội ngắn hạn," Garcia nói.