/
Текст
КВАНТОВЫЕ
ВЫЧИСЛЕНИЯ
И ДРУГИЕ ТЕХНОЛОГИИ
Душкин Роман
06 авторе-составителе
Душкин Роман Викторович
Генеральный директор ООО «A-Я эксперт»,
1 старший преподаватель кафедры 22
«Кибернетика» НИЯУ МИФИ. Эксперт в
области искусственного интеллекта.
Душкин Роман Викторович — российский учёный и практик в
области искусственного интеллекта, системным архитектор и
автор научных работ по машинному обучению, квантовым
вычислениям и когнитивному моделированию. Имеет
многолетний опыт разработки интеллектуальных систем для
транспортной отрасли и умных городов. В качестве эксперта
участвует в федеральных проектах по созданию
технологических решений для государственных структур.
Автор научно-популярных и учебных изданий, посвящённых
современным аспектам ИИ и цифровых технологий. Известен
своей активной позицией в вопросах развития искусственного
интеллекта в России, сочетая академическую деятельность с
прикладными разработками в индустрии.
Телеграм:
YouTube:
Mediametrics:
https://t.me/drv official
https://youtube.eom/@dushkin will explain
https://radio.mediametrics.ru/Texno/
Содержание
Предисловие ..............................6
Почему квантовые технологии — это будущее? .... 9
Кубиты: кок информация становится
квантовой?...............................12
Квантовая запутанность: магия «связи» частиц .. 20
Состояния Белла: квантовый «алфавит»
запутанности .......................... 25
Квантовая телепортация: не то,
что вы подумали..........................30
Как устроен квантовый компьютер? От ионных
ловушек до кудитов.......................35
Квантовые компьютеры сегодня: IBM, Google,
Rigetti и другие.........................39
Логика против физики: почему 1000 кубитов t1000
кубитов? ................................43
Почему «квантовый компьютер» D-Wove не является
универсальным квантовым компьютером?.....47
Квантовые облака: как уже сейчас попробовать
квантовые вычисления ....................53
Немного теории: обратимые вычисления ....58
Обзор формализмов для обратимых вычислений .. 61
Квантовые гейты: логика кубитов..........65
Квантовые гейты: кок перевести функцию
в оракул ................................69
Квантовые гейты: функциональный базис: I, X, Y, Z . 72
Сфера Блоха и гейты — вращение кубита в
пространстве.............................76
Квантовые гейты: конкретные примеры......81
Квантовые схемы: как проектируют алгоритмы .. 86
Алгоритм Бернштейна-Вазирани: квантовый
детектив находит секретный код...........91
Алгоритм Саймона: квантовый детектив находит
скрытый период ..........................97
Квантовая оценка фазы (QPE).............103
Немного теории: факторизация и дискретный
логарифм ...............................108
Детально о квантовом преобразовании
Фурье QFT...............................112
Алгоритм Шора: конец RSA?...............117
Вновь немного теории: интерференция.....121
Алгоритм Гровера: поиск в неотсортированной
базе....................................126
Как решить задачу Шора при помощи алгоритма
Г ровера?...............................131
Задача Фейнмана: зачем вообще нам квантовые
компьютеры?.............................135
VQE: квантовые алгоритмы для химии......138
QAOA: квантовые алгоритмы для финансов...143
Что же это за шумные квантовые NISQ-
процессоры?........................149
Новые алгооитмы: что изменилось за 10 лет? .... 153
Квантовые алгоритмы для машинного обучения
(HHL)....................................158
Квантовые случайные блуждания............163
Квантовые топологические вычисления .....168
Квантовая симуляция: от лекарств до
сверхпроводников.........................172
Кванты в ИИ: мифы и реальность ..........175
Квантовая криптография: как навсегда защитить
данные...................................179
Квантовый интернет: когда же все будут
связаны?.................................183
Квантовые сенсоры: от медицины до военных .... 187
Квантовые технологии через 10 лет: что дольше? 191
Заключение: зачем нам все эти кванты?....196
Предисловие
Мы запускаем цикл «Квантовые вычисления» на
канале «Технооптимисты».
Что ж, решено. Читатели нашего канала проголосовали
за то, чтобы мы по понедельникам рассматривали квантовые
технологии. В связи с этим давайте-ка я расскажу, как я
вообще пришел в эту область.
Дело было в далёком уже 2013 году. Я тогда очень
основательно погружался в разного рода вычислительные
модели — машины Тьюринга там, бильярдные шары и прочие
клеточные автоматы. И так или иначе я пришёл к квантовым
вычислениям. Дэвид Дойч со своей книгой «Структура
реальности» мне в этом очень помог, конечно.
Я начал искать информацию про квантовые вычисления
и первым делом наткнулся на курс «Квантовая механика и
квантовые вычисления» Умеша Вазирани в Калифорнийском
университете в Беркли (профессор Вазирани — один из тех
учёных, именем которого уже при его жизни назван один из
квантовых алгоритмов — алгоритм Бернштейна — Вазирани).
Я прошел этот курс и получил сертификат с отличием о его
окончании. В этот момент идея квантовых вычислений
настолько поразила меня, что я пошел погружаться в нее с
головой.
Я достал все книги по квантовым вычислениям на
русском языке, которые были к тому моменту в мире вообще.
Я прочитал их все. Я также прочитал несколько книг на
английском языке. И после этого я понял простую вещь — нет
ни одной книги, которая объясняла бы идею квантовых
вычислений программистам. Во всех книгах было написано
про ядерный магнитный резонанс и ионные ловушки Паули.
Большинство книг было написано физиками. Это примерно
всё равно, если бы нас программированию учили физики и
рассказывали бы про р-п-р переходы в транзисторах, их
устройство и вот это вот всё. Вероятно, когда-то оно так и
было.
И тогда я решил написать книгу про квантовые
вычисления для программистов, будучи программистом сам. Я
сосредоточился на логических аспектах квантовых
алгоритмов. И вот в 2014 году выходит моя книга «Квантовые
вычисления и функциональное программирование»
(https://clck.ru/3GiJ7P). Я рассмотрел в ней логику работы
квантовых компьютеров, немного коснулся языка
программирования Quipper и показал зоопарк квантовых
алгоритмов, описав все, информация о которых была в
открытом доступе на то время.
Прошло 10 лет. Давайте же посмотрим, что изменилось с
тех пор. Подписывайтесь на канал @drv official, чтобы по
понедельникам быть в курсе того, что происходит в области
квантовых вычислений и квантовой информации вообще.
Погнали!
Каждый может свободно распространять эту брошюру.
Квантовая информация тоже хочет быть свободной!
Роман Душкин,
2025.
Почему квантовые технологии —
это будущее?
Привет, технооптимисты!
Сегодня стартует наш долгожданный цикл о квантовых
вычислениях — области, которая перевернёт всё: от
шифрования данных до разработки лекарств. Но прежде чем
мы нырнём в формулы и алгоритмы, давайте я расскажу,
почему вы тоже должны заглянуть в эту «квантовую кроличью
нору».
О том, как я стал одержим квантами, я немного написал
здесь: https://t.me/drv official/1460.
Почему это важно сейчас?
За 10 лет квантовые технологии выросли из
лабораторных экспериментов в индустрию с миллиардными
инвестициями. Вот что уже происходит:
Компании Google и IBM соревнуются в создании квантовых
процессоров.
♦ Китай запустил спутник для квантовой связи.
Банки (JPMorgan, Goldman Sachs) тестируют квантовые
алгоритмы для прогнозирования рынков.
Но главное — квантовый компьютер не заменит
классический, а дополнит его. Он решит задачи, которые
сегодня невозможны:
♦ Взломать RSA-шифрование за минуты (алгоритм Шора).
Создать новое лекарство, смоделировав молекулу за часы,
а не за века.
♦ Управлять спутниками с помощью сверхточных квантовых
сенсоров.
О чём будем говорить в цикле? Каждый понедельник —
новый пост. Вот маршрут нашего погружения:
♦ Квантовая информатика —► Кубиты, запутанность и
телепортация.
Квантовые компьютеры Как их собирают и почему они
такие капризные?
♦ Алгоритмы —> От Шора до машинного обучения.
♦ Применения —> Криптография, химия, ИИ.
♦ Смежные технологии —> Квантовый интернет и сенсоры.
Что будет в следующий понедельник? Разберём кубиты
— кирпичики квантового мира. Вы узнаете: почему кубит
похож на монету, которая вращается в воздухе; как кот
Шрёдингера связан с квантовыми вычислениями; что такое
суперпозиция и почему это не «и 0, и 1».
Ваша очередь! Если у вас уже есть вопросы о квантовых
технологиях — пишите в комментарии. И да, подписывайтесь
на канал @drv official, чтобы не пропустить ни один пост.
Р. S.: Делитесь этим постом с коллегами, которые до сих
пор думают, что кванты — это «про физику». Посмотрим, что
они скажут через месяц.
Р. Р. S.: Если вы программист и хотите сразу попробовать
квантовый код — вот вам вызов: напишите «Hello, Quantum
World» на Qiskit. Инструкции ждут в следующем посте!
Обсудить можно тут:
https://t.me/drv official/1469
Кубиты: как информация
становится квантовой?
Привет, технооптимисты!
На позапрошлой неделе мы запустили цикл о квантовых
вычислениях, а сегодня разберём их фундамент — кубиты.
Это странные штуки, которые одновременно и 0, и 1, и ни то,
ни другое. Но не волнуйтесь: я объясню их на трёх уровнях —
для обывателей, физиков и программистов. Погнали!
Ц)Для обывателя: кубит — это как монета в полёте
Представьте, что вы подбросили монету. Пока она
вращается в воздухе, вы не можете сказать, выпадет орёл или
решка. Это и есть суперпозиция — состояние «и то, и другое».
Квантовый бит (кубит) работает похоже, но с двумя нюансами:
— 12 —
♦ Монета не падает, пока вы на неё не посмотрите
(измерение).
Она может вращаться под любым углом, а не только между
орлом и решкой.
Еще одна метафора (немного некорректная, но все же):
если классический бит — это выключатель, который дискретно
включает или выключает свет, то кубит — диммер, который
плавно меняет яркость.
[2) Для физика: формула суперпозиции
Кубит описывается вектором в
пространстве:
гильбертовом
|Ф> = а|0) + р|1>
где аир — комплексные амплитуды вероятности.
♦ |а|2 — вероятность измерить 0, |р|2 — вероятность измерить
1.
♦ Главное правило (нормированность): |а|2 + |р|2 = 1
(вероятности в сумме дают 100 %).
Пример: Если а = 1/\2, р = 1/\2, то при измерении
получим 0 или 1 с вероятностью 50 %. Но если вы
попытаетесь «подсмотреть» кубит до измерения (например,
скопировать его), суперпозиция коллапсирует — монета
«упадёт» в 0 или 1.
□ Для программиста: кубит на языке Haskell
Давайте смоделируем кубит с помощью алгебраических
типов. Вот упрощённый код:
-- Определяем кубит как суперпозицию двух состояний
data Qubit = Qubit { alpha :: Double, beta :: Double }
deriving (Show)
— Проверяем, что амплитуды удовлетворяют условию lot!2 + I pl 2 = 1
validateQubit :: Qubit -> Bool
valiaateQubit (Qubit a 3) = abs (аЛ2 + рЛ2 - 1) < le-10
-- Применяем гейт Адамара (преобразуем базовые состояния)
hadamard : : Qubit -> Qubit.
hadamard (Qubit a 3) = Qubit ((a + ₽) / sqrt 2) ((a - 3) / sqrt 2)
— Пример: создаём кубит в состоянии |0 ) и применяем гейт Адамара
main : : 10 ()
main = do
let q = Qubit 10 — Начальное состояние 10 )
let qH = hadamard q — После гейта: (10 ) + |1))/V2
putStrLn $ "Valid? " ++ show (vaLidateQubit qH) -- True
Что здесь происходит? Мы создали кубит в состоянии |0)
и применили к нему гейт Адамара. Результат — суперпозиция
(|0) + 11 ))Л/2, в которой вероятность измерить 0 или 1 равна 50
%.
(Совет: попробуйте запустить код в GHCH А если не
знаете Haskell — не страшно: дальше будут примеры на
Python и Qiskit.)
Ваша очередь:
♦ Попробуйте модифицировать код на Haskell: что будет, если
задать а = 0.6, р = 0.8?
♦ Допустим, вы измерили кубит и получили 0. Можно ли
восстановить его исходное состояние?
Пишите ответы в комментариях!
Д Итог: почему кубиты меняют правила игры?
♦ Они позволяют обрабатывать информацию параллельно за
счёт суперпозиции.
♦ Запутанные кубиты дают квантовую телепортацию (о ней
как-нибудь в другом посте).
♦ Это основа для алгоритмов, которые взламывают RSA или
моделируют Вселенную.
Что будет в следующий раз?
Разберём квантовую запуганность — явление, которое
Эйнштейн называл «жутким действием на расстоянии». Вы
узнаете: как связать два кубита, даже если они на разных
планетах, и почему это используют в квантовой криптографии.
Не забывайте подписываться на канал @drv official,
чтобы познавать тайну квантовых вычислений.
Р. S.: Для тех, кто хочет чуть глубже: если заменить
Double на Complex Double в коде, модель станет еще ближе к
реальным квантовым вычислениям (хотя её вычислительная
сила не изменится). Но это уже история про фазы и
интерференцию V .
А теперь давайте посмотрим на тот же самый код на
Python и Qiskit.
а Реализация на Python
import math
# Определяем класс Qubit
class Qubit:
def___init_(self, alpha, beta):
self.alpha = alpha # Амплитуда для |0>
self beta = beta # Амплитуда для 11 >
self.validate()
# Промеряем условие нормировки |о|г + |р|2 = 1
def validate!self)
norm = abs(self alpha**2 + self.beta**2 -1)
if norm > 1e-10
raise \/а1иеЕггог("Амплитуды не удовлетворяют условию нормировки!")
# Применяем гейт Адамара
def hadamard(self)'
new_alpha = (self alpha + self beta) / math sqrt(2)
new beta = (self.alpha - self beta) / math sqrt(2)
return Qubit(new_alpha, new_beta)
# Измеряем кубит (коллапсируем суперпозицию)
def measure(self):
prob_zero = abs(self alpha)**2
return 0 if random.random() < prob_zero else 1
# Пример использования
if_name__== "__main_
import random
# Создаем кубит в состоянии |0)
q = Qubit(1,0)
рпп1(ГНачальное состояние, о = {q.alpha}, р = {q beta}")
# Применяем гейт Адамара
qH = q.hadamard()
рппЦГПосле гейта Адамара а = {qH.alpha}, Р = {qH beta}")
# Измеряем кубит
result = qH measure()
рпт(ГРезультат измерения {result}")
Что здесь происходит?
♦ Мы создали кубит в состоянии |0) и применили к нему гейт
Адамара.
♦ После гейта кубит переходит в состояние (|0) + |1))/\2.
♦ Метод measureO имитирует измерение, коллапсируя
суперпозицию в 0 или 1.
ES Реализация на Qiskit
Qiskit — это библиотека для квантовых вычислений от
IBM для работы с реальными и симулированными квантовыми
компьютерами. Установите её через pip install qiskit.
from qiskit import QuantumCircuit, Aer, execute
from qiskit.visualization import plot_histogram
# Создаем квантовую схему с одним кубитом
qc = QuantumCircuit(1, 1) # 1 кубит, 1 классический бит для измерения
# Применяем гейт Адамара к кубиту О
qc.h(O)
# Измеряем кубит и записываем результат в классический бит О
qc.measurefO. 0)
# Запускаем симуляцию
simulator - Aer get_backend('qasm_simulatoi')
result = execute(qc, simulator, shots=1000).result() # Ю00 экспериментов
# Визуализируем результаты
counts = result.get_counts(qc)
рпп1("Результаты измерений:", counts)
plot_his1ogram(counts)
Что здесь происходит?
♦ Мы создали квантовую схему с одним кубитом.
♦ Применили гейт Адамара (h(0))> чтобы перевести кубит в
суперпозицию.
♦ Измерили кубит и запустили симуляцию 1000 раз.
♦ Результат: гистограмма, показывающая, сколько раз
получили 0 и 1.
Сравнение подходов:
Haskell: мы смоделировали кубит вручную, использовав
тип Double для представления амплитуд, что проще, но не
соответствует реальности (в реальной квантовой механике
используется поле комплексных чисел), зато все очень
наглядно и математично.
Python: мы смоделировали кубит вручную, что полезно
для понимания, но неэффективно для больших систем.
Qiskit: мы использовали готовые инструменты для работы
с квантовыми схемами. Это ближе к реальным квантовым
вычислениям.
Ещё раз напоминаю: канал @drv official.
Обсудить можно тут:
https://t.me/drv official/1477
Квантовая запутанность: магия
«связи» частиц
Разберём самое мистическое явление квантового мира
— запутанность: две частицы связаны так, что изменение
состояния одной мгновенно влияет на другую, даже если они
на разных концах галактики. Звучит как магия, но это научный
факт. Поехали!
(Д]Как Эйнштейн пытался «докопаться» до квантов
В 1935 году Эйнштейн, Подольский и Розен (ЭПР)
заявили: квантовая механика неполна, потому что допускает
«жуткое действие на расстоянии». Они придумали мысленный
эксперимент:
Представьте две запутанные частицы,
разлетевшиеся в противоположные стороны. Если
измерить спин одной, спин второй мгновенно станет
противоположным, даже если между ними световые годы.
Эйнштейн считал это абсурдом, но...
[^Эксперименты: кто прав — Эйнштейн или природа?
В 1980-х физик Ален Аспект провёл натурный
эксперимент, который подтвердил: квантовая запутанность
реальна:
Он создал пары запутанных фотонов. Измерял их
спины в разных базисах. Результаты всегда коррелировали
сильнее, чем допускала классическая физика.
Это доказало: квантовые частицы действительно
«общаются» быстрее скорости света Но передавать
информацию нельзя, что не нарушает теорию
относительности
(3)3ачем это нужно?
Для вычислений. Телепортация: передача состояния
кубита через запутанные пары (без движения материи).
Алгоритмы: запутанность — ключ для алгоритмов нроде Шора
и иных алгоритмов, основанных на одновременном
вычислении функции на всех аргументах.
Для коммуникаций. Криптография: если хакер
попытается перехватить запутанные фотоны, канал мгновенно
компрометируется.
0)Код: создаём запутанность
Давайте попробуем немного программирования. Сначала
на Haskell — моделирование запутанности для понимания
сжти явления:
- Состояние Белла (запутанная пара)
type BellState = (Qubit, Qubit)
- - Создаём запутанную пару |Ф+> = (|00> + 111 »/м'2
createBeilPair:: !О BellState
createBellPair = do
let q1 = Qubit 1 0 --10)
let q2 = Qubit 1 0 - |0)
let q1H = hadamard q! -- Применяем Адамар к первому кубиту (|0> + |1))Л/2
let q2CNOT = cnot q1H q2 -- CNOT второй кубит зависит от первого
return (q1H, q2CNOT)
- - Функция CNOT
cnot Qubit -> Qubit -> Qubit
cnot control target
I measure control == 0 = target -- Если control=0. target не меняется
I otherwise = Qubit (beta target) (alpha target) -- Если control=1, меняем а и [3 местами
- Пример измерения запутанной пары
mam:: IO ()
main = do
(q1. q2) <- createBellPair
let resulfl = measure q1
let result2 = measure q2
pulStrLn $ "Результаты " ++ show resultl ++ " и " ++ show result2 - Всегда 00 или 11
Теперь на Qiskit — реальная схема, которую можно
запустить на квантовом компьютере, если бы он у вас был:
from qiskit import QuantumCircuit. Aer, execute
from qiskit visualization import piot_histogram
# Создаем схему с 2 кубитами и 2 классическими битами
qc = QuantumCircuit(2, 2)
# Шаги для создания состояния Белла:
qc.h(O) # Применяем Адамар к первому кубиту
qc.cxfO, 1) # CNOT второй кубит зависит от первого
qc.measure([0,1], [0,1J) # Измеряем оба кубита
# Запускаем симуляцию
simulator = Aer get_backend('qasm_ simulator')
result = execute(qc, simulator, shots=iOOu).result()
# Результаты (только 00 и 11)
counts = result get_counts(qc)
рпп^"Результаты:", counts)
plot_histogram(counts)
Вывод Qiskit: fOO': 499,'11': 501}# Примерно 50/50
(5)Как это работает?
Адамар создаёт суперпозицию первого кубита. Гейт
CNOT связывает кубиты: если первый в |1>, второй
инвертируется. При измерении оба кубита всегда дают
одинаковый результат (00 или 11).
\ Почему это прорыв?
Квантовые сети: запутанность — основа будущего
квантового интернета.
Сверхбезопасная связь: перехват запутанных фотонов
невозможно скрыть.
Алгоритмы: без запутанности не работают многие
квантовые алгоритмы.
Ваша очередь: Попробуйте изменить код на Qiskit:
добавьте гейт Pauli-X (qc.x(O)) перед созданием состояния
Белла. Что изменится? Ответы в комментарии! И
подписывайтесь на @dry official.
Р. S.: Если вы вдруг дочитали, вы уже понимаете
запутанность лучше, чем Эйнштейн V .
Обсудить можно тут:
https://t.me/drv official/1487
Состояния Белло: квантовый
«алфавит» запутанности
Привет, технооптимисты! Сегодня разберём состояния
Белла — «кирпичики» квантовой запутанности. Без них
невозможны ни телепортация кубитов, ни квантовая
криптография. Поехали!
4 История: как Джон Белл перевернул квантовый мир
В 1964 году физик Джон Белл предложил способ
проверить, прав ли Эйнштейн в споре о «жутком действии на
расстоянии». Он показал, что если квантовая механика верна,
то корреляции между запутанными частицами будут сильнее,
чем допускает любая классическая теория.
Состояния Белла — это четыре максимально запутанных
состояния двух кубитов. Они стали эталоном для натурных
экспериментов (например, опытов Алена Аспекта).
Зачем они нужны?
♦ Квантовая телепортация: Передача состояния кубита через
запутанную пару.
♦ Квантовая криптография: Безопасный обмен ключами
(например, протокол Е91).
♦ Алгоритмы: Основа для квантовых схем (например,
алгоритм сверхплотного кодирования).
Состояния Белла — это ортонормированный базис для
двухкубитовых систем:
♦ Фь (Phi-Plus) = (|00> + |11>)/\'2 — оба кубита одинаковы (О
или 1).
♦ Ф (Phi-Minus) = (|00> - |11»/\2 — аналогично Ф+, но с
инвертированной фазой.
♦ Ф* (Psi-Plus) = (|01 > + |10»/\2 — кубиты противоположны (О
и 1).
♦ Ф- (Psi-Minus) = (|01 > - 110»/\2 — противоположные кубиты
с инвертированной фазой.
Реализуем это на Haskell и Qisqit:
— Классификатор всех состояний Белла
data bellState = PhiPlus
| PhiMinus
| PsiPlus
| PsiMinus
createBellSiate BellState -> (Qubit. Qubit)
createBellState state =
let (q1, q2) = createPhiPlus - Создаём базовое состояние Ф'
in case stale of
PhiPlus -> (q1, q2)
PhiMinus -> (q1, applyZ q2) -- Добавляем гейт Паули-Z
PsiPlus -> (applyX q1, q2) -- Добавляем гейт Паул и-X
PsiMmus -> (applyX ql, applyZ q2)
- - Функции гейтов (упрощенно)
applyX Qubit -> Qubit
applyX (Qubit a p) = Qubit Pa-- Инвертируем аир
applyZ Qubit -> Qubit
applyZ (Qubit а P) = Qubit а (-p) -- Меняем фазу p
- - Пример состояние Ф
main .. 10 ()
mam = do
let (q1, q2) = createBellState PsiMmus
putStrLn $ "Состояние Ф :" ++ show (measure q1) ++ show (measure q2) - Например. "01" или
"10"
А теперь на Qisqit:
from qiskit import QuantumCircuit, Aer, execute
def createbellstate(siate):
qc = QuantumCircuit(2, 2)
qc.h(O)
qc.cx(O, 1)
if state == 'phi_minus':
qc.z(1) # Добавляем гейт Z для Ф
elif state == 'psi_plus'
qc.x(O) # Добавляем гейт X для Ф’
elif state == 'psijninus':
qc x(0)
qc.z(1) #X + Z для Ф
qc.measure([0.1], [0,1])
return qc
# Создаём схему для Ф
qc = create_bell_state('psi_minus')
result = execute(qc, Aer.get_backend('qasm_simulator')1 shots=lOOO).result()
prmt(result get_counts()) # Пример {'01': 500, '10': 500}
Как переключаться между состояниями?
♦ Фь —> ф : Добавьте гейт Паули-Z (меняет фазу).
♦ Фь —> Ф+: Добавьте гейт Паули-Х (инвертирует 0 и 1).
♦ Фн —> ф': Примените X и Z вместе.
Почему это важно для квантовой связи?
Сверхплотное кодирование: один запутанный кубит
может передать 2 бита классической информации.
Квантовые сети: состояния Белла — основа протоколов
передачи данных между узлами.
Что будет дальше?
В следующем посте мы используем состояния Белла для
квантовой телепортации — передадим состояние кубита через
пространство без движения частиц!
А теперь и ваша очередь:
♦ Попробуйте модифицировать код на Qiskit, чтобы получить
все 4 состояния.
♦ Почему в Ф" и Ф" есть фаза, но при измерениях она не
видна?
Пишите ответы в комментариях! Подписывайтесь на
ijajdrv official.
Обсудить можно тут:
https://t.me/drv official/1495
Квантовая телепортация: не то,
что вы подумали
Привет, технооптимисты!
Когда слышишь «квантовая телепортация», кажется, что
речь о мгновенной передаче предметов через космос, как в
«Звёздном пути». Но реальность куда интереснее. Это
процесс передачи состояния кубита на расстояние без
физического перемещения самой частицы. Никакой магии —
только запутанность, классическая связь и хитрые
манипуляции. Давайте разберёмся, как это работает.
Как это возможно?
Представьте, что у Алисы и Боба есть пара запутанных
кубитов (они ими обменялись ранее). Аписа хочет передать
Бобу состояние своего третьего кубита, скажем, |цт). Вот, как
это происходит:
[jjAnuca берет свой кубит |qj> и взаимодействует со своим
запутанным кубитом, проводя измерения в специальном
базисе (измерение Белла).
^Это измерение запутывает |qj> с её половиной запутанной
пары, а также разрушает исходное состояние |ip> (спасибо
теореме о запрете клонирования).
3 Результаты измерений Алиса отправляет Бобу по
классическому каналу (например, через интернет).
4\\Боб, получив эти данные, применяет к своему запутанному
кубиту операторы (например, Паули X или Z) и
восстанавливает исходное состояние |qj>.
Важно: сам кубит |qj> не летит через пространство.
Передаётся лишь информация о его состоянии, а Боб
«перенастраивает» свой кубит, используя запутанность и
классические биты. Без классической связи телепортация
невозможна — это не нарушает требования теории
относительности, ведь информация не движется быстрее
света.
Код: телепортация в действии
Haskell (упрощённая модель):
- Алиса телепортирует состояние |ф; - а|0} + р| 1 > Бобу
telepod. Qubit -> IO Quoit
teleport psi = do
- - Алиса и Боб создают запутанную пару
(ahceQubit, bobQubit) <- createBellPair PhiPlus
- - Алиса взаимодействует |ср> со своим кубитом
let (measured!, measured2) = aliceMeasure psi ahceQubit
- - Боб корректирует свой кубит на основе результатов
return $ adjustBobQubit bobQubit measured! measured2
— Алиса проводит измерение Белла
aliceMeasure :: Qubit -> Qubit -> (Bool, Bool)
aliceMeasure psi ahceQubit =
--... (логика измерения и возврата двух классических битов)
- Боб применяет X или Z в зависимости от битов
adjustBobQubit: Qubit -> Bool -> Bool -> Qubit
adjustBobQubit q False False = q -- Ничего не делать
adjustBobQubit q True False = applyX q - Инвертировать
adjustBobQubit q False True = applyZ q -- Изменить фазу
adjustBobQubit q True True = applyX (applyZ q) -- Оба
Qiskit (реальная схема):
from qiskit import QuantumCircuit, Aer, execute
qc = QuantumCircuit(3, 2) # 3 кубита: |qj>, Алиса, Боб
# Шаг 1 Создать запутанность между Алисой (ql) и Бобом (q2)
qc.h(l)
qc сх(1,2)
# Шаг 2: Алиса взаимодействует |qj) (qO) со своим кубитом (ql)
qc.cx(0, 1)
qc.h(O)
# Шаг 3: Измерения Алисы
qc.measure([O,l], [0,1])
# Шаг 4 Боб корректирует свой кубит (q2) на основе результатов
qc.z(2).c_if(0 1) # Если первый бит = 1, применить Z
qc.x(2).cjf(1, 1) # Если второй бит = 1, применить X
# Проверяем, что q2 теперь равен |ip>
simulator = Aer.ge^backendCsiatevecto^simulator')
result = executefqc, simulator) resultO
print(resu It get_statevector())
Почему это прорыв? Квантовая телепортация — не
просто фокус. Это основа для:
♦ Квантового интернета: передача данных между узлами без
потерь.
♦ Квантовых вычислений: связь между процессорами в
распределённых системах.
Защищённой связи: если хакер перехватит классические
биты, они бесполезны без запутанных кубитов.
Но есть нюанс: телепортация не копирует кубит.
Исходное состояние разрушается — это гарантирует, что у
Алисы и Боба не будет двух копий |qj), что запрещено
квантовой механикой.
В следующих постах перейдём к изучению основ
квантовых алгоритмов — узнает про гейты и схемы. А пока
попробуйте запустить код на Qtskit: замените начальное
состояние |ф> и убедитесь, что Боб всегда получает его точную
копию. И подпишитесь на канал «Технооптимисты»
(@drv official).
Р. S.: Если еы дочитали до конца, вы уже мысленно
телепортировали этот текст в свой мозг. Надеюсь, без
ошибок!
Обсудить можно тут:
https://t.me/drv official/1506
Общая схема квантовой телепортации
Как устроен квантовый
компьютер? От ионных ловушек
до кудитов
Представьте устройство, способное решать задачи,
которые не под силу даже суперкомпьютерам, — например,
моделировать молекулы для создания новых лекарств или
взламывать современное шифрование. Это квантовый
компьютер, и его «мозг» работает на принципах квантовой
механики. Но как именно он устроен? Если заглянуть внутрь,
вы обнаружите не привычные процессоры, а экзотические
системы: одни охлаждены до температур ниже космического
вакуума, другие заключены в вакуумные камеры с
плавающими ионами, третьи используют частицы света.
Сверхпроводящие кубиты — самая популярная на
сегодня технология. Они напоминают микроскопические
сверхпроводящие кольца, в которых ток может течь
одновременно по и против часовой стрелки, кодируя
состояния 0 и 1. Такие кубиты используют компании IBM и
Google, но чтобы они работали, их нужно охлаждать до
милликельвинов — это в сотни раз холоднее открытого
космоса.
Совсем иной подход — ионные ловушки, в которых
кубитами выступают отдельные атомы, подвешенные в
электромагнитном поле. Лазеры манипулируют их спинами, а
запутанность создаётся через колебания всей цепочки ионов.
На этом принципе, например, проводят эксперименты с
квантовыми вычислениями у нас в НИЯУ МИФИ.
Есть и более экзотические варианты: фотонные
системы (поговаривают, что Китай делает ставку на них), в
которых кубиты — это поляризация или фаза фотонов, или
топологические кубиты, защищённые от шума особыми
свойствами материалов (как в квантовых компьютерах
Microsoft). На горизонте — кудиты, которые могут находиться
не в двух, а в нескольких состояниях сразу, и кремниевые
спиновые кубиты, совместимые с классической
электроникой.
Почему же квантовые компьютеры до сих пор не стоят в
каждом доме? Проблема в хрупкости кубитов. Любое
взаимодействие с внешним миром — вибрации, тепловые
колебания, даже космические лучи — разрушает их квантовые
состояния (этот процесс называется декогеренцией). Чтобы
этого избежать, кубиты изолируют в вакууме, охлаждают до
сверхнизких температур и помещают в защитные экраны. Но
даже тогда ошибки накапливаются: операции с кубитами
требуют ювелирной точности, а масштабирование системы до
тысяч кубитов превращается в инженерный кошмар. Именно
поэтому современные квантовые компьютеры пока остаются
«лабораторными образцами», а их вычисления требуют
постоянной коррекции ошибок.
Отдельная история — квантовые компьютеры D-Wave. В
отличие от универсальных систем, они работают по принципу
квантового отжига, оптимизируя определенные задачи вроде
поиска минимума сложной функции. Это аналог
специализированного калькулятора, решающего только
уравнения, а не игры или графику. Компьютер D-Wave не
манипулирует кубитами через гейты и не поддерживает
произвольные алгоритмы вроде алгоритмов Шора или
Гровера, поэтому его нельзя назвать полноценным квантовым
компьютером общего назначения Мы про такой ещё
поговорим отдельно.
Архитектурно квантовый компьютер напоминает гибрид
аналогового и цифрового миров. Его «сердце» — квантовый
процессор — работает в экстремальных условиях, а
управляет им классический компьютер Именно он
преобразует алгоритмы в последовательность микроволновых
или лазерных импульсов, управляющих кубитами, а затем
обрабатывает результаты измерений, корректируя ошибки.
Без этой связки квантовые вычисления были бы невозможны:
сами по себе кубиты — всего лишь физические объекты,
лишённые памяти или логики.
Прогресс идёт быстро: одни компании увеличивают число
кубитов, другие улучшают их стабильность, третьи
экспериментируют с новыми материалами. Но квантовый
компьютер будущего, вероятно, будет не монолитом, а
«квантовым облаком» — сетью специализированных
устройств, подключенных к классическим серверам. И когда
это случится, он изменит все — от химии до искусственного
интеллекта. Осталось только подождать... или помочь ему
родиться.
Подписывайтесь на канал «Технооптимисты»
(@drv official), чтобы быть в курсе темы.
Обсудить можно тут:
https://t.me/drv official/1516
Квантовые компьютеры сегодня:
IBM, Google, Rigetti и другие
Привет, друзья!
Продолжаем нашу совместную работу над квантовыми
вычислениями. Сегодня отойдём в сторону от собственно
вычислений и немного посмотрим на текущий достижения в
области построения физически реализуемых вычислительных
систем — квантовых компьютеров.. Погнали...
Квантовые гиганты: кто перепишет законы вычислении?
В области квантовых технологий кипит невидимая война.
Компании вроде IBM, Google и стартапы вроде Rigetti
соревнуются не просто в создании кубитов, а в том, чтобы
заставить их работать вместе — стабильно, точно и
масштабируемо. Компания IBM, например, уже анонсировала
— 39 —
квантовый процессор с 433 кубитами, а её цель — достичь
1000 кубитов через несколько лет. Компания Google ещё в
2019 году заявила о «квантовом превосходстве», решив одну
математическую задачу примерно за 200 секунд, которая на
классическом суперкомпьютере решалась бы тысячелетия.
Правда, позже компания IBM оспорила это, предложив
оптимизированный алгоритм для классических систем.
Китайские исследователи провели аналогичный эксперимент
на фотонном компьютере «Цзючжан», показав, что гонка идёт
не только за кубитами, но и за выбором физической
платформы.
Понятие «квантового превосходства» (в области
физической реализации) остаётся спорным. Это не значит, что
квантовые компьютеры уже полезны — скорее, они доказали,
что могут решать некоторые задачи быстрее классических
аналогов. Но до практического применения, как до звёзд:
компания Google тестирует квантовые алгоритмы для
оптимизации логистики, а компания IBM сотрудничает с
фармакологическими компаниями для моделирования
молекул. А вот компания Rigetti делает ставку на гибридные
системы, в которых квантовые и классические компьютеры
работают в тандеме, как пилот и штурман.
Гонка технологий: от Кремниевой долины до Поднебесной
США пока лидируют, опираясь на частные инвестиции и
университеты. Китай, однако, вкладывает миллиарды в
национальные проекты вроде квантовой связи и спутника
«Mo-Цзы», а компании Alibaba и Baidu развивают облачные
квантовые сервисы. Европейский Союз держит курс на
кооперацию: программа Quantum Flagship объединяет
примерно 5000 исследователей из 17 стран, а Германия
строит квантовый компьютер на ионных ловушках. Россия
пока отстаёт, но РКЦ (Российский квантовый центр) пытается
сохранить присутствие в гонке, делая упор на фотонные
технологии. Неожиданный игрок — Канада, где компания
D-Wave десятилетиями шлифует квантовый отжиг (скоро
изучим, почему это не тот самый универсальный квантовый
компьютер, которого мы все так алчем), и Австралия, где
стартапы вроде Silicon Quantum Computing работают над
кремниевыми кубитами.
Попробуйте сами: симуляторы для квантовых
энтузиастов
Чтобы прикоснуться к квантовым технологиям, не нужен
криостат — достаточно браузера. Держите:
• IBM Quantum Experience
(https://quantum-computinq.ibm.com/, требуется VPN)
позволяет запускать алгоритмы на реальных квантовых
процессорах.
• Google Cirq (https://quantumai.qooqle/cirq) — фреймворк
для создания квантовых схем с открытым исходным кодом.
• Компания Rigetti предлагает Forest
(https://www.rigetti.com/what-we-build) — платформу для
гибридных вычислении.
• А И/S Braket (https://aws.amazon.com/ru/braket/) от Amazon
даёт доступ к разным квантовым устройствам, включая
машины D-Wave.
• Microsoft Azure Quantum
(https://azure.microsoft.com/ru-ru/solutions/quantum-computin
g/) объединяет инструменты для разработки и симуляции.
Каждый из этих сервисов — окно в область, где биты
уступили место кубитам. И также вы можете попробовать
прямо в браузере создавать квантовые схемы и прогонять их
на симуляторе. Заходите сюда: https://algassert.com/quirk.
На этом пока все. Подписывайтесь на канал
«Технооптимисты» (fi)drv official), чтобы быть в курсе
последних новостей и не пропустить что-то интересное.
Обсудить можно тут:
https://t.me/drv official/1532
Логика против физики: почему 1000
кубитов 1 1000 кубитов?
Привет, друзья! Давайте сегодня поговорим о разнице
между физическими и логическими кубитами. Пришло время
изучить этот аспект.
Когда какая-то компания заявляет, что построила новый
квантовый компьютер на «1000 кубитов», это звучит как
прорыв. Но за громкой цифрой скрывается нюанс, о котором
часто умалчивают: эти кубиты — физические, а не логические.
Разница между ними — как между сырой рудой и чистым
золотом. Физические кубиты — это реальные квантовые
объекты (ионы, сверхпроводящие цепи, фотоны), которые
крайне хрупки: они «теряют» информацию из-за шума, тепла
или даже космического излучения. Логический кубит — это
идеализированная версия, защищённая от ошибок. Чтобы
создать его, десятки или сотни физических кубитов
объединяют в систему, которая постоянно проверяет и
корректирует их состояния.
Представьте, что физические кубиты — это ненадежные
работники, которые то и дело ошибаются. Логический кубит —
это целая команда таких работников, в которой каждый следит
за другими и исправляет чужие ошибки. Например, для
реализации самого простого кода коррекции ошибок
(поверхностного кода) требуется минимум 7 физических
кубитов для одного логического. А чтобы достичь уровня
ошибок, пригодного для сложных вычислений, может
понадобиться 1000 физических кубитов на 1 логический. Это
значит, что заявленные «1000 кубитов» — лишь первый шаг к
чему-то полезному.
Почему компании говорят о физических кубитах?
Потому что это маркетинг. Компании Google, IBM и Rigetti
соревнуются за внимание инвесторов и СМИ, а цифры вроде
«433 кубита» или «1000 кубитов к 2030 году» звучат
убедительно для неспециалистов. Но даже компания IBM,
которая активно развивает коррекцию ошибок, пока не
демонстрирует логические кубиты в промышленных
масштабах. Их процессор Eagle (127 физических кубитов) —
это прорыв в инженерии, но до устойчивых вычислений ещё
далеко. Китайский квантовый процессор «Цзючжан»,
работающий на фотонах, вообще не использует коррекцию
ошибок — он решает лишь узкие задачи.
Квантовая коррекция ошибок: алхимия XXI века
Коррекция ошибок — это не софт, который можно
«запустить» на любом железе. Каждая платформа требует
уникальных решений. Например:
♦ Сверхпроводящие кубиты (IBM, Google) страдают от
декогеренции за микросекунды, поэтому коррекция должна
быть молниеносной.
♦ Ионные ловушки (Honeywell, lonQ) стабильнее, но
манипулировать цепочками ионов сложнее.
♦ Фотонные системы (PsiQuantum) пытаются избежать
коррекции через топологическую защиту, но это пока теория.
Даже если удастся создать логические кубиты, их нужно
связать в масштабируемую архитектуру — а это новая
инженерная пропасть.
«Универсальный квантовый компьютер»: почему это пока
фантастика?
Универсальный квантовый компьютер должен уметь
запускать любой алгоритм — от Шора до Гровера. Но сегодня
даже лучшие системы вроде IBM Quantum или Google
Sycamore — это аналоговые устройства, которые
программируются через импульсы и требуют калибровки
перед каждым запуском. Они ближе к квантовым
синтезаторам, чем к компьютерам. А компьютер D’Wave,
например, вообще не универсален — он решает только
задачи оптимизации.
Что в итоге?
Прогресс есть, но гонка за кубитами напоминает забег, в
котором участники хвастаются скоростью, забыв надеть
ботинки. Да, компания IBM планирует к 2030 году создать
компьютер с 4000 физических кубитов, но если для коррекции
ошибок потребуется 99 % из них, на полезные вычисления
останется 40 логических кубитов — этого мало даже для
моделирования простейших молекул.
Так что в следующий раз, когда увидите заголовок
«Компания X построила квантовый компьютер на N кубитов»,
спросите: «А сколько из них логические?». Пока ответ будет
«ноль» — до реальной квантовой революции ещё световые
годы.
Обсудить можно тут:
https:ZZt.me/drv official/1544
Почему «квантовый компьютер»
D-Wove не является универсальным
квантовым компьютером?
(и почему это всё равно круто)
Когда вы слышите о «квантовом компьютере D-Wave»,
представляете устройство, способное взламывать
шифрование и моделировать Вселенную? Увы, реальность
прозаичнее — но от этого не менее удивительна. Компания
D-Wave создаёт не универсальные квантовые компьютеры, а
узкоспециализированные квантовые ускорители для одной
конкретной задачи: поиска оптимальных решений в гигантском
пространстве возможностей.
Квантовый отжиг: физика вместо программирования
В отличие от IBM или Google, где кубитами управляют
через последовательности квантовых вентилей, D-Wave
использует принцип квантового отжига. Посмотрим, что это
такое...
Оптимизационные задачи представляют собой важный
класс вычислительных проблем, связанных с поиском
экстремальных значений целевых функций при заданных
ограничениях. Типичными примерами являются задачи
маршрутизации транспортных сетей и распределения
вычислительных ресурсов в распределённых системах. Такие
задачи характеризуются NP-трудной вычислительной
сложностью, когда временные затраты на решение растут
экспоненциально с увеличением размерности пространства
параметров, что делает их обработку на классических
вычислительных архитектурах крайне ресурсоёмкой.
Метод имитации отжига (Simulated Annealing)
представляет собой стохастический алгоритм оптимизации,
основанный на термодинамической аналогии с процессом
отжига металлов Алгоритм инициирует поиск при высоком
значении параметра, аналогичного температуре, допуская
переходы между состояниями с увеличением целевой
функции. Последовательное снижение этого параметра
обеспечивает сходимость к глобальному экстремуму. Однако
эффективность метода существенно снижается для
высокоразмерных задач вследствие необходимости перебора
значительного количества состояний.
Квантовый отжиг (Quantum Annealing) реализует
принципиально иную вычислительную парадигму, основанную
на квантовомеханических принципах суперпозиции состояний
и туннельного эффекта. В отличие от классических методов,
этот подход позволяет одновременно исследовать множество
возможных решений, а туннелирование обеспечивает
преодоление локальных экстремумов. Важно отметить, что
область применения квантового отжига ограничена классом
задач, допускающих формулировку в терминах поиска
основного состояния гамильтониана Изинга, что исключает
его использование для универсальных квантовых вычислений,
включая реализацию алгоритмов Шора и Гровера.
Жёсткие ограничения: цена специализации
Суть подхода компании D-Wave становится понятной,
если взглянуть на фундаментальные различия между
универсальными квантовыми компьютерами и квантовым
отжигом. Универсальные системы используют квантовые
вентили и алгоритмы, позволяющие решать широкий класс
задач — от факторизации чисел до моделирования молекул
(именно к этому стремятся гиганты Google и IBM). Но
компания D-Wave фокусируется исключительно на задачах
оптимизации, применяя принципиально иной физическии
подход.
Итак, сердце системы D-Wave — это исключительно
реализация процесса квантового отжига. Последняя модель
Advantage2 (2024) представляет собой эволюционный скачок в
технологии D-Wave. С её 1200+ физическими кубитами,
организованными в кластерную архитектуру Pegasus, система
способна решать задачи оптимизации с беспрецедентной
сложностью. Каждый кубит в этой системе соединён с 15
другими, что значительно расширяет возможности постановки
сложных задач. Технические характеристики впечатляют:
увеличенное время когерентности (до 200 микросекунд),
улучшенная точность управления и сниженный уровень шума.
Но настоящая магия D-Wave раскрывается в
практических применениях. Например, крупнейшая канадская
розничная сеть Save-On-Foods использовала компьютер
D-Wave для оптимизации маршрутов доставки в свои 150
магазинов. Классические алгоритмы требовали 25 часов
вычислений, в то время как квантовый отжиг справился за 2
минуты — ускорение в 750 раз. В аэрокосмической отрасли
компания Lockheed Martin интегрировала компьютер D-Wave в
систему анализа рисков для самолётов F-35, где необходимо
учитывать миллионы возможных сценариев отказов.
Финансовый сектор также активно экспериментирует с
этой технологией. Один из крупнейших европейских банков
использовал компьютер D-Wave для оптимизации портфеля из
5000 активов, сократив время расчётов с нескольких дней до
часов. В фармацевтике компания Siemens Heaithineers
применяет квантовый отжиг для управления глобальными
цепочками поставок лекарств, учитывая десятки тысяч
переменных — от производственных мощностей до
логистических ограничений.
Однако за этими впечатляющими результатами стоят
принципиальные ограничения архитектуры D-Wave. Главное
из них — невозможность выполнения произвольных квантовых
алгоритмов. В отличие от универсальных систем, при помощи
которых можно программировать любые последовательности
квантовых операций, компьютер D-Wave работает только с
задачами, которые можно сформулировать в терминах поиска
минимума функции.
Еще одно фундаментальное ограничение связано с
коррекцией ошибок. Универсальные квантовые компьютеры
используют сложные схемы квантовой коррекции ошибок, в
которых несколько физических кубитов объединяются в один
логический. Компьютер D’Wave же полагается на физические
свойства своих кубитов и специальные методы подавления
шумов, что ограничивает масштабируемость системы. Хотя
последние модели демонстрируют впечатляющую
стабильность, они все же уступают в этом отношении
универсальным системам.
Кластерная архитектура D-Wave — это одновременно и
сила, и слабость. С одной стороны, она позволяет
эффективно решать определённые классы задач
оптимизации С другой — ограниченная связность между
кубитами (каждый соединён только с 15 соседями) создаёт
сложности для некоторых типов задач. Для сравнения: в
универсальных квантовых компьютерах IBM или Google
кубиты могут быть связаны виртуально через
последовательности операций, что обеспечивает большую
гибкость.
Интересно, что сам подход компании D-Wave вызывает
споры в научном сообществе. Некоторые исследователи
утверждают, что наблюдаемое ускорение — это результат не
квантовых эффектов, а специальной аппаратной оптимизации.
Однако независимые тесты, проведенные NASA и Google,
подтвердили наличие квантового ускорения для
определённых классов задач. Споры продолжаются, но
практические результаты говорят сами за себя — там, где
классические компьютеры «захлёбываются», компьютер
D-Wave демонстрирует впечатляющую эффективность.
Будущее технологии выглядит многообещающе. Сегодня
компания D-Wave активно работает над гибридными
системами, в которых квантовый отжиг сочетается с
классическими алгоритмами машинного обучения. В
партнерстве с автоконцерном Volkswagen они разрабатывают
системы оптимизации дорожного движения для «умных»
городов. Другое перспективное направление — интеграция с
нейронными сетями для ускорения обучения сложных
моделей.
Таким образом, хотя компьютер D-Wave и не является
универсальным квантовым компьютером, он представляет
собой важный шаг в коммерциализации квантовых
технологий. Его специализированная архитектура
демонстрирует, что для решения реальных задач не всегда
нужно ждать создания идеального универсального квантового
компьютера. Иногда достаточно «квантового лазера», точно
настроенного на конкретную проблему, чтобы уже сегодня
добиться прорывных результатов.
Обсудить можно тут:
https://t.me/drv official/1555
Квантовые облака: как уже сейчас
попробовать квантовые
вычисления?
Привет, друзья! Сегодня мы разберёмся, как любой из
нас может прикоснуться к квантовым технологиям уже сейчас
— без миллионов долларов и собственной лаборатории.
Облачные платформы стёрли границы между научной
фантастикой и реальностью, и я расскажу, какие сервисы
стоит пробовать в первую очередь, как на них работать и чего
от них ждать.
Современные облачные платформы сделали квантовые
вычисления доступными для исследователей, разработчиков
и энтузиастов по всему миру.
Рассмотрим ключевые предложения на рынке и их
особенности.
IBM Quantum Experience
(https://quantum-computing.ibm.com/) представляет собой
наиболее развитую экосистему для работы с квантовыми
вычислениями. Платформа предоставляет бесплатный доступ
к реальным квантовым процессорам с 7 логическими
кубитами, а также к мощным симуляторам. Главным
преимуществом является глубокая интеграция с фреймворком
Qiskit и обширная библиотека обучающих материалов. Однако
пользователи отмечают значительное время ожидания в
очереди на выполнение задач и ограниченную доступность
более мощных процессоров для бесплатных аккаунтов.
AWS Braket (https://aws.amazon.com/braket/) от компании
Amazon предлагает уникальный подход, объединяя различные
квантовые технологии. Пользователи получают доступ к
адиабатическим компьютерам D-Wave, ионным ловушкам
lonQ и сверхпроводящим процессорам Rigetti. Основное
преимущество — гибкая модель оплаты только за
фактическое время вычислений. Серьёзным недостатком
является сложность настройки и необходимость глубокого
понимания различий между технологическими платформами.
Google Cirq (https://quantumai.qooqle/cirq) отличается
академическим подходом. Это открытый фреймворк,
оптимизированный для работы с процессорами Sycamore.
Платформа особенно интересна для исследований в области
квантового машинного обучения. Однако отсутствие готового
графического интерфейса и необходимость глубоких знаний
Python могут стать препятствием для новичков.
Microsoft Azure Quantum
(https://azure.microsoft.com/products/quantum/) делает ставку на
интеграцию с корпоративными решениями. Платформа
предоставляет доступ к системам Honeywell и lonQ, а также
поддерживает специализированный язык Q#. Главным
преимуществом является тесная связь с другими сервисами
Azure, но начинающие пользователи часто отмечают
сложность первоначальной настройки.
Для первого знакомства с квантовыми вычислениями
рекомендуется начать с простого эксперимента на Qiskit.
Следующий код демонстрирует создание квантовой схемы с
суперпозицией одного кубита:
from qiskit import QuantumCircuit, Aer, execute
from qiskit.visualization import plot_histogram
# Инициализация квантовой схемы
quantum_circuit = QuantumCircuit(1v 1)
quantum_circuit h(0)
quantum_circuit.measure(O, 0)
# Выполнение на симуляторе
quantum_simulator = Aer get_backend(’qasm-Simulator')
execution_result = execute(quantum_circuit, quantum_simulator, shots=1000).result()
# Визуализация результатов
measurement_results = execulion_result get_counts(quantum_circuit)
pnnt(measurement_ results)
plot_hisiogram(measurement_results)
Этот код создает простейшую квантовую схему,
применяет преобразование Адамара для создания
суперпозиции и выполняет измерение. Результатом будет
приблизительно равное распределение между состояниями |0)
и |1>, что демонстрирует фундаментальный принцип квантовой
механики.
При работе с облачными квантовыми платформами
следует учитывать несколько важных аспектов. Реальные
квантовые устройства все ещё обладают значительным
уровнем шума и ошибок, что ограничивает сложность
выполняемых алгоритмов. Время ожидания в очереди на
выполнение задач может варьироваться от нескольких минут
до нескольких часов в зависимости от загрузки системы. Для
серьезных проектов рекомендуется комбинировать
использование реальных квантовых процессоров с
классическими симуляторами.
Развитие квантовых облачных платформ открывает
новые возможности для исследований и разработки. Уже
сегодня эти технологии применяются в химическом
моделировании, оптимизации сложных систем и машинном
обучении. По мере совершенствования оборудования и
алгоритмов коррекции ошибок можно ожидать появления
более мощных и доступных квантовых сервисов.
Квантовые облака — это дверь в вычисления будущего, и
она открыта для всех. Подписывайтесь на канал
«Технооптимисты» (: g.drv official), чтобы не пропустить новые
эксперименты. В следующий раз начнем погружаться в
теорию и практику квантовых вычислений!
Обсудить можно тут:
Немного теории: обратимые
вычисления
История компьютерных технологий — это история
компромиссов между сложностью, скоростью и
энергоэффективностью. В 1961 году физик Рольф Ландауэр
совершил открытие, перевернувшее представление о
фундаментальных пределах вычислений: он доказал, что
стирание бита информации неизбежно приводит к выделению
тепла. Этот принцип, известный как принцип Ландауэра,
показал, что классические компьютеры, основанные на
необратимых операциях (например, логические элементы
AND или OR), принципиально ограничены термодинамически.
Каждый удаленный (стёртый) бит информации — а в
традиционных архитектурах это происходит постоянно —
увеличивает энтропию системы, превращая вычисления в
«горячий» и энергозатратный процесс.
Но что, если вычисления можно сделать обратимыми?
Представьте себе вычислительное устройство, в котором
каждая операция сохраняет достаточно информации, чтобы
её можно было «отмотать» назад. Такую возможность в 1973
году описал Чарльз Беннет, предложив концепцию обратимых
вычислений. В его модели логические элементы не
уничтожают входные данные, а преобразуют их так, чтобы
исходное состояние всегда можно было восстановить. Это не
просто теоретическая утопия — обратимость стала
краеугольным камнем квантовых вычислений, в которых
сохранение квантовой информации критически важно для
подавления декогеренции.
Ключевая идея обратимости проста: для каждого
выходного состояния должна существовать ровно одна
комбинация входных данных. В классических вычислениях это
невозможно — например, зная результат операции 0 = AND(0,
0) и 0 = AND(0, 1), нельзя определить исходные биты.
Обратимые же элементы, такие как вентиль Тоффоли
(управляемое управляемое НЕ), сохраняют все входные
данные: зная выход, можно однозначно восстановить вход
Именно такие элементы лежат в основе квантовых схем, в
которых каждая операция — это унитарное преобразование,
обратимое по определению.
Обратимые вычисления — не просто абстракция для
квантовых технологий. Они меняют сам подход к
проектированию алгоритмов: вместо последовательного
«сжигания» данных мы создаём преобразования,
сохраняющие информацию. Это открывает пути к
компьютерам с нулевым тепловыделением (в идеальном
случае) и принципиально новым архитектурам. Уже сегодня
обратимые методы используются в криптографии для
создания верифицируемых вычислений и в оптимизации
квантовых алгоритмов, в которых каждый «откат» операции
экономит кубиты.
Возможно, через десятилетия именно обратимость
станет главным принципом не только квантовых, но и
классических систем, завершив цикл развития, начатый
Рольфом Ландауэром. Пока же это мост между
использованием кремниевых транзисторов и квантовой
суперпозиции — мост, на котором рождаются технологии
завтрашнего дня.
Если вас заинтересовали парадоксальные законы
квантового мира и перспективы революционных вычислений,
подписывайтесь на канал «Технооптимисты» (@drv official).
Впереди — разбор сложных концепций простым языком и
анализ последних прорывов в области квантовых технологий.
Давайте вместе исследовать границы возможного!
Обсудить можно тут:
https://t.me/drv official/1579
Обзор формализмов для
обратимых вычислений
Обратимые вычисления — не теоретическая абстракция,
а фундаментальная основа для понимания пределов
вычислений. От принципа Ландауэра до экзотических
бильярдных компьютеров — давайте разберём все основные
формализмы и идеи.
Принцип Ландауэра и термодинамические основы
Р. Ландауэр в 1961 г. сформулировал принцип, который
перевернул понимание вычислений: стирание одного бита
информации неизбежно выделяет минимум k Т ln(2) теплоты
(около 3 х 1021 Дж при комнатной температуре). То есть
классические необратимые операции принципиально
ограничены термодинамически. Ч. Беннет в 1973 г. показал,
что обратимые вычисления теоретически могут приблизиться
к нулевому тепловыделению.
^Обратимая логика
Вентиль Тоффоли — универсальный обратимый
элемент, который может эмулировать классическую логику. Он
имеет три входа (А, В, С) и три выхода. Первые два выхода
копируют входы, а третий выполняет С ® (А А В). Тоффоли
доказал, что этот элемент функционально полон для
обратимых вычислений.
Вентиль Фредкина сохраняет вес Хэмминга (количество
единиц) и может выполнять условный обмен битов. Он также
универсален, но с другими ограничениями — все
преобразования сохраняют количество единичных битов.
CNOT — простейший обратимый элемент, генерирующий
все аффинные преобразования. Хотя он не универсален для
произвольных обратимых функций, он критически важен в
квантовых вычислениях.
2JБильярдный компьютер
Э. Фредкин и Т. Тоффоли предложили механическую
модель обратимых вычислений на основе упругих
столкновений шаров. В этой модели информация кодируется в
траекториях шаров, а логические операции выполняются
через их столкновения. Каждое столкновение полностью
обратимо по законам механики, что делает всю систему
принципиально обратимой.
3|Обратимые клеточные автоматы
Клеточные автоматы Марголуса представляют собой
двумерные системы, где состояние каждой клетки
обновляется на основе локальных правил. Н. Марголус
разработал правила, которые сохраняют информацию при
каждом шаге эволюции. Эти автоматы могут моделировать
физические процессы и выполнять универсальные
вычисления.
Клеточные автоматы второго порядка используют не
только текущее состояние, но и предыдущее для определения
следующего шага. Это естественным образом обеспечивает
обратимость, поскольку зная два последовательных
состояния, можно восстановить предыдущее.
^Структурные подходы к обратимости
Геометрия взаимодействия из линейной логики
предоставляет математический аппарат для построения
обратимых вычислений. Этот подход позволяет синтаксически
направленно отображать функциональные программы в
обратимые автоматы линейного размера.
Алеф-исчисление — декларативная модель обратимых
вычислений с локальной семантикой переписывания термов.
В отличие от других систем, она не требует накопления
исторических данных, а инкапсулирует всё состояние
программы в самих термах.
5]Обратимые языки программирования
Janus — первый практический обратимый язык
программирования, и каждая конструкция имеет обратную
операцию. Циклы заменяются на обратимые итерации, а
условные операторы требуют дополнительных проверок для
обеспечения обратимости.
Переписывание термов в обратимых системах требует
специальных техник. Обычное переписывание термов
— 63 —
необратимо даже для инъективных функций, поэтому
разработаны методы, сохраняющие достаточно информации
для восстановления исходного состояния.
^Квантовые формализмы
В квантовых вычислениях каждая операция
представляет собой унитарное преобразование, обратимое по
определению. Квантовые гейты строят универсальные наборы
для квантовых вычислений, и обратимость необходима для
сохранения квантовой информации.
Универсальность
Наборы обратимых вентилей генерируют либо все
обратимые преобразования, либо специальные подклассы:
преобразования, сохраняющие вес Хэмминга, аффинные
преобразования, или преобразования, сохраняющие вес по
модулю к.
Это не теория, а мост между теорией вычислений и
термодинамикой, что меняет подход к проектированию
алгоритмов и может стать основой принципиально новых
вычислительных архитектур.
Подписывайтесь на @drv official.
Обсудить можно тут:
https://t.me/drv official/1589
Квантовые гейты: логика кубитов
Если классические компьютеры оперируют битами через
логические вентили, то квантовые компьютеры работают с
кубитами через квантовые гейты — фундаментальные
строительные блоки квантовых вычислений. Разберёмся, как
устроена эта удивительная логика.
Унитарные преобразования: математическая основа
Квантовый гейт — это любая логическая операция с
кубитами, которая математически описывается унитарной
матрицей. Унитарность означает, что для матрицы U
выполняется условие UfU = I, где Uf — эрмитово сопряжение
(транспонирование с комплексным сопряжением), а I —
единичная матрица.
Это условие гарантирует обратимость: для любого
квантового гейта U существует обратная операция Uf, которая
возвращает систему в исходное состояние. В отличие от
классических логических операций, квантовые гейты всегда
обратимы — информация никогда не теряется.
Матричное представление гейтов
Поскольку кубит можно представить вектором в
двумерном комплексном пространстве, действие гейта
описывается умножением на соответствующую матрицу.
Однокубитные гейты описываются матрицами 2x2,
двухкубитные — 4x4, а п-кубитные — 2ПХ2П.
Рассмотрим несколько простейших примеров. Вот гейт
NOT (Паули-Х) — простейший квантовый аналог
классического инвертора:
Х = [0 1]
[1 0]
Гейт Адамара создаёт равномерную суперпозицию:
Н = 1Л/2[1 1]
М -1]
Гейт CNOT (контролируемое НЕ) — двухкубитный гейт,
инвертирующий целевой кубит только если контрольный
находится в состоянии |1):
CNOT = [1 000]
[0 10 0]
[0 0 0 1]
[0 0 10]
Универсальные наборы гейтов
Набор квантовых гейтов называется универсальным,
если любое унитарное преобразование можно
аппроксимировать с любой точностью конечной
последовательностью гейтов из этого набора. Классический
пример — комбинация CNOT и всех однокубитных гейтов.
Гейт Тоффоли (CCNOT) — трехкубитный универсальный
гейт, который инвертирует третий кубит только если первые
два находятся в состоянии |1>. Гейт Фредкина (CSWAP)
условно меняет местами два кубита в зависимости от
состояния контрольного.
Всё это мы ещё рассмотрим в подробностях позже.
Гейты вращения: основа квантового машинного обучения
Поворотные гейты RX(cp), RY(op), RZ(q>) осуществляют
вращение вектора состояния на угол ср вокруг
соответствующих осей сферы Блоха Они играют центральную
роль в вариационных квантовых алгоритмах и квантовом
машинном обучении.
Общая форма однокубитного гейта вращения:
U(a, n) = cos(a/2)l - i sin(a/2)(n • о),
где a — угол поворота, п — единичный вектор оси вращения, о
— вектор матриц Паули.
Квантовые оракулы: чёрные ящики квантового мира
Квантовый оракул — это специальный тип гейта,
реализующий функцию f(x) в виде унитарного оператора Of|x>
|у> = |х>|у ® f(x)>, где ® — побитовое сложение. Оракулы
используются в знаменитых квантовых алгоритмах: Дойча-
Йожи, Гровера, Саймона.
Благодаря квантовому параллелизму оракул может
проверить все N входных значений за один цикл работы,
обрабатывая суперпозицию всех возможных состояний
одновременно.
Физическая реализация
Современные квантовые процессоры уже демонстрируют
впечатляющие результаты. Например, российские учёные из
НИТУ МИСиС и МФТИ создали сверхпроводниковый чип,
реализующий операцию CZ с точностью свыше 97 %,
выполняя одну операцию за 0 025 мкс, а в НИЯУ МИФИ
ведутся работы по созданию квантового компьютера на
ионных ловушках.
Квантовые гейты — это не просто математическая
абстракция, а реальные физические операции, которые уже
сегодня позволяют решать задачи, недоступные классическим
компьютерам. Каждый гейт — это шаг к квантовому
превосходству.
Подписывайтесь на @drv official — впереди алгоритмы
Шора и квантовая криптография!
Обсудить можно тут:
Квантовые гейты: кок перевести
функцию в оракул
Любую классическую двоичную функцию можно
превратить в квантовый оракул — универсальный инструмент
для алгоритмов вроде Гровера или Шора. Рассказываем, как
это работает.
Проблема обратимости
Классические функции вида f: {О, 1}п —> {О, 1}п часто
необратимы: зная результат, нельзя восстановить вход. Но
квантовые операции обязаны быть обратимыми (унитарными).
Решение — добавить п кубитов для сохранения входных
данных.
Оракул действует на (т + п) кубитов по формуле: Uf |х>
у) = I х>! у ф f(x)>, где ф — побитовое сложение по модулю 2.
Так вход х сохраняется, а выход f(x) «записывается» в регистр
у, делая операцию обратимой.
Пример: функция AND
Для f(x1, х2) = х1 Л х2 оракул реализуется через гейт
Тоффоли (CCNOT): входные кубиты: хД Iх2>, у); выход: I xd>,
Iх2>, |у®(х. Л х2)>. Такой подход работает даже для
неиньективных функций. Например, для f(x) = 0 оракул просто
копирует вход в выход.
Автоматический синтез
Современные инструменты (например, Qiskit)
автоматически преобразуют классические функции в
квантовые схемы. Алгоритмы:
• Расширение функции: добавляют вспомогательные кубиты
для обеспечения биективности.
• Минимизация кубитов: используют оптимизацию на основе
ESOP-форм или Toffolbгейтов.
Например, функция SHA-3 хеширования превращается в
оракул с 512 входными и 256 выходными кубитами, сохраняя
обратимость через дополнительные регистры.
Сложности и оптимизации
Размер схемы: для m-входной функции требуется О(2ГГ)
гейтов в худшем случае. Но для структурных функций
(например, арифметических) сложность снижается до
полиномиальной.
Обработка констант: Если f(x) = с, оракул реализуется
через условные фазовые сдвиги.
Практика: алгоритм Гровера
В поиске элемента в неупорядоченной базе оракул
помечает решение инверсией фазы. Например, для поиска х,
где f(x) = 1, оракул действует как: Uf х> = х). Это
позволяет усилить амплитуду целевого состояния за O(N)
итераций.
Итог: Любая функция, даже необратимая, становится
квантовым оракулом через добавление кубитов Это
открывает путь для гибридных алгоритмов, где классическая
логика интегрируется в квантовые схемы.
Подписывайтесь на канал «Технооптимисты»
(@drv official) — впереди квантовая криптография и
ошибкоустойчивые вычисления, впереди только хардкор!
Обсудить можно тут:
https://tme/drv official/1609
Квантовые гейты:
функциональный базис: I, X, Y, Z
Матрицы Паули — это не просто набор квантовых
гейтов, а полный функциональный базис для всех
однокубитных операций. Разбираемся, почему четыре
простые матрицы могут описать любое квантовое
преобразование.
Математическая основа
Матрицы Паули вместе с единичной матрицей образуют
ортонормальный базис в векторном пространстве всех
эрмитовых матриц размерностью 2*2. Это означает, что
любую эрмитову матрицу можно единственным образом
разложить по этому базису:
Н = a J + сто + сцо + а„о ,
О 1 х ? у 3 Z’
где все коэффициенты а — вещественные числа.
Сами матрицы имеют вид:
1 = (1 0)
(0 1),
ах = (0 1)
(1 0),
ау = (0 -i)
(i 0),
az = (1 0)
(0-1).
Почему именно эрмитовьi матрицы?
В квантовой механике эрмитовы операторы
представляют наблюдаемые величины. Матрицы Паули
описывают измерения спина вдоль осей X, Y и Z в трёхмерном
пространстве. Поскольку любая физически измеримая
величина для кубита должна быть эрмитовой, базис Паули
охватывает все возможные наблюдаемые двумерного
квантового пространства.
Именно поэтому матрицы Паули иногда обозначают как I,
X, У, и Z.
Функциональная полнота
Термин «функциональный базис» означает, что через эти
четыре матрицы можно выразить любое унитарное
преобразование кубита. Используя формулу Эйлера для
матричных экспонент:
и = exp(i(a1ax + a2ay + a3a2),
можно получить произвольный однокубитный гейт. Это делает
базис Паули универсальным для квантовых вычислений на
одном кубите.
Геометрическая интерпретация
Матрицы Паули связаны с сферой Блоха —
геометрическим представлением состояний кубита. Вектор
Паули о = охх + оуу + ozz обеспечивает отображение из
трёхмерного вещественного пространства R3 в пространство
бесследовых эрмитовых матриц:
а о = (аЗ а1 - ia2)
(а1 + ia2 -аЗ )
Алгебраические свойства
Матрицы Паули обладают уникальными свойствами:
• Эрмитовость: о1 - о(
• Унитарность: о 'о = I
• Бесследовость: tr(o ) = О
• Антикоммутация: {ог о} = 26 I
Произведение матриц Паули даёт: oioj = 5ij + icijkak, где
eijk — символ Леви-Чивиты.
Связь с группами Ли
Матрицы iox, юу. ioz образуют базис алгебры Ли SU(2),
которая экспоненцируется в группу SU(2) — группу всех
унитарных матриц размерности 2x2 с единичным
— 74 —
определителем. Это означает, что базис Паули порождает все
возможные квантовые вращения в двумерном пространстве.
Практическое применение
В квантовых вычислениях базис Паули используется для:
• Разложения произвольных гейтов в элементарные
операции
• Квантовой томографии — восстановления состояний
через измерения
• Анализа ошибок в квантовых схемах
• Оптимизации квантовых алгоритмов
Базис I, X, У, Z — это математический фундамент, на
котором строится вся архитектура однокубитных квантовых
вычислений Четыре простые матрицы содержат в себе всю
полноту квантовой логики для одного кубита.
Подписывайтесь на «Технооптимистов» (@drv official) —
впереди многокубитные гейты и квантовая запутанность!
Обсудить можно тут:
https://t.me/drv official/1618
Сфера Блоха а гейты — вращение
кубита в пространстве
Сфера Блоха — это не просто красивая визуализация, а
мощный инструмент для понимания квантовых вычислений.
Она превращает абстрактную математику кубитов в
наглядную геометрию, когда каждая квантовая операция
становится простым поворотом в трёхмерном пространстве.
Что такое сфера Блоха
Сфера Блоха представляет состояние одного кубита как
точку на поверхности единичной сферы. Северный полюс
соответствует состоянию |0>, южный — |1>, а все остальные
точки описывают суперпозиции этих базисных состояний.
Математически любое состояние кубита записывается
как:
I ф> = cos(0/2) 10) + е|ф51п(0/2) 11 >,
где 0 — угол между вектором состояния и осью Z, а ф —
азимутальный угол в плоскости XY.
Геометрия квантовых операции
Главная магия сферы Блоха в том, что любая квантовая
операция с кубитом — это поворот сферы. Это происходит
благодаря изоморфизму между группой SU(2) унитарных
матриц и группой трёхмерных вращений SO(3).
Основные гейты как вращения:
• Х-гейт поворачивает состояние на 180° вокруг оси X
• Y-гейт — поворот на 180° вокруг оси Y
• Z-гейт — поворот на 180° вокруг оси Z
• Гейт Адамара — сложное вращение, переводящее |0> в
равновероятную суперпозицию
Операторы поворота имеют зид: Rx(0) = e'i0X 2, R (0) =
e"i0Y/2, Rz(0) = e"i0z/2.
Зачем это нужно специалистам
Интуитивное понимание: сфера Блоха делает
абстрактные квантовые состояния визуально понятными.
Вместо работы с комплексными числами разработчик видит
простые геометрические преобразования.
Проектирование алгоритмов: при создании квантовых
схем сфера помогает планировать последовательность
операций. Нужно повернуть состояние из точки А в точку В?
Просто найдите кратчайший путь на сфере.
— 77 —
Отладка и оптимизация: современные инструменты
вроде Qiskit показывают траектории состояний на сфере
Блоха, что помогает находить ошибки в квантовых
программах.
Образование: исследования показывают, что студенты
значительно лучше понимают квантовые концепции после
работы с интерактивными моделями сферы Блоха.
Практические .инструменты
Сегодня создаются физические устройства на базе
Raspberry Pi и ESP32, которые синхронизируют вычисления с
реальным вращением сферы. Такие системы используют
FPGA для параллельных квантовых симуляций и моторы для
физической визуализации состояний.
Ограничения и расширения
Сфера Блоха работает только для одного кубита. Для
многокубитных систем используются Q-сферы или фазовые
диски, но они менее наглядны. Внутренние точки сферы
представляют смешанные состояния, возникающие при
взаимодействии с окружением.
Математическая элегантность
Связь между квантовой механикой и геометрией через
сферу Блоха — это пример глубокой математической красоты.
Комплексное проективное пространство ©Р1 изоморфно
сфере Римана, что делает квантовые состояния объектами
дифференциальной геометрии.
Сфера Блоха превращает квантовые вычисления из
чёрной магии в понятную геометрию. Для любого, кто
работает с кубитами, это не просто визуализация — это язык
мышления о квантовых состояниях.
Подписывайтесь на канал «Технооптимисты»
(@drvofficial) — впереди многокубитные системы и квантовая
запутанность!
Обсудить можно тут:
https ://t.me/drv official/1626
Въ лазури сферъ, гдЪ квантовъ вихрь играетъ,
ГдЪ мысль и свЪтъ сплетаются въ одно,
Тамъ кубитъ свой покой не обрЪтаетъ —
Онъ всюду, всюду: здЪсь и далеко.
На сферЪ Блоха — дивное
Вершится танецъ сложныхъ
Взлетаетъ вьысь квантованное
движенье,
состояли,
мненье,
И въ каждомъ — тайна новыхъ М1роздан|й.
ЗдЬсь сЪверъ — ноль, а югъ зовется единицей,
Межъ ними — безконечность всЪхъ чудесъ,
И кубитъ можетъ въ точку устремиться,
ГдЬ дремлютъ тайны квантовыхъ небесъ.
— А. С. Пушкинъ,
изъ неопубликованнаго.
Квантовые гейты: конкретные
примеры
Квантовые гейты — элементарные кирпичики
квантовых вычислений, каждый из которых обладает
уникальными свойствами и матричным представлением.
Рассмотрим основные гейты и сравним их с классическими
аналогами.
Гейт Адамара (Hadamard Gate)
Гейт Адамара — фундаментальный элемент для
создания суперпозиции. Его матричное представление:
H = 1/V2(1 1)
(1 -1)
Действие этого гейта на базисные состояния:
• Н|0) = 1/л/2(|0> + |1)) = |+) — создаёт равновероятностную
суперпозицию
• Н|1> = 1/\2(|0) - |1» = |-> — создаёт равновероятностную
суперпозицию с разными фазами
• Н|+> = |0>
• Н|-) = |1)
Пример на Qiskit:
from qiskit import QuantumCircuit, QuantumRegister
qc = QuantumCircuit(l)
qc.h(O) # Применяем гейт Адамара к кубиту О
qc.draw()
Отличие от классики: в классических вычислениях нет
аналога суперпозиции. Классический бит либо 0, либо 1, тогда
как гейт Адамара создает состояние, в котором кубит
одновременно равновероятно и 0, и 1.
CNQT (Контролируемое НЕ)
CNOT — двухкубитный гейт, инвертирующий целевой
кубит только если контрольный находится в состоянии |1>.
Матрица 4x4:
CNOT = (1 ООО)
(0 10 0)
(000 1)
(0 0 10)
Пример на Qiskit:
qc = QuantumCircuit(2)
qc.x(O) # Устанавливаем контрольный кубит в |1>
qc.cx(0, 1) # CNOT: кубит 0 — контроль, кубит 1 — цель
qc.measure_all()
Классический аналог: похож на условную операцию XOR,
но гейт CNOT обратим и может создавать запутанность. В
классике условные операции часто необратимы
Гейт Тоффоли (CCNOT)
Трёхкубитный универсальный гейт. Инвертирует целевой
кубит только если оба контрольных кубита находятся в
состоянии |1). Матрица 8*8 содержит единицы на диагонали,
кроме последних двух элементов, которые поменяны местами.
Пример на Qiskit:
qc = QuantumCircuit(3)
qc.x(O) # Первый контрольный кубит в |1>
qc.x(1) # Второй контрольный кубит в |1>
qc.ccx(0, 1,2)# Тоффоли: кубиты 0,1 — контроль, 2 — цель
qc.measure_all()
Классический аналог: точно соответствует классическому
гейту Тоффоли, который реализует функцию с = а & b © с. Это
делает его мостом между классическими и квантовыми
вычислениями.
Гейт Фредкина (CSWAP)
Трёхкубитный гейт, меняющий местами второй и третий
кубиты, если первый находится в состоянии |1>. Также
известен как контролируемый SWAP.
Матричное представление: 8*8 матрица, в которой
строки 6 и 7 (состояния |110) и |111>) поменяны местами.
— 83 —
Пример на Qiskit:
from qiskit.circuit.library import FredkinGate
qc = QuantumCircuit(3)
qc.x(O) # Контрольный кубит в ^1)
qc.append(FredkinGate(), [0, 1, 2]) #Фредкин
qc measure_all()
Особенности: сохраняет количество единиц (вес
Хэмминга) во входном состоянии, что делает его
«консервативным» гейтом.
Сравнение с классической логикой
Обратимость', все квантовые гейты обратимы благодаря
унитарности, тогда как большинство классических гейтов
(AND, OR) необратимы и теряют информацию.
Суперпозиция: квантовые гейты работают с
суперпозициями состояний, позволяя параллельную
обработку множества вариантов одновременно. Классические
гейты обрабатывают только определенные состояния 0 или 1.
Запутанность: многокубитные квантовые гейты могут
создавать запутанные состояния — феномен, отсутствующий
в классической логике.
Энергетическая эффективность: квантовые гейты
теоретически могут работать без потери энергии благодаря
обратимости, в отличие от классических, которые рассеивают
тепло при стирании информации.
Квантовые гейты представляют собой не просто
цифровые аналоги классических элементов, а принципиально
новый способ обработки информации, использующий
квантовые эффекты для достижения вычислительных
преимуществ.
Подписывайтесь на
(@drvofficial) — впереди
практические применения!
канал «Технооптимисты»
квантовые алгоритмы и их
Обсудить можно тут:
https ://t.me/drv official/1639
Квантовые схемы: кок
проектируют алгоритмы
Создание квантовых алгоритмов — это искусство
превращения абстрактных идей в последовательности
унитарных операций. Рассказываем, как строятся квантовые
схемы на примере знаменитых алгоритмов Дойча и Дойча-
Йожи (это первые квантовые алгоритмы, показавшие то самое
квантовое превосходство).
Принципы проектирования квантовых схем
Квантовая схема — это визуальное представление
последовательности квантовых операций. В отличие от
классических схем, здесь время течёт слева направо, каждая
горизонтальная линия представляет кубит, а гейты
упорядочиваются хронологически. Главное правило: все
операции должны быть обратимыми (унитарными).
Ключевые элементы проектирования:
• Инициализация состояний в базисе |0)
• Создание суперпозиции гейтами Адамара
• Применение оракула для кодирования функции
• Интерференция для извлечения информации
• Измерение финального состояния
Алгоритм Дойча: первое квантовое превосходство
Алгоритм Дойча (1985) решает задачу определения типа
функции f : {0, 1} — {0, 1} — константная она или
сбалансированная. Классически требуется два вызова
функции, квантово — всего один.
Схема алгоритма Дойча:
|0>-[Н]--..-[Н]-[Mi-
ll) —[Н]—---------
Пошаговое выполнение:
• Инициализация: |qjo) = |01 >
• Адамар на оба кубита: |qji) = %(|00) - [01) + |10> - 111»
• Оракул Ilf: |х)|у) —► |х)|у ® f(x))
• Адамар на первый кубит
• Измерение: 0 = константная, 1 = сбалансированная
Ключевая магия — фазовый откат (phase kickback).
Вспомогательный кубит в состоянии 1 /\2(|0> - 11 >) превращает
операцию XOR в фазовый сдвиг: |х)|у © f(x)> = (-1 )Af(x)|x)|y>.
Расширение до алгоритма Дойча-Йожи
В 1992 году Дэвид Дойч и Ричард Йожа обобщили
алгоритм для функций f : {0, 1}Лп —> {0, 1}. Классически
требуется 2Л(п - 1) + 1 вызовов в худшем случае, квантово —
один.
Схема Дойча-Йожи:
10>® п-[Н«п]---------------[Н®п]-[М®п]—
I
|1>----[Н]---------®-------------------
Принцип работы:
• Создание суперпозиции всех входов: 1Л/(2Лп)
Е_(х=0)л(2Ап-1) |х)
• Параллельное вычисление f(x) для всех возможных
значений х одновременно
• Интерференция состояний для выделения глобального
свойства
После оракула состояние принимает вид: 1/ч'2:(п+1)
Z_(x=0)A(2An-1)(-1)A(f(x))|x)|X), где |х> = |0> - |1>.
Финальное преобразование Адамара даёт амплитуду для
состояния |0Лп>: 1/2лп£_(х=0)л(2лп-1)(-1 )A(f(x)). Эта сумма
равна ±1 для константных функций и 0 для
сбалансированных.
Практическая реализация на Qiskit
from qiskit import QuantumCircuit. OuantumRegister, ClassicalRegister
def deutschjozsa_circuit(n, oracle):
qc = QuantumCircuit(n+1, n)
# Инициализация
qc.x(n) # Ancilla в |1)
qc.h(range(n+1)) #Адамар на все кубиты
# Оракул
qc.append(oracle, range(n+1))
# Интерференция
qc.h(range(n))
# Измерение
qc measure(range(n), range(n))
return qc
Визуализация через Quirk
Quirk — это браузерный drag-and-drop симулятор
квантовых схем с реальным временем визуализации.
Доступен по адресу https://alqassert.com/quirk без установки.
Возможности Quirk:
• Перетаскивание гейтов в реальном времени
• Мгновенная симуляция до 16 кубитов
• Визуализация состояний через амплитуды и вероятности
• Интерактивные дисплеи включая сферы Блоха
• Сохранение схем через закладки
Для алгоритма Дойча в Quirk:
• Добавьте 2 кубита
• Примените Х-гейт ко второму кубиту
• Добавьте Н-гейты к обоим кубитам
• Вставьте оракул (например, CNOT для сбалансированной
функции)
• Примените Н-гейт к первому кубиту
• Наблюдайте результат в реальном времени
Преимущества визуализации: Quirk показывает
эволюцию амплитуд на каждом шаге, помогая понять, как
суперпозиция и интерференция работают вместе для
извлечения глобальной информации о функции.
Алгоритмы Дойча и Дойча-Йожи демонстрируют
фундаментальный принцип квантовых вычислений:
использование суперпозиции для параллельной обработки и
интерференции для извлечения информации. Эти простые
схемы заложили основу для более сложных алгоритмов вроде
Гровера и Шора.
Подписывайтесь на «Технооптимисты» (fi)drv official) —
впереди алгоритм Гровера и квантовый поиск!
Обсудить можно тут:
https://t.me/drv official/1651
BERNSTEIN-VAZIRANI ALGORITHM
ONE QUERY
SUPERPOSITION
SUPERPOSITION
INTERFRENCE
INTERFERENCE
ORACLE
FUNCTION
CLASSICAL APPROACH
SINGLEUURES
MULTIPLE
QUERIES
So • • • Sn-i
So • • • Sn-1
Алгоритм Берниитейно-Возирони:
квантовый детектив находит
секретный код
Представьте, что у вас есть чёрный ящик с секретным
двоичным кодом внутри — например, 101011. Классический
компьютер должен задать этому ящику множество вопросов,
чтобы угадать код по частям. Квантовый компьютер с
алгоритмом Бернштейна-Вазирани может раскрыть весь
секрет за один вопрос. Звучит как магия? Разбираемся, как это
работает!
Суть задачи: игра в угадайку с битами
Алгоритм Бернштейна-Вазирани решает простую, но
важную задачу. У нас есть функция-оракул, которая хранит
секретную битовую строку s длиной п битов. Когда мы подаём
на вход строку х, оракул возвращает результат скалярного
произведения s x по модулю 2.
Математически это записывается как:
f(x) = S X = S1X1 ф S2X2 © ... ф Snxn,
где ® означает сложение по модулю 2 (XOR).
Классический подход: чтобы найти секретную строку s,
нужно подать на вход специальные «тестовые» строки: 100...О,
010...0, 001...0 и так далее. Каждый такой запрос раскрывает
один бит секрета. Для п-битной строки потребуется ровно п
запросов.
Квантовое решение: алгоритм Бернштейна-Вазирани
находит всю секретную строку за один запрос к оракулу,
используя квантовую суперпозицию.
Как работает квантовая магия
Секрет алгоритма — в одновременной проверке всех
возможных входных комбинаций. Вместо того чтобы подавать
на вход конкретные строки по очереди, квантовый компьютер
создает суперпозицию всех возможных входов сразу.
Схема алгоритма:
10> ®п [Н® п]---[fl--------[Н®п] [М®п]—
I
|1) ----(HJ-----------М----------------
Пошаговое объяснение:
1. Инициализация: начинаем с п кубитов в состоянии |0) и
одного вспомогательного кубита в состоянии 11 >.
2. Создание суперпозиции: применяем гейты Адамара ко
всем кубитам. Это создаёт равномерную суперпозицию
всех возможных n-битных строк: 1Л/(2Ап)2_(х=0)А(2Ап-1)
|х).
3. Применение оракула: оракул «помечает» каждое
состояние |х> фазой (-1 )Af(x). Благодаря фазовому откату
состояние принимает вид: 1N(2An)Z (х=0)Л(2Ап-1)
(-1)A(s х) |х>.
4. Интерференция: второе применение гейтов Адамара
создаёт конструктивную интерференцию для состояния
|s) и деструктивную для всех остальных.
5. Измерение: с вероятностью 100 % получаем искомую
секретную строку s.
Математическая красота
Ключевая формула алгоритма основана на свойстве
преобразования Адамара: HA(®n)£_x (-1)A(s х) |х> = |s>.
Это означает, что после применения оракула и
повторного преобразования Адамара все амплитуды
«схлопываются» в одну точку — искомую секретную строку.
Практическая реализация на Qiskit:
from qiskit import QuantumCircuit, OuantumRegister, ClassicalRegister
from qiskit import execute, Aer
import numpy as np
def bernstem_vazirani_circuit(secret_string):
n = len(secretsinng)
# Создаём схему
qc = QuantumCircuitfn + 1, n)
# Инициализация: вспомогательный кубит в |1)
qc.x(n)
# Применяем Адамар ко всем кубитам
qc.h(range(n + 1))
# Создаем оракул для секретной строки
for i, bit in enumerate) secret_string)
if bit ==T:
qc cx(i, n) # CNOT если бит равен 1
# Второе применение Адамара к основным кубитам
qc.h(range)n))
# Измерение
qc measure(range(n), range(n))
return qc
# Пример использования
secret = "1011"
circuit = bernstein_vaziram_circuit(secret)
рппЦГСекретная строка {secret}")
# Симуляция
backend = Aer.get _backend('qasm_simulator')
job = executefcircuit, backend. shots=1024)
result = job.result()
counts = result get_counts()
рпп^ГРезультат измерения: {counts}")
Почему это важно
Алгоритм Бернштеина-Вазирани демонстрирует
фундаментальный принцип квантовых вычислений —
квантовый параллелизм. Вместо последовательной обработки
данных квантовый компьютер может обрабатывать
экспоненциально большое количество состояний
одновременно.
Хотя сама задача поиска скрытой битовой строки может
показаться искусственной, принципы алгоритма лежат в
основе более сложных квантовых алгоритмов, включая
знаменитый алгоритм Шора для факторизации больших
чисел.
Практическое значение: алгоритм показывает, как
квантовая интерференция может извлекать глобальную
информацию о функции за один запрос. Этот принцип
используется в квантовой криптографии, квантовом машинном
обучении и других областях.
Алгоритм Бернштейна-Вазирани — это элегантная
демонстрация того, как квантовая механика может
кардинально изменить наш подход к решению
вычислительных задач. Один запрос вместо многих — вот что
такое квантовое превосходство в действии.
Подписывайтесь на Телеграм-канал «Технооптимисты»
((q)drv official) — впереди ещё больше удивительных
квантовых алгоритмов!
Обсудить можно тут:
https://t.me/drv official/1662
Алгоритм Саймона: квантовый
детектив находит скрытый
период
Представьте функцию-загадку, которая прячет секретный
период. Классический компьютер должен перебрать
экспоненциально много вариантов, чтобы его найти.
Квантовый компьютер с алгоритмом Саймона справляется за
линейное время. Этот алгоритм 1994 года стал первым
примером экспоненциального квантового ускорения и
вдохновил Питера Шора на создание знаменитого алгоритма
факторизации.
Суть проблемы: поиск скрытой периодичности
Алгоритм Саймона решает следующую задачу. Пусть у
нас есть функция-оракул f : {О, 1}п {О, 1}п, которая хранит
секретную строку s. Функция обладает специальным
свойством периодичности: f(x) = f(x © s) для всех входов х, где
© — побитовое сложение по модулю 2.
Это означает, что функция является либо один-к-одному
(если s = 000...0), либо два-к-одному (если s 000...0). Во
втором случае каждый выход функции соответствует ровно
двум входам, которые отличаются на секретную строку s.
Классический подход: чтобы найти скрытый период,
нужно искать коллизии — два разных входа х и у, для которых
f(x) = f(y). В худшем случае потребуется до (2п-1 + 1) запросов
к функции. Даже с вероятностными методами сложность
остаётся экспоненциальной — примерно О(2п/2) запросов.
Квантовое решение: алгоритм Саймона находит
секретную строку s за О(п) запросов к оракулу —
экспоненциальное ускорение!
Как работает квантовая магия
Секрет алгоритма — в использовании квантовой
суперпозиции для одновременного исследования всех
возможных входов и извлечения информации о периоде через
интерференцию.
Схема алгоритма:
|0>®п-[Н®п)~-- -•---[Н®п]-[М®п]—
I
|0)®п----------®-----------[М®п]—
Пошаговое объяснение:
1. Инициализация: начинаем с 2п кубитов в состоянии |0>.
2. Создание суперпозиции: применяем гейты Адамара к
первым п кубитам, создавая равномерную суперпозицию всех
возможных входов:
1Л'2пУ 02п'1 1х>|0>.
3. Применение оракула: оракул вычисляет f(x) и записывает
результат во второй регистр:
1N2n У 02""1 |x>lf(x)>.
4. Измерение второго регистра: получаем случайное значение
f(y). Из-за периодичности функции первый регистр
схлопывается в суперпозицию двух состояний:
1Л/2п (Iу> + ly ® s)).
5. Интерференция: повторное применение гейтов Адамара к
первому регистру создаёт состояние:
1/л/2п+1 £z=02n-1 [1 + (-1)z s]|z>
6. Измерение: с ненулевой вероятностью получаем строку z,
для которой выполняется условие z s = 0 (скалярное
произведение по модулю 2).
Квантовое преобразование Фурье в действии
Ключевая математическая красота алгоритма Саймона
заключается в том, что он использует простейшую форму
квантового преобразования Фурье. Гейт Адамара — это не что
иное, как одномерное дискретное преобразование Фурье над
группой Z2n.
Формула интерференции показывает, как периодичность
функции проявляется в амплитудах квантовых состояний.
Практическая реализация на Qiskit
from qiskit import OuantumCircuit, OuantumRegister, ClassicalRegister
from qiskit import execute, Aer
import numpy as np
def simon_oracle(n, secret_string):
"""Создаёт оракул для алгоритма Саймона...
oracle = QuantumCircuit(2 * n)
# Копируем входы в выходы
for । in range(n):
oracle.cx(i, n + i)
# Добавляем секретный период
for i, bit in enumerate(secret_stnng):
if bit ==T:
oracle cx(i, n + i)
return oracle
def simon_algorithm(n, secret_string)
..Полная реализация алгоритма Саймона.....
qc = QuantumCircuit(2 * n, n)
# Шаг 1 Создаем суперпозицию
qc h(range(n))
# Шаг 2 Применяем оракул
oracle = simon_oracle(n, secret_stnng)
qc appendforacie. range(2 * n))
# Шаг 3: Измеряем второй регистр (можно пропустить в симуляции)
# Шаг 4 Интерференция
qc.hfrange(n))
# Шаг 5: Измерение первого регистра
qc.measure(range(n), range(n))
return qc
# Пример секретная строка "110"
secret = "110"
n = len(secret)
# Собираем систему линейных уравнений
measurements = |]
tor _ in range(n + 2) # Запускаем алгоритм несколько раз
circuit = simon aigorithm(n, secret)
backend = Aer.get__backend('qasm_simulator')
job = execute(circuit, backend, shots=1)
result = jobTesult().get_counts()
# Получаем результат измерения
measured_strmg = list(result.keys())[O]
measurements.append(measured_stnng)
print(F'Измерение' {measured_string}")
рппЦГСекретная строка' {secret}")
Почему это революционно
Д] Экспоненциальное ускорение: классические алгоритмы
требуют О(2п/2) запросов, квантовые — всего О(п). Для 50-
битных функций это разница между миллиардами лет и
несколькими минутами.
2JМостик к алгоритму Шора: проблема Саймона — частный
случай задачи поиска скрытой подгруппы в абелевых группах.
Алгоритм Шора решает аналогичную задачу для
мультипликативных групп, используя те же принципы
квантовой интерференции и преобразования Фурье.
^Историческое значение: это был первый пример строго
доказанного экспоненциального квантового превосходства.
Саймон показал, что квантовые компьютеры могут решать
определенные задачи принципиально быстрее классических.
31 Практические применения: алгоритм используется в
квантовой криптографии для анализа симметричных шифров
и в разработке криптостойких протоколов.
Математическая элегантность
Алгоритм Саймона демонстрирует фундаментальную
связь между периодичностью и квантовой интерференцией.
Система линейных уравнений z s = 0 естественным образом
возникает из квантового параллелизма, превращая
экспоненциально сложную задачу поиска в полиномиально
решаемую систему линеинои алгебры.
Алгоритм Саймона — это не просто теоретический
курьёз, а фундаментальный прорыв, который открыл путь к
практическим квантовым алгоритмам. От поиска скрытых
периодов до факторизации больших чисел — всего один шаг,
который сделал Питер Шор.
Подписывайтесь на Телеграм-канал «Технооптимисты»
(@drv official) — впереди алгоритм Шора и квантовая
криптография!
Обсудить можно тут:
https://t.me/drv official/1673
Квантовая оценка фазы (QPE)
Представьте, что у вас есть чёрный ящик, который
поворачивает кубит на некоторый неизвестный угол. Как
узнать этот угол с высокой точностью? Квантовая оценка фазы
(Quantum Phase Estimation) — это универсальный инструмент,
который решает эту задачу и лежит в основе самых мощных
квантовых алгоритмов.
Суть проблемы: измерить неизмеримое
Алгоритм QPE решает фундаментальную задачу
квантовой механики: найти собственные значения унитарного
оператора U. Если у нас есть собственное состояние |qj}
такое, что U|ip> = е2ттк₽|ф>, то QPE извлекает фазу ф с заданной
точностью.
Математически это выглядит очень элегантно, но
скрывает огромную вычислительную мощь. Многие важные
задачи — от факторизации чисел до моделирования молекул
— сводятся к поиску собственных значений определенных
операторов.
Как работаеТ-Квантовая магия
Алгоритм ОРЕ, как это обычно бывает, использует два
регистра кубитов. Первый (п кубитов) называется счётным
регистром и будет хранить результат. Второй содержит
собственное состояние |qj> исследуемого оператора U.
Ключевая идея: Применяем оператор U с разными
степенями (U1, U2, U4, U8, ...) к собственному состоянию,
контролируя каждую операцию кубитами счетного регистра.
Затем применяем обратное квантовое преобразование Фурье,
которое «декодирует» фазу из паттерна интерференции.
Схема алгоритма:
]0>®п -[H®nJ----------------[QFTf]-
I I I
IV)---------[U’]--[U2]-[U’]---------------
После применения гейтов Адамара создаётся
суперпозиция, в которой каждый контрольный кубит «пробует»
соответствующую степень оператора U. Квантовое
преобразование Фурье извлекает фазовую информацию,
концентрируя амплитуды в состояниях, соответствующих
двоичному представлению фазы ср.
Почему это революционно
I. Экспоненциальная точность: с п кубитами QPE может
определить фазу с точностью до 2-п. Это означает, что всего
20 кубитов дают точность в миллионную долю!
^Универсальность: QPE — это «швейцарский нож»
квантовых вычислений. Любая задача, которую можно свести к
поиску собственных значений, автоматически получает
квантовое ускорение.
^Фундамент для Шора: в алгоритме факторизации Шора QPE
используется для нахождения периода функции
f(x) = ах mod N. Собственные значения оператора сдвига
кодируют информацию о периоде, что позволяет разложить
число на простые множители.
Практическая реализация на Qiskit
from qiskit import QuantumCircuit. QuantumRegister
from qiskit circuit.library import QFT
import numpy as np
def qpe_circuit(n_qubits. unitary gate. eigenstate_prep=None):
min
Создает схему квантовой оценки фазы
n_qubits количество кубитов для счетного регистра
unitary_gate унитарный оператор U
eigenstate_prep схема подготовки собственного состояния
НИН
# Регистры
counting qubits - QuantumRegister(n_qubits, 'counting’)
target_qubits = QuantumRegister(1, 'target')
qc = QuantumCircuit(counting_qubits, target_quoits)
# Подготовка собственного состояния
if eigenstate prep
qc compose(eigenstate_prep, target_qubits, inplace-True)
# Суперпозиция в счетном регистре
qch(countmgqubits)
# Контролируемые степени унитарного оператора
for । in range(n_qubits).
power = 2 ** i
for _ in range(power)-
qc.appendfunitary _gate.control(),
[counting_qubits[i]] + list(target_qubits))
# Обратное квантовое преобразование Фурье
qftjnverse = QFT(n_qubits, inverse=True)
qc.compose(qft_inverse, counting_qubits, mplace=True)
# Измерение
qcmeasure_all()
return qc
# Пример оценка фазы для Z-гейта
from qiskit.circuit.library import ZGate
z_gale = ZGate()
# Подготовка собственного состояния |1) для Z
eigenstate _ргер = QuantumCircuit(l)
eigenstate_prep x(0)
# Создание схемы QPE c 4 кубитами точности
qpe = qpe_circuit(4, z_gate, eigenstate_prep)
printfCxeMa QPE готова!")
Связь с другими алгоритмами
QPE — это не просто отдельная процедура, а
универсальный строительный блок. В алгоритме Шора она
находит период мультипликативной функции. В квантовом
моделировании молекул — собственные энергии
гамильтониана. В квантовом машинном обучении — главные
компоненты матриц данных.
Вариационная QPE: современные NISQ-устройства
используют гибридные версии QPE, которые работают с
неглубокими схемами и классической пост-обработкой.
Математическая красота
Алгоритм демонстрирует глубокую связь между
квантовой механикой и гармоническим анализом Квантовое
преобразование Фурье «слушает» частоты в эволюции
квантового состояния, извлекая спектральную информацию
через интерференцию амплитуд.
Формула финального состояния счетного регистра:
1/2n Zk=02n’1 е2тпфк| к).
После QFT'1 получаем пик вероятности в состоянии,
наиболее близком к <р-2п.
QPE превращает абстрактную задачу поиска
собственных значений в конкретную процедуру измерения
кубитов. Это мостик между математической теорией и
практическими квантовыми вычислениями, который делает
возможными алгоритмы следующего поколения.
Подписывайтесь на Телеграм-канал «Технооптимисты»
(@drv official) — впереди алгоритм Шора и квантовое
превосходство!
Обсудить можно тут:
https://t.me/drv official/1684
fvtlc» 4 J
v* I
KIJ
Gealers О 76-^-" 1(3 ’и'
Немного теории: факторизация и
дискретный логарифм
Современная криптография стоит на двух
математических столпах, которые кажутся простыми, но на
деле чрезвычайно сложны для вычисления Именно эти
задачи защищают ваши банковские карты, переписку и все
секретные данные в интернете. Разберёмся, что это такое.
Факторизация: детская игра, которая ставит в тупик
суперкомпьютеры
Факторизация — это разложение числа на простые
множители. Помните школьную математику? Число 12
раскладывается на 2*2*3, число 15 — на 3*5. Просто,
правда?
А теперь попробуйте разложить на множители число
2057. Не так-то легко! Придётся перебирать делители: 2, 3, 5,
7, 11... Оказывается, это 29*71. Заняло время?
Теперь представьте число длиной в 2048 битов — это
примерно 617 цифр! Именно такие числа использует
криптосистема RSA. Даже самые мощные суперкомпьютеры
тратят тысячи пет, чтобы разложить подобное число на
множители.
Почему это так сложно? Нет эффективного алгоритма.
Приходится проверять делители один за другим, а их
количество растёт экспоненциально с размером числа. Это
как искать иголку в стоге сена размером с галактику.
Дискретный логарифм: ещё одна непобедимая задача
Представьте простую операцию: 2 в степени 10 равно
1024. Легко посчитать! А теперь обратная задача: в какую
степень нужно возвести 2, чтобы получить 1024? Это и есть
логарифм.
В обычной арифметике логарифмы вычисляются просто.
Но в модульной арифметике всё меняется кардинально.
Пример: Возьмём число 3 и будем возводить его в
разные степени по модулю 17:
31 = 3 (mod 17)
З2 = 9 (mod 17)
З3 = 10 (mod 17)
34= 13 (mod 17)
Легко вычислить, чему равно З100 по модулю 17. Но если
дать вам результат — скажем, 13 — сможете ли вы быстро
сказать, в какой степени нужно возвести 3, чтобы получить 13
по модулю 17? Это и есть задача дискретного логарифма.
Почему эти задачи важны
Вся современная криптография основана на
односторонних функциях — операциях, которые легко
выполнить в одну сторону, но практически невозможно
обратить.
Схема RSA использует факторизацию: легко
перемножить два больших простых числа, но крайне трудно
разложить результат обратно. Ваш открытый ключ содержит
произведение, а секретный — сами множители.
Алгоритмы на эллиптических кривых используют
дискретный логарифм: Легко «умножить» точку на кривой на
большое число, но найти это число по результату — задача на
миллионы лет вычислении.
Реальные масштабы сложности
Чтобы понять масштаб проблемы, представьте: если бы
каждый атом во Вселенной был компьютером, и все они
работали бы с момента Большого взрыва до сегодня, то они
всё равно не смогли бы разложить на множители 2048-битное
число классическими методами.
Именно поэтому банки спокойно используют RSA,
правительства доверяют эллиптической криптографии, а ваши
пароли надёжно защищены. Математика работает как
непробиваемый щит.
Что изменят квантовые компьютеры
Но есть одна проблема. Алгоритм Шора, работающий на
квантовом компьютере, может решить обе эти задачи за
разумное время. Факторизация 2048-битного числа займёт не
тысячи лет, а считанные часы.
Это означает, что как только появятся достаточно
мощные квантовые компьютеры, вся существующая
криптография станет бесполезной. Именно поэтому уже
сейчас математики всего мира работают над постквантовой
криптографией — новыми задачами, которые будут сложны
даже для квантовых машин.
Факторизация и дискретный логарифм — это два
математических титана, которые уже четверть века держат на
себе всю цифровую безопасность. Но их время подходит к
концу, и нам нужны новые гиганты.
Подписывайтесь на Телеграм-канал «Технооптимисты»
(@drv official) — скоро разберём, что придёт им на смену!
Обсудить можно тут:
https ://t.me/drv official/1695
Детально о квантовом
преобразовании Фурье QFT
Квантовое преобразование Фурье — это не просто
красивая математическая абстракция, а настоящий
«швейцарский нож» квантовых вычислении. Если вы когда-
нибудь слушали музыку через наушники, то пользовались
классическим преобразованием Фурье — именно оно
разлагает звук на частоты и позволяет настраивать
эквалайзер. QFT делает то же самое, но с квантовыми
состояниями, и это открывает дверь к экспоненциальному
ускорению вычислений.
Представьте, что у вас есть сложный квантовый сигнал —
суперпозиция множества состояний с разными амплитудами.
Классический компьютер должен был бы
анализировать каждую компоненту по отдельности, что заняло
бы экспоненциальное время. QFT же благодаря квантовому
параллелизму анализирует все компоненты одновременно.
В основе QFT лежит та же математическая идея, что и в
классическом преобразовании Фурье: любой сигнал можно
разложить на синусоиды разных частот. Но в квантовом
случае «сигналом» служит вектор амплитуд квантового
состояния, а «частоты» — это фазовые соотношения между
базисными состояниями.
Математически QFT преобразует квантовое состояние
I Ф> = Zr0N~ * lj> в новое состояние QFT(ip)) = Zk=0N~1ykl к), где
коэффициенты связаны формулой уч = 1/^/N Ej=0N~1xjwN~Jk-
Здесь = e2TTi/N — комплексный корень N-й степени из
единицы, который задаёт фазовые отношения.
Но самое удивительное — это эффективность
реализации. Классический алгоритм быстрого преобразования
Фурье требует O(N tog N) операций для обработки N точек
данных. Квантовый же требует всего О(п2) квантовых гейтов
для п кубитов, где N = 2П. Это означает экспоненциальное
ускорение: для обработки миллиона точек классически нужно
около 20 миллионов операций, квантово — всего 400 гейтов!
Секрет такой эффективности — в умной декомпозиции.
QFT можно представить как произведение простых операций:
гейтов Адамара и контролируемых фазовых сдвигов. Каждый
кубит последовательно обрабатывается гейтом Адамара,
который создаёт суперпозицию, а затем серией
контролируемых поворотов, которые вносят нужные фазовые
сдвиги в зависимости от состояний других кубитов.
Элегантность QFT проявляется в том, как он преобразует
входное состояние. Если на входе у нас состояние |j) в
двоичном представлении Щ j2 ... jn>, то QFT превращает его в
произведение однокубитных состояний:
QFT|j> = 1Л/2" nk=1n(IO) + e2mO'k'k+1 П1)), где O.jkjk+1...jn - это
двоичная дробь.
Практическая реализация на Qiskit выглядит удивительно
компактно:
from qiskit import QuantumCircuit
from qiskit circuit library import QFT
import numpy as np
def create_qfl_demo(n_qubits):
"""Демонстрация OFT для поиска периода"""
qc = QuantumCircuit(n_qubits)
# Подготавливаем периодическое состояние
for i in range(n qubits):
qc.h(i)
# Добавляем фазовые сдвиги для создания периода
period = 3
for । in range(n_qubits)
qc p(2 * np pi * i / period, i)
# Применяем QFT
qft = QFT(n_qubits)
qc.compose(qft, inplace-True)
return qc
# Создаём и визуализируем схему
circuit = create_qft_demo(4)
pnntf'QFT готов к поиску скрытого периода!")
— 114 —
Магия QFT особенно ярко проявляется □ алгоритме
Шора. Когда нужно найти период функции f(x) = ах mod N, QFT
превращает задачу поиска в классическом смысле в задачу
измерения квантовых интерференций. Периодичность
функции кодируется в фазовых соотношениях квантового
состояния, a QFT «декодирует» эту информацию,
концентрируя амплитуды в состояниях, соответствующих
периоду.
Ещё одно удивительное свойство QFT — его
обратимость. Поскольку это унитарное преобразование,
существует обратный QFTf, который точно восстанавливает
исходное состояние. Это критически важно для квантовых
алгоритмов, когда нужно «распаковать» информацию из
частотного представления обратно в амплитудное.
В квантовой оценке фазы QFT работает как точный
«частотомер» для квантовых состояний Если у нас есть
собственное состояние унитарного оператора с неизвестной
фазой, QFT может извлечь эту фазу с экспоненциальной
точностью — п кубитов дают точность до 2-п радиан. Это как
если бы у вас был музыкальный инструмент, который может
определить частоту ноты с точностью до миллионных долей
герца.
Но самое захватывающее в QFT — это то, как он
превращает локальную информацию в глобальную.
Классические алгоритмы должны «собирать» информацию по
кусочкам, QFT же благодаря квантовой суперпозиции и
интерференции извлекает глобальные свойства функции за
один «взгляд». Это принципиально новый способ обработки
информации, который становится основой квантового
превосходства. __-нс
QFT — это мост между дискретной математикой и
непрерывной физикой, между классическими вычислениями и
квантовой реальностью. Когда квантовые компьютеры станут
повсеместными, именно QFT будет тем инструментом,
который откроет нам доступ к решению задач, которые
сегодня кажутся невозможными.
Подписывайтесь на Телеграм-канал «Технооптимисты»
(@drv official) — впереди квантовая криптография и алгоритм
Гровера!
Обсудить можно тут:
Classical Quantum
xnpenation compersioon
mod/V
Quantum
-> Parallelism
Inverse
Quantum
Interference
Алгоритм Шоро: конец RSA?
Сегодня почти вся мировая передача секретных данных
— от банковских операций до мессенджеров — держится на
одной математической загадке: очень трудно разложить
большое число на простые множители (задача факторизации).
Именно эту задачу решает RSA и большая часть классической
криптографии. Но с приходом квантовых компьютеров все
меняется — и всему виной алгоритм Шора.
Как это работает: квантовая магия против больших чисел
Классический компьютер тратит годы и триллионы
операций, чтобы разложить 2048-битное число (типичный
ключ RSA) на множители. Квантовый же, применяя алгоритм
Шора, делает это за считанные секунды!
— 117 —
В чём суть?
Шор показал, что главный барьер — трудность
разложения на множители — исчезает, если использовать две
суперспособности квантовой механики: суперпозицию и
квантовое преобразование Фурье (QFT).
Вся сложность сводится к одной задаче: найти период
функции f(x) = ах mod N — тот самый «порядок» числа а по
модулю N. Классически это можно только перебором,
квантово — одной тонкой интерференцией.
Главные этапы:
JJКвантовый компьютер готовит суперпозицию всех возможных
значении х
Л С помощью оракула вычисляет ах mod N параллельно для
всех х.
2 К квантовому регистру применяется алгоритм QFT, который
превращает скрытый период в отчётливый пик вероятности.
4После измерения получаем информацию о периоде, а из неё
легко (на классическом компьютере!) находим делители N.
Почему это угроза криптографии?
RSA, EIGamal и ещё сотни криптографических
протоколов держатся на идее: никто не умеет раскладывать
большое число на множители быстро. Алгоритм Шора рушит
этот фундамент. Как только появится достаточно мощный
квантовый компьютер, частная и государственная переписка,
электронные деньги — всё окажется под угрозой.
Именно поэтому сейчас во всём мире ищут
постквантовые альтернативы — такие алгоритмы, которые не
боятся квантовых атак.
Схема алгоритма Шора
|0>п —[Н®п]—•--[QFTt]—[M^n]—
I
ID®m----------И(Х)]----------
1] Гейты Адамара создают суперпозицию.
ЛОракул вычисляет функцию f(x) = ах mod N.
Л Применяется обратное квантовое преобразование Фурье.
Jj Измеряем — получаем период.
Qiskit: пример простого разложения
Вот упрощённая демо-версия на малом числе:
from qiskit.algonthms import Shor
from qiskit import Aer
from qiskit.utils import Ouantumlnstance
N = 15 # Попробуем разложить число 15
shor = Shor()
qi = Quantumlnstance(Aerget_backend('qasm_simulator'))
result = shorfactor(N)
рппЦГМножители числа {N} {result factors}")
Запустите это на любом учебном квантовом симуляторе
— и увидите результат за секунды!
Итог
Алгоритм Шора — это элегантный симбиоз математики и
квантовой физики, который однажды может уничтожить
привычную нам криптографию. Так что уже пришло время
пересматривать основы защиты информации.
Подписывайтесь на «Технооптимисты» (S>drv official) —
будем вместе разбирать постквантовые алгоритмы!
Обсудить можно тут:
Вновь немного теории:
интерференция
Прежде чем понять, как работает алгоритм Гровера —
самый изящный пример квантового поиска — нужно
разобраться с явлением, которое делает его возможным. Речь
о квантовой интерференции — фундаментальном свойстве
квантового мира, благодаря которому частицы могут
усиливать или подавлять друг друга, даже когда речь идёт об
одной и той же частице, взаимодействующей с самой собой.
Классическая интерференция: когда волны встречаются
Начнём с привычного мира. Бросьте два камня в
спокойный пруд, и вы увидите, как круги на воде
пересекаются, создавая сложные узоры. В одних местах
волны складываются и усиливают друг друга — это
— 121 —
конструктивная интерференция. В других местах они гасят
друг друга — деструктивная интерференция.
Математически это просто: если амплитуды двух волн в
данной точке равны А. и А?, то результирующая амплитуда
равна их сумме Ai + А2. Если волны в фазе, амплитуды
складываются и усиливаются. Если в противофазе —
вычитаются и могут полностью погасить друг друга.
Именно так работают шумоподавляющие наушники: они
создают звуковую волну, в точности противоположную
внешнему шуму, и в результате вы слышите тишину.
Квантовая интерференция: когда реальность становится
странной
В квантовом мире всё гораздо интереснее. Здесь
интерферируют не классические волны, а волновые функции
— математические объекты, описывающие состояния частиц.
Ключевое отличие: классические волны описывают
физические колебания, квантовые волновые функции —
вероятности.
Представьте знаменитый эксперимент с двумя щелями.
Электрон летит к экрану с двумя отверстиями. Классическая
физика говорит: электрон пролетит либо через одну щель,
либо через другую. Квантовая механика утверждает: пока
«никто не наблюдает», электрон проходит через ОБЕ щели
одновременно, создавая суперпозицию состояний.
Волновая функция описывает это состояние как |<р> =
а|щель|) + р|щель2), где аир — комплексные амплитуды. На
экране мы не измеряем саму волновую функцию, а её квадрат
— вероятность обнаружить частицу. И здесь происходит
— 122 —
магия: |о + р|2 # |а|2 + |3|2. Появляется интерференционный
член 2Re(a * р), который может быть как положительным, так и
отрицательным.
Практическое понимание через код
Вот простой пример на Qiskit, демонстрирующий
принципы квантовой интерференции:
from qiskit import QuantumCircuit. execute. Aer
import numpy as np
# Создаём схему для демонстрации интерференции
qc = QuantumCircuit(1, 1)
# Создаем суперпозицию |0> + [1 >
qc.h(O)
# Добавляем фазовый сдвиг (это меняет интерференцию!)
phase = np.pi/4 # попробуйте разные значения
qc.p(phase. 0)
# Ещё один Адамар для создания интерференции
qc.h(O)
# Измеряем результат
qc.measure(0, 0)
# Запускаем эксперимент
backend = Aer get_backend('qasm_simulator')
job = execute(qc, backend, shots=1000)
counts = joo.result().get_counts()
рппЦСРезультаты с фазой {phase 2f}: {counts}")
Попробуйте разные значения фазы — и увидите, как
меняется вероятность измерить 0 или 1. При phase = О
получите только |0> (конструктивная интерференция), при
phase = и — только |1) (деструктивная для |0>, конструктивная
для |1».
Амплификация амплитуд: сердце алгоритма Гровера
Теперь ключевой момент. В алгоритме Гровера мы ищем
определённое значение в неструктурированной базе данных.
Классический компьютер должен проверить в среднем N/2
элементов из N Квантовый решает задачу за \N шагов.
Секрет — в умелом использовании интерференции.
Алгоритм работает с суперпозицией всех возможных
состояний одновременно. Через серию специально
подобранных операций он создаёт конструктивную
интерференцию для искомого состояния и деструктивную для
всех остальных.
Это как настройка радио: все радиоволны присутствуют в
эфире одновременно, но приёмник усиливает нужную частоту
и подавляет остальные. Алгоритм Гровера делает то же самое
с квантовыми амплитудами.
Математически это выглядит как поворот в пространстве
амплитуд. Каждая итерация алгоритма поворачивает общий
вектор состояния на фиксированный угол в сторону искомого
решения. После \N поворотов амплитуда искомого состояния
становится близкой к 1, а все остальные — близкими к 0.
Р. S.: А что, если квантовая интерференция — это не
просто математический трюк, а фундаментальное
свойство реальности? Возможно, наш классический мир —
реальности? Возможно, наш классический мир — лишь
приближение более глубокого квантового порядка, где всё
интерферирует со всем. Что думаете — мы живём в
квантовой симуляции?
Подписывайтесь на Телеграм-канал «Технооптимисты»
(@drv official) — скоро разберем алгоритм Гровера во всех
деталях!
Обсудить можно тут:
https ://t.me/drvofficial/1729
Алгоритм Гровера: поиск в
неотсортированной базе
Представьте, что вас заперли в библиотеке с миллионом
книг, и нужно найти одну-единственную с нужной
информацией. Книги не расставлены по порядку — полный
хаос. Классический подход: проверять по одной, в среднем
потребуется 500 тысяч попыток. Алгоритм Гровера делает то
же самое всего за тысячу проверок. Магия? Нет, квантовая
механика.
Для чего нужен алгоритм
Алгоритм Гровера решает задачу неструктурированного
поиска — нахождения элемента в базе данных без какой-либо
упорядоченности. Это фундаментальная задача информатики:
поиск записи в базе данных, нужного файла на диске,
решения уравнения методом перебора (а это вообще
обратная задача).
Классические алгоритмы вынуждены проверять
элементы последовательно. В худшем случае искомый
элемент окажется последним, потребуется N проверок. В
среднем — N/2. Гровер предложил квантовый алгоритм,
который гарантированно находит ответ за \N шагов.
Ква нтовоеускррение и его .предел ы
Ускорение Гровера называют квадратичным — не
экспоненциальным, как у алгоритма Шора. Для базы в
миллион элементов классический поиск требует 500 тысяч
операций, квантовый — всего тысячу. Это огромное
ускорение, но не чудо
Доказано, что даже квантовый компьютер не может наити
элемент в неупорядоченной базе быстрее чем за vN шагов —
это фундаментальный предел. Алгоритм Гровера достигает
этого предела, то есть оптимален.
Важный момент: квадратичное ускорение не решает NP-
полные задачи за полиномиальное время. Корень из
экспоненты всё ещё экспонента. Но для практических задач с
умеренными размерами баз данных выигрыш колоссален.
Умозрительный пример: как это работает
Представьте танцпол с 16 танцорами, один из которых —
искомый. Классически нужно подходить к каждому и
проверять. Квантово — включаем музыку (создаем
суперпозицию), и все танцоры начинают двигаться
одновременно.
Секрет в амплификации амплитуд. Начинаем с
равномерной суперпозиции — все танцоры двигаются с
одинаковой интенсивностью. Затем применяем оракул: он
помечает нужного танцора, инвертируя его фазу (он начинает
двигаться в противофазе).
Следующий шаг — инверсия относительно среднего:
танцоры, двигающиеся медленнее среднего, ускоряются;
быстрее среднего — замедляются. Поскольку искомый танцор
двигался в противофазе, его амплитуда увеличивается
сильнее всех остальных.
После V16 = 4 итераций искомый танцор двигается
настолько интенсивно, что при «измерении» (выключении
музыки) мы с высокой вероятностью увидим именно его.
Пример на Qiskit
from qiskit import QuantumCircuit
from qiskit circuit.library import grover operator
from qiskit_aer import Aer
import math
def grover_search_demo():
# Ищем состояние "11" среди 4 возможных
target_state = "11”
n_qubits = 2
# Создаём оракул для состояния "11”
oracle = QuantumCircuit(n_qubits)
oracle cz(0,1) # Controlled-Z помечает |11>
# Создаём схему Гровера
qc = QuantumCircuit(n_qubits)
qc.h(range(n_qubits)) # Начальная суперпозиция
# Оптимальное число итераций’ тт/4 * \N/M » 1
iterations = math,floor(math pi/4 * math.sqrt(4))
for _ in range(iterations):
# Применяем оператор Гровера
grover_op = grover_operator(oracle)
qc.composetgroverop. inplace=True)
qc.measure_ali()
# Симуляция
backend = Aer.get_backend(’qasm_simulalor')
job = backend run(qc, shots=1000)
counts = job result() get_counts()
рппЦГРезультаты поиска: {counts}")
return qc
grover_search_demo()
Применение в оптимизации
Современное применение алгоритма Гровера выходит
далеко за рамки поиска в базах данных. Его используют для
решения задач оптимизации, в которых нужно найти максимум
или минимум функции среди экспоненциально большого
числа вариантов.
Комбинаторная оптимизация: задача коммивояжёра,
раскраска графов, планирование ресурсов. Классически
требуется перебор всех вариантов, квантово — квадратичное
ускорение через адаптивный поиск Гровера.
Машинное обучение: подбор гиперпараметров
нейросетей, поиск оптимальных архитектур, отбор признаков.
Пространство возможных конфигураций растёт
экспоненциально, алгоритм Гровера позволяет исследовать
его эффективнее.
Криптоанализ: взлом симметричных шифров методом
перебора ключей. 128-битный ключ классически требует 2127
операций, с Гровером — 264. Это, к примеру, заставляет
удваивать длину ключей в постквантовой криптографии.
Алгоритм Гровера — это не просто теоретический курьёз,
а практический инструмент, который уже сегодня
демонстрируется на реальных квантовых процессорах. По
мере роста числа кубитов его влияние на оптимизацию и
поиск будет только усиливаться.
Подписывайтесь на Телеграм-канал «Технооптимисты»
(@drv official) — впереди вариационные квантовые
алгоритмы!
Обсудить можно тут:
Как решить задачу Шора при
помощи алгоритма Гровера?
Алгоритм Гоовера — универсальным инструмент для
решения обратных задач. Если перед классическим
компьютером стоит задача поиска среди неструктурированных
данных, он вынужден перебирать варианты один за другим,
затрачивая время, пропорциональное размеру базы.
Квантовый алгоритм Гровера кардинально меняет правила: он
применяет особый принцип — амплификацию нужного
решения с помощью квантовой интерференции, что позволяет
сократить количество шагов с порядка N до порядка VN. Но как
на этом базовом алгоритме построить решение задачи Шора,
которую принято считать гораздо более сложной?
Задача факторизации целого числа N — основа
безопасности RSA и многих криптографических систем.
Запущенный на классическом компьютере, этот процесс
требует экспоненциального времени, что делает систему
шифрования надёжной. Алгоритм Шора радикально изменил
ситуацию, предложив способ нахождения множителей за
полиномиальное время, используя квантовое преобразование
Фурье и поиск периодичности функции f(x) = ах mod N. Однако
реализация алгоритма Шора на практике непроста, и
непосредственно в нем неизбежно сочетаются различные
квантовые методы, в том числе и элементы поиска.
Здесь на помощь приходит способность алгоритма
Гровера эффективно решать обратные задачи для
произвольных функций. Идея в том, что можно свести более
сложную задачу факторизации к серии задач поиска нужного
элемента в большом пространстве — к чему и применяют
алгоритм Гровера. Иными словами, проблема факторизации
рассматривается как задача нахождения «правильного»
делителя из множества возможных кандидатов, что
превращается в поиск среди неструктурированных данных.
Построить оракул для алгоритма Гровера в контексте
факторизации — значит выделить те состояния, которые
соответствуют факторам числа N. В моей давнишней статье
показана методика создания такого оракула, которая
учитывает ограничение: число N должно быть произведением
ровно двух различных простых чисел, не равных 2. Оракул
представлен матрицей, большая часть диагональных
элементов которой равна 1, а элемент, соответствующий
искомому фактору, равна -1.
В отличие от алгоритма Шора, который напрямую
находит период функции и через него вычисляет делители,
здесь используется более общий подход: подбор простых
множителей через итеративный квантовый поиск. Для этого
формируется список всех пар простых чисел —
потенциальных кандидатов — и создаётся оракул,
маркирующий правильный элемент. Построение квантовой
цепи Гровера на этом оракуле позволяет повысить
вероятность успешного нахождения делителя.
Важный аспект — вычисление оптимального количества
итераций Гровера Если перебор будет слишком коротким,
вероятность успеха будет мала. Если перебор слишком
длинным — начнется обратный эффект, смещающий
амплитуду от искомого состояния, снижая результативность.
Оценка оптимума производится с учётом количества
кандидатов (размер базы) и особенностей квантовой схемы.
Практическая демонстрация реализации включает цикл
общения с пользователем: ввод числа, проверку корректности,
простоты, количества делителей и формата. Потом
запускается квантовый поиск, количество итерации
корректируется, происходит считывание результатов и
сравнение эффективности с классическим перебором.
Полный текст статьи можно прочитать здесь:
https://eax.me/qrovers-alqorithm/.
Использование алгоритма Гровера для факторизации —
это пример универсальности его подхода к обратным задачам.
Он не решает задачу периодов напрямую, как алгоритм Шора,
но даёт конкурентоспособный способ нахождения
множителей, дополняя арсенал квантовых методов. Имея в
распоряжении гибридные подходы с квантовыми оракулами и
классической постобработкой, такой метод открывает путь к
практическому применению квантовых вычислений в
криптоанализе.
Подписывайтесь на «Технооптимисты» (@drv official),
чтобы не пропустить новые подробности квантовой революции
и практические трюки реализации сложных алгоритмов!
Обсудить можно тут:
https://t.me/drv official/1757
Задача Фейнмана: зачем вообще
нам квантовые компьютеры?
Квантовые компьютеры — не просто модный хайп для
любителей биткойнов или взлома блокчейнов. Их истинный
смысл связан с главной мечтой физиков и химиков: научиться
моделировать сложные квантовые системы — «строить» и
понимать материалы, молекулы, реакции на уровне самих
электронов. Это и есть знаменитая «задача Фейнмана».
В 1981 году Ричард Фейнман сформулировал простую,
но революционную мысль: сам мир вокруг нас
фундаментально квантовый, а классический компьютер для
моделирования квантовых систем оказывается почти
бесполезен. Достаточно добавить к молекуле ещё один
электрон — и вычислительные ресурсы, нужные для
моделирования, возрастают вдвое — экспоненциальный рост.
Уже описать поведение атома лития или сложного фермента
невозможно ни на одном суперкомпьютере — объем
информации буквально выходит за пределы возможностей
всей Вселенной.
Классические вычисления сталкиваются с этой
экспоненциальной стеной: каждый электрон и взаимодействие
между ними увеличивает пространство возможных
конфигураций во столько раз, что «пересчитать» все под силу
лишь самой природе. Поэтому ученые веками идут путём
упрощённых моделей, экспериментов в химии и
материаловедении — и огромного количества удачных
случайностей.
Именно здесь квантовый компьютер показывает себя во
всей красе. Моделируя одну квантовую систему (например,
молекулу лекарства) при помощи другой квантовой системы
(цепочки кубитов), мы наращиваем вычислительную нагрузку
линейно — необходимое количество кубитов увеличивается
пропорционально числу частиц в системе. В классических
условиях расчёт требует экспоненциального времени и
памяти, на квантовом компьютере тот же процесс
теоретически выполняется за полиномиальное время. Это не
совсем 0(1) (один прогон схемы) для всех целей, но для
многих задач — один прогон схемы с повторными
измерениями уже даёт релевантный статистический
результат, а вся сложность укладывается в разумные рамки.
Зачем нам такие модели? Вот где начинается алхимия
XXI века:
— Нанотехнологии и новые материалы: можно
спроектировать вещества с уникальными свойствами, не
перебирая миллионы вариантов опытным путём.
— Фармакология и медицина: цифровое моделирование
молекул и их взаимодействий в биологических системах
открывает дорогу к созданию новых лекарств и вакцин
непостижимой ранее точности.
— Катализаторы, батареи, солнечные элементы: подбор и
анализ на уровне атомных эффектов, о которых классические
расчёты дают лишь примерное представление.
— Понимание природы: квантовые симуляции позволяют
исследовать раннюю Вселенную, необычные формы материи,
квантовые эффекты в чёрных дырах и другое
Что важно, взлом криптосистем и блокчейнов — это лишь
побочный эффект прогресса, а не фундаментальный мотив.
Реальные революции ждут нас там, где квантовые эффекты —
основа работы всего мира: в каждом новом материапе,
молекуле, технологии, способной сделать жизнь лучше.
Иными словами, задача Фейнмана — это ключ к новой
алхимии, когда мы не просто открываем свойства природы, а
учимся её целенаправленно создавать и изменять.
Подписывайтесь на канал «Технооптимисты»
(@drv official) — будем разбирать реальные квантовые
применения, а не криптохайп!
Обсудить можно тут:
https://t.me/drv official/1769
VQE: квантовые алгоритмы для
химии
Если алгоритм Шора и алгоритм Гровера — это красивые
теоретические конструкции будущего, то вариационный
квантовый собственный решатель (VQE) уже сегодня
работает на реальных квантовых процессорах. Это первый
практический квантовый алгоритм, который решает задачу
Фейнмана, моделирует поведение молекул и материалов на
уровне квантовой механики. И делает это не в далёкой
перспективе, а прямо сейчас.
Как моделируют молекулы: квантовая механика
встречается с вычислениями
Любая молекула — квантовая система, в которой
электроны движутся в поле ядер атомов согласно уравнению
— 138 —
Шрёдингера. Найти точное решение этого уравнения для
системы из более чем двух частиц аналитически невозможно.
Классические компьютеры используют приближённые методы
типа DFT (теория функционала плотности), но они дают лишь
грубую картину.
VQE подходит к проблеме принципиально по-другому.
Алгоритм ищет основное состояние молекулы —
конфигурацию с минимальной энергией — используя
гибридный квантово-классический подход. Квантовая часть
готовит пробное состояние системы с помощью
параметризованной квантовой схемы, а классическая часть
оптимизирует параметры, минимизируя энергию.
Математически это выглядит как поиск минимума
функционала Е(0) = <ip(6) Н qj(6)>, где Н — гамильтониан
молекулы, a |ip(0)> — пробная волновая функция, зависящая
от параметров 0.
Ключевое преимущество VQE — он работает на NISQ-
устройствах (квантовых компьютерах промежуточного
масштаба с шумом). Алгоритм адаптируется к ограничениям
реального железа: малому числу кубитов, короткому времени
когерентности, высокому уровню ошибок.
Практические результаты: от водорода до лекарств
IBM и молекула водорода: ещё в 2017 году IBM
смоделировала на своём 7-кубитовом процессоре
простейшую молекулу Н2. Точность расчета энергии
диссоциации составила 99.3 % — результат, сопоставимый с
классическими методами, но полученный принципиально
новым способом.
Google и фиксация азота: в 2020 году Google использовал
12-кубитовый процессор Sycamore для моделирования
ферментов, участвующих в фиксации азота. Эти ферменты
критически важны для сельского хозяйства — они позволяют
бактериям превращать азот из воздуха в аммиак. Понимание
их механизма может изменить производство удобрений.
Microsoft и катализ: команда Microsoft Azure Quantum в
партнёрстве с химическими компаниями изучает катализаторы
для промышленного синтеза. VQE помогает понять, как атомы
металлов взаимодействуют с молекулами реагентов, что
позволяет проектировать более эффективные катализаторы.
Фармацевтические гигантьт входят в игру
Hoffmann-La Roche и белковая динамика: швейцарская
фармкомпания использует VQE для моделирования
конформационных изменений белков — как они складываются
и взаимодействуют с лекарственными молекулами. Это
помогает предсказать эффективность новых препаратов ещё
на стадии компьютерного дизайна.
Merck и квантовая химия' американский фармгигант
инвестирует в квантовые технологии для поиска новых
антибиотиков. VQE позволяет моделировать взаимодействие
молекул препаратов с бактериальными ферментами, что
критически важно в эпоху антибиотикорезистентности.
Коммерческие успехи стартапов
Menten Al: этот стартап использует VQE для дизайна
белков с заданными свойствами. Их алгоритм уже создал
несколько экспериментальных ферментов, которые
показывают активность в лабораторных тестах.
Cambridge Quantum Computing (теперь часть
Quantinuum): компания разработала ТКЕТ — платформу для
оптимизации VQE-расчетов на различных квантовых
процессорах. Их инструменты используют десятки
исследовательских групп по всему миру.
ProtemQure: канадская компания применяет VQE для
поиска новых материалов с квантовыми свойствами. Они уже
получили несколько патентов на квантовые точки,
смоделированные с помощью квантовых вычислений.
Ограничения и будущее
VQE — не панацея Алгоритм работает хорошо для
небольших молекул, но масштабирование остается
проблемой. Современные квантовые процессоры могут
моделировать системы из 10 — 20 атомов, тогда как
биологически значимые белки содержат тысячи атомов.
Ключевые вызовы:
Барьерные плато: оптимизация параметров VQE часто
застревает в локальных минимумах.
Квантовые ошибки: шум в NISQ-устройствах искажает
результаты расчетов.
Экспоненциальный рост ресурсов: число параметров
растет экспоненциально с размером молекулы.
Но прогресс очевиден. Каждое новое поколение
квантовых процессоров позволяет моделировать всё более
сложные системы. Эксперты предсказывают, что к 2030 году
VQE сможет решать практически значимые задачи дизайна
лекарств и материалов.
VQE уже сейчас демонстрирует, что квантовые
компьютеры — не научная фантастика, а работающий
инструмент для решения реальных химических задач.
Следующее десятилетие покажет, станут ли они стандартом в
фармацевтике и материаловедении.
Подписывайтесь на канал «Технооптимисты»
(@drv official) — будем следить за квантовой революцией в
химии!
Обсудить можно тут:
https://t.me/drv official/1788
QAOA: квантовые алгоритмы для
финансов
Пока академические круги увлечены алгоритмами Шора и
Гровера, финансовые гиганты уже вовсю тестируют квантовые
алгоритмы для решения практических задач. Квантовый
приближённый алгоритм оптимизации (QAOA) стал первым
рабочим инструментом для комбинаторной оптимизации —
той самой области, где финансы зарабатывают миллиарды, но
где классические компьютеры часто сдаются.
Суть QAOA: когда перебор невозможен
Большинство финансовых задач — это оптимизационные
кошмары. Нужно выбрать лучшую комбинацию из тысяч
активов, учесть сотни ограничений, минимизировать риски и
максимизировать прибыль. Классически это NP-сложные
задачи: время решения растёт экспоненциально с размером
портфеля.
Алгоритм QAOA работает по гибридной схеме: квантовый
процессор готовит суперпозицию всех возможных решений, а
классический оптимизатор корректирует параметры, стремясь
увеличить вероятность найти оптимальное решение. Алгоритм
итеративно чередует два типа унитарных операций:
.^Оператор задачи, кодирующий функцию стоимости.
^Оператор смешивания, исследующий пространство
решений.
Математически QAOA минимизирует гамильтониан вида
Н = X- JiDOiO + Х> hiOi, где коэффициенты кодируют веса
рёбер в графе оптимизации.
Goldman Sachs: оптимизация портфелей
Компания Goldman Sachs с 2019 года экспериментирует с
QAOA для задач управления активами. Их квантовая команда
под руководством Stefan Woerner разработала алгоритмы для:
♦ Выбора портфеля: классическая задача Марковица —
найти оптимальное соотношение активов при заданном
уровне риска — превращается в задачу квадратичной
оптимизации. QAOA на 20 кубитах IBM показал результаты,
сопоставимые с классическими решателями для портфелей из
100+ активов.
♦ Арбитража пар: поиск статистических арбитражных
возможностей между коррелированными активами. Квантовый
алгоритм выявляет скрытые паттерны в исторических данных,
которые пропускают традиционные методы.
♦ Управление рисками: алгоритм QAOA помогает
оптимизировать параметр VaR (Value at Risk) и стресс-
тестирование портфелей в режиме реального времени.
J. Р. Morgan: производные инструменты и кредитование
Крупнейший американский банк инвестирует в квантовые
технологии через собственную лабораторию JPMorgan Chase
Institute. Их достижения
♦ Ценообразование опционов: команда Marco Pistoia
адаптировала QAOA для расчёта цен сложных деривативов
методом Монте-Карло. Квантовая версия показала
квадратичное ускорение по сравнению с классическими
симуляциями.
♦ Кредитный риск: QAOA оптимизирует кредитные портфели,
балансируя доходность и вероятность дефолта. Алгоритм
учитывает корреляции между заёмщиками и
макроэкономические факторы.
♦ Высокочастотная торговля: экспериментальные алгоритмы
для оптимизации исполнения крупных ордеров с
минимизацией воздействия рынка.
D-Waye: квантовый отжиг, в действии
Канадская D-Wave Systems пошла альтернативным путем
— вместо универсальных квантовых компьютеров они
создают специализированные машины для квантового отжига
(quantum annealing). Их процессоры с тысячами кубитов уже
решают реальные оптимизационные задачи:
♦ Volkswagen Financial Services: используют D-Wave для
оптимизации лизинговых портфелей и управления рисками
автокредитования. Система анализирует миллионы сценариев
и находит оптимальные стратегии ценообразования.
♦ Recruit Holdings (Япония): применяют квантовый отжиг для
персонализации финансовых продуктов и кредитного
скоринга. Алгоритм обрабатывает поведенческие данные
клиентов и оптимизирует предложения в реальном времени.
♦ Денверский аэропорт и Lockheed Martin: хотя и не
финансовые компании, но их кейсы показательны. D-Wave
оптимизирует логистику и планирование ресурсов — задачи,
аналогичные финансовому риск-менеджменту.
Стартапы и финтех
Cambridge Quantum Computing разработали
специализированные QAOA-алгоритмы для криптовалютного
трейдинга и DeFi-протоколов. Их система оптимизирует
ликвидность на децентрализованных биржах
Menten Al адаптировали QAOA для задач страхования —
оптимизация страховых продуктов и актуарных расчётов с
учётом изменения климата и демографических трендов.
Rahko использозали квантовую оптимизацию для
анализа альтернативных данных в хедж-фондах —
социальных сетей, спутниковых снимков, 1оТ-сенсоров.
Практические результаты и ограничения
Успехи впечатляют, но все равно пока скромные.
Алгоритм QAOA показывает преимущества только для
специфических задач:
- малые портфели (до 1000 активов);
- высокая связность между переменными;
- время решения некритично (минуты, а не миллисекунды).
Основные проблемы:
- барьерные плато: оптимизация параметров QAOA часто
застревает в локальных минимумах;
- ограниченная глубина схем: NISQ-устройства позволяют
только неглубокие схемы, что снижает точность;
- классическая конкуренция: современные решатели типа
Gurobi и CPLEX работают очень быстро для многих
практических задач.
Будущее квантовых финансов
Аналитики прогнозируют коммерческое применение
QAOA в финансах к 2028 — 2030 годам Ключевые драйверы
роста:
- рост числа кубитов (1000+ логических кубитов);
- улучшение качества гейтов (error rates <0.1 %);
- специализированные квантовые процессоры для
оптимизации.
Квантовое превосходство в финансах может наступить
раньше, чем в криптографии — оптимизационные задачи
более «дружелюбны» к шумным квантовым устройствам.
QAOA уже демонстрирует практическую ценность
квантовых вычислений. Следующее десятилетие покажет,
станет ли квантовая оптимизация стандартом Уолл-стрит.
Подписывайтесь на канал «Технооптимисты»
(@drv official) — будем отслеживать квантовую революцию в
финансах!
Обсудить можно тут:
https://t.me/drv official/1800
Что же это зо шумные квонтовые
NISQ-процессоры?
Термин NISQ — Noisy Intermediate-Scale Quantum —
придумал в 2018 году физик Джон Прескилл, чтобы
охарактеризовать текущее поколение квантовых компьютеров.
Это переходная эра между игрушечными экспериментами на
нескольких кубитах и будущими полноценными квантовыми
машинами с миллионами безошибочных кубитов. NISQ-
устройства — это то, что мы имеем сегодня: достаточно
мощные для решения нетривиальных задач, но слишком
шумные для идеальных вычислений.
Ключевые характеристики NISQ-процессоров
Размер: от 50 до 1000 кубитов — достаточно для
демонстрации квантового превосходства в специфических
— 149 —
задачах, но недостаточно для полноценной квантовой
коррекции ошибок. В октябре 2023 года компания Atom
Computing впервые преодолела планку в 1000 кубитов с
процессором на 1180 кубитах, но большинство устройств
остаются значительно меньше.
Шум и ошибки: квантовые гейты работают с точностью 99
— 99.9 %, что звучит неплохо, но для сложных алгоритмов
недостаточно. Ошибки накапливаются экспоненциально с
глубиной схемы. IBM-овские процессоры демонстрируют
нестабильность частот кубитов и флуктуации времён
декогеренции, что влияет на воспроизводимость результатов.
Короткое время когерентности: кубиты сохраняют
квантовое состояние от микросекунд до миллисекунд, что
ограничивает глубину вычислений. Это как пытаться решить
сложную задачу, пока вас постоянно отвлекают.
Отсутствие полной коррекции ошибок: для надёжной
коррекции нужны тысячи физических кубитов на один
логический. NISQ-устройства не располагают такими
ресурсами, поэтому приходится мириться с шумом.
Принципы работы: гибридный подход
NISQ-алгоритмы используют гибридную квантово-
классическую архитектуру. Квантовый процессор выполняет
короткие операции, результаты которых классический
компьютер обрабатывает и использует для корректировки
параметров следующей итерации. Это основа VQE и QAOA —
двух главных NISQ-алгоритмов.
Ключевая стратегия — минимизировать глубину
квантовых схем. Чем меньше операций, тем меньше
— 150 —
накопленных ошибок. Поэтому разработчики алгоритмов ищут
компромисс между точностью и устойчивостью к шуму.
Динамическая компиляция и адаптивные стратегии
позволяют выжимать максимум из несовершенного железа.
Системы автоматически перенаправляют вычисления на
наименее шумные кубиты, избегают кросс-токов между
соседними кубитами и оптимизируют порядок операций.
Практические применения
Квантовая химия: алгоритм VQE уже моделирует малые
молекулы на IBM и Google процессорах. Точность пока
уступает классическим методам для больших систем, но
подход принципиально масштабируем.
Оптимизация: алгоритм QAOA решает задачи
комбинаторной оптимизации в финансах, логистике,
планировании ресурсов. Некоторые финансовые компании
уже тестируют алгоритм на реальных данных.
Машинное обучение: квантовые нейронные сети
исследуют пространство признаков способами, недоступными
классическим сетям. Правда, барьерные плато в оптимизации
пока ограничивают применимость.
Квантовая симуляция: физики используют NISQ-
устройства для изучения многочастичных квантовых систем,
топологических фаз материи, квантовой запутанности.
Эксперименты на IBM квантовых компьютерах измеряют
топологические инварианты с высокой устойчивостью к шуму.
Демонстрации квантового превосходства: компания
Google в 2019 году показала, что их 53-кубитный квантовый
компьютер Sycamore решает специфическую задачу за 200
секунд, тогда как суперкомпьютеру потребовались бы тысячи
лет. Правда, практической ценности эта задача не имела.
Ограничения и будущее
NISQ-эра — переходный период. Многие эксперты
ожидают её продолжения ещё 5 — 10 лет, пока не будут
разработаны полноценные системы квантовой коррекции
ошибок. Главные вызовы: масштабирование без потери
качества кубитов, разработка алгоритмов, устойчивых к шуму,
и поиск практических применений, в которых NISQ даёт
преимущество над классикой.
Важно понимать: NISQ-компьютеры — не панацея, а
исследовательские инструменты Они позволяют
экспериментировать с квантовыми алгоритмами, изучать
свойства шума, готовиться к эре безошибочных квантовых
компьютеров. Это лаборатория, в которой рождается будущее
квантовых технологий.
Подписывайтесь на «Технооптимисты» (@drv official) —
следим за эволюцией от NISQ к полноценным квантовым
вычислениям!
Обсудить можно тут:
https ://t.me/drv officjal/1812
Новые алгоритмы: что изменилось
зо 10 лет?
В 2015 году, когда была издана моя книга «Квантовые
вычисления и функциональное программирование»,
квантовый мир выглядел совсем иначе. Тогда мы говорили о
красивых теоретических алгоритмах — Дойча, Дойча-Йожи,
Саймона, Шора, Гровера — как о математических абстракциях
для далёкого будущего. Реальные квантовые компьютеры
казались недостижимой мечтой, а программирование на
Haskell через библиотеку Quipper было больше
интеллектуальным упражнением, чем практическим
инструментом
Что было в 2015 году: эра алгоритмических грёз
Десять лет назад квантовые алгоритмы можно было
пересчитать по пальцам. В фокусе внимания находились
классические работы:
• Алгоритм Дойча (1985) и его обобщение Дойча-Йожи
(1992).
• Алгоритм Саймона (1994) как предтеча алгоритма Шора.
• Алгоритм Шора (1994) для факторизации.
• Алгоритм Гровера (1996) для неструктурированного
поиска.
• Квантовые версии классических алгоритмов (сортировка,
обход графов).
• Ещё примерно 5 десятков очень узких алгоритмов из
области общей алгебры.
Практических квантовых компьютеров не было Компания
IBM только-только начинала эксперименты с 5-кубитными
процессорами. А компания Google ещё даже не анонсировала
квантовое превосходство. Большинство алгоритмов
существовали только на бумаге и в симуляторах.
Революция NISQ-эры: алгоритмы для несовершенных
машин
С 2019 года наступила NISQ-эра, кардинально
изменившая подход к квантовым алгоритмам. Появился новый
класс гибридных квантово-классических алгоритмов,
адаптированных под реальные ограничения:
Вариационные квантовые алгоритмы (VQA) стали
главным трендом. VQE (Variational Quantum Eigensolver) для
химии, QAOA (Quantum Approximate Optimization Algorithm)
— 154 —
для оптимизации, вариационные квантовые классификаторы
для машинного обучения — все они используют короткие
квантовые схемы с классической оптимизацией параметров.
Квантовое машинное обучение выросло в
самостоятельную область. Появились квантовые нейронные
сети, квантовые генеративные модели, квантовые
автокодировщики. В 2025 году команда Венского университета
экспериментально доказала преимущество квантовых
алгоритмов машинного обучения на реальных данных.
Алгоритмы коррекции ошибок перешли из теории в
практику. Процессор Google’s Willow в 2024 году впервые
достиг порога коррекции ошибок, когда логические кубиты
превосходят физические по стабильности.
Специализированные алгоритмы для индустрии
За последние годы появились алгоритмы, заточенные
под конкретные отрасли:
Финансы: квантовые алгоритмы для оценки рисков,
оптимизации портфелей, высокочастотной торговли. Goldman
Sachs и JPMorgan Chase тестируют их на реальных данных.
Фармацевтика: алгоритмы для дизайна лекарств и
симуляции белков. В России создан квантовый алгоритм
генеративного ИИ для разработки новых медикаментов.
Материаловедение: квантовые симуляторы для
предсказания свойств новых материалов, катализаторов,
батарей.
Логистика и оптимизация: алгоритмы для
маршрутизации, планирования ресурсов, оптимизации
цепочек поставок.
Прорывы 2024 — 2025 годов
Последние два года принесли качественные скачки:
Distributed Quantum Computing: появились алгоритмы для
распределённых квантовых вычислений, позволяющие
объединять несколько квантовых процессоров в единую
систему.
Quantum-Enhanced Optimization: новый класс алгоритмов,
в которых квантовые процедуры ускоряют классические
оптимизационные задачи. В 2025 году опубликован алгоритм с
доказанным квадратичным ускорением для широкого класса
задач.
Квантово-классические гибриды: алгоритмы, в рамках
которых QPU интегрируются с CPU, GPU и
специализированными ИИ-чипами для решения задач,
недоступных ни одной из технологий по отдельности.
Al-Assisted Quantum Algorithm Design: искусственный
интеллект теперь помогает проектировать квантовые
алгоритмы, находя оптимальные схемы и параметры.
Что дальше: взгляд в 2030-е
Эксперты предсказывают несколько трендов:
• Алгоритмы выйдут за рамки VQE и QAOA, появятся
принципиально новые подходы.
• Квантово-ИИ симбиоз станет стандартом для решения
сложных задач.
• Специализированные квантовые алгоритмы для каждой
индустрии.
• Появление универсальных квантовых операционных
систем и языков программирования.
За десять лет квантовые алгоритмы превратились из
математических абстракций в практические инструменты.
Если в 2015 году мы мечтали о том, как они будут работать, то
сегодня мы видим их результаты на реальных квантовых
процессорах. Следующее десятилетие обещает ещё более
драматичные изменения.
Подписывайтесь на канал «Технооптимисты»
(@drv official) — будем отслеживать эволюцию квантовых
алгоритмов в реальном времени!
Обсудить можно тут:
https ://Lme/drvofficial/1820
Квантовые алгоритмы для
машинного обучения (HHL)
Есть удивительная закономерность: и квантовые
вычисления, и современные нейронные сети стоят на одном
фундаменте — матричных операциях. Нейросети
обрабатывают данные через умножения матриц весов, а
квантовые гейты — это унитарные матрицы, преобразующие
состояния кубитов. Логично предположить, что квантовые
компьютеры могут ускорить машинное обучение, особенно
там, где классические методы упираются в экспоненциальный
рост размерности данных.
Именно эта идея привела к созданию алгоритма HHL —
квантового метода решения систем линейных уравнений,
который стал основой квантового машинного обучения.
Алгоритм HHL: квантовый прорыв в линейной алгебре
В 2009 году Харроу, Хассидим и Ллойд опубликовали
революционный алгоритм для решения системы линейных
уравнений Ах = Ь. Классически, методы типа градиентного
спуска требуют времени порядка O(N log(1/£)) для N-мерной
системы с точностью £. HHL решает задачу за O(log(N) х
poly(log(1 /е))) — существенное ускорение!
Секрет в том, что алгоритм HHL не вычисляет вектор х
явно, а готовит квантовое состояние |х), кодирующее решение.
Для многих задач машинного обучения достаточно знать не
сам вектор, а его статистические свойства или скалярные
произведения — именно это квантовый компьютер извлекает
эффективно.
Как работает магия HHL
Алгоритм использует три ключевых квантовых приёма:
Jj Квантовая оценка фазы (QPE) извлекает собственные
значения матрицы А. Состояние |Ь) разлагается по
собственным векторам матрицы, и QPE помечает каждую
компоненту соответствующим собственным значением.
Д Контролируемое вращение применяет операцию,
пропорциональную обратным собственным значениям. Это
центральный шаг — именно здесь происходит «обращение
матрицы» на квантовом уровне.
_3j Обратная QPE восстанавливает исходный базис,
оставляя состояние |х> = А'||Ь>.
Критическое ограничение: матрица А должна быть
разреженной и хорошо обусловленной (число
обусловленности к входит в сложность полиномиально). Для
плохо обусловленных матриц выигрыш исчезает.
Применения в машинном обучении
Квантовая регрессия: алгоритм HHL напрямую
применяется для решения задачи линейной регрессии, где
нужно найти веса w, минимизирующие лосс [|Xw - у||2. Это
сводится к решению системы (XATX)w = ХлТу.
Квантовые машины опорных векторов (QSVM):
классическая SVM требует решения квадратичной
оптимизационной задачи, которая сводится к системе
линейных уравнений. Алгоритм HHL дает экспоненциальное
ускорение для классификации в пространствах высокой
размерности.
Квантовый анализ главной компоненты (qPCA): HHL
используется для нахождения собственных векторов
ковариационной матрицы — основы РСА. Это ключевой
инструмент для снижения размерности данных.
Рекомендательные системы: компании IBM и Google
исследуют HHL-подобные алгоритмы для коллаборативной
фильтрации. Квантовый компьютер может обрабатывать
матрицы (пользователь — товар) экспоненциально большого
размера.
Реальность против теории: ловушки HHL
Несмотря на теоретическое ускорение алгоритма,
практическое применение HHL сталкивается с серьезными
ограничениями:
1J Проблема загрузки данных: чтобы закодировать
классический вектор |Ь) в квантовое состояние, требуется O(N)
операций. Это уничтожает квантовый выигрыш для
большинства задач. Исключение — если данные уже в
квантовой форме или допускают эффективное квантовое
представление.
2)Проблема чтения результата: измерение квантового
состояния |х) даёт только выборку. Чтобы восстановить все N
компонентов вектора, нужно O(N) измерений. HHL работает
только когда достаточно знать статистические свойства
решения.
Чувствительность к ошибкам- алгоритм требует глубоких
квантовых схем с множеством последовательных операций.,
На NISQ-устройствах накопленные ошибки убивают точность.
^Требования к матрице: алгоритм подходит только для
разреженных, хорошо обусловленных матриц. Реальные
данные машинного обучения редко удовлетворяют этим
условиям.
Современное состояние и перспективы
В 2023 — 2025 годах появились вариационные версии
HHL, адаптированные для NISQ-устройств. Они жертвуют
экспоненциальным ускорением ради практической
применимости на современном железе.
Variational Quantum Linear Solver (VQLS): гибридный
алгоритм, использующий классическую оптимизацию для
поиска квантового состояния-решения. Работает на мелких
N ISQ-процессорах.
Квантово-классические ансамбли: подход, в рамках
которого HHL ускоряет лишь часть ML-пайплайна, а остальное
остаётся классическим. Google демонстрирует успехи в
рекомендательных системах.
Квантовое глубокое обучение: исследователи изучают,
как HHL может ускорить обратное распространение ошибки в
нейросетях, особенно для сверхглубоких архитектур.
Пока алгоритм HHL остаётся скорее теоретическим
фундаментом квантового ML, чем практическим
инструментом. Но по мере роста числа кубитов и снижения
ошибок алгоритм может стать ключом к квантовому
искусственному интеллекту. Уже сейчас он показывает:
будущее машинного обучения лежит на пересечении
квантовой механики и искусственного интеллекта.
Подписывайтесь на «Технооптимисты» (<j)drv official) —
следим за квантовым прорывом в ИИ!
Обсудить можно тут:
https://Lme/drv official/1829
Квантовые случайные блуждания
Идея случайных блужданий — математическая основа
множества алгоритмов в информатике и физике. Представьте:
маленький шарик бегает по узлам решётки, на каждом шаге
случайно выбирая направление — это и есть классический
случайный ход. Комбинаторика, анализ графов, теория
вероятностей — всё это строится на случайных блужданиях.
Но квантовая механика, как всегда, вносит коррективы.
Среди кубитов шарик не просто мечется хаотично, а «идет по
□сем возможным путям одновременно», волна его
вероятности интерферирует и собирает необычные
закономерности. Так рождается квантовые случайные
блуждания — новый инструмент для вычислений, принёсший
экспоненциальное ускорение многих алгоритмам.
Кванты против классики
Классический алгоритм блуждания, например, на графе,
используется для моделирования диффузии, поиска
кратчайших путей, навигации, поиска в базах данных.
Характерное свойство — высокая энтропия, распределение
конечных состояний равномерное.
Квантовый алгоритм блуждания основан на унитарных
преобразованиях: движение происходит не за счёт случайного
выбора (как кидают монетку), а с помощью суперпозиции,
когда состояние системы одновременно «перемещается» по
всем возможным направлениям с заранее заданными
фазами.
Механика квантового блуждания
Квантовые блуждания бывают двух видов:
1 Блуждание на линии (дискретное время): кубит + монета —
«командует» направлением движения на каждой итерации.
Используются преобразования Адамара или другие гейты в
качестве квантовой монеты.
^Непрерывное блуждание (непрерывное время): система
эволюционирует по гамильтониану графа. Кубит «течёт» по
вершинам графа, и вероятность перемещений кодируется в
матрице смежности.
Особенность квантового блуждания — интерференция.
Вероятность найти «шарик» в конечной точке зависит не
только от количества путей, но и от фазовых сдвигов,
накопленных на разных маршрутах. Это приводит к феномену
«локализация» — вероятность найти систему в некоторых
точках может быть выше или ниже, чем в классическом
случае. —164 —
Квантовые блуждания и алгоритмы поиска
Квантовые блуждания оказались мощными для решения
задач поиска на графах. Алгоритмы поиска в базе данных,
распознавания паттернов, обхода лабиринтов становятся
эффективнее благодаря экспоненциальному ускорению по
сравнению с классическим блужданием. В ряде задач
скорость поиска растет с O(N) до O(\N).
Сферы применения:
£ Идентификация структуры графа: квантовые блуждания
используют для распознавания изоморфизма графов —
фундаментальной задачи в химии и криптографии.
_2J Оптимизация: построение оптимальных маршрутов в
сложных сетях, моделирование диффузии, анализ движения
информации в распределённых системах.
3 Машинное обучение: подходы к созданию квантовых
нейронных сетей, во многом основаны на идеях блуждания по
сложным пространствам гипотез.
^Квантовые алгоритмы поиска: в частности, квантовый
алгоритм поиска по графу с использованием блужданий даёт
квадратичное ускорение аналогично алгоритму Гровера, но с
преимуществом для структурированных данных.
Пример на Qiskit: дискретное блуждание
from qiskit import Quantumcircuit. Aer. execute
# Кубит-монета и положение на линии
qc = QuantumCircuit(2, 2)
# Создаем суперпозицию монеты
qc.h(O)
qc.h(1)
# Применяем гейт SWAP (имитация хода)
qc.swap(0, 1)
qc.h(1)
qc.measure([O, 1], [0, 1])
backend = Aer getbackend('qasmsimulator')
job = execute(qc, backend, shots=1000)
result = job.result()
counts = result get_counts()
pnnt(counts)
Этот код моделирует простейшее квантовое блуждание
двух кубитов по «линии». В реальности квантовые блуждания
моделируют более сложные графы и многокубитные системы.
Кто уже применяет
Компании Google и IBM используют квантовые блуждания
для анализа химических графов в задачах материаловедения.
Стартап Xanadu (Канада) разрабатывает алгоритмы
распознавания структуры молекул и оптимизации
логистических сетей. Квантовые финансовые компании
анализируют сложные сетевые связи с помощью алгоритмов
блуждания, что позволяет выявлять скрытые паттерны.
Вызовы и перспективы
Проблема масштабирования, шумов и эффективного
кодирования больших графов на кубитах — все это пока
ограничивает применение квантовых блуждании, но сам
принцип уже показывает преимущества для сложных систем.
Квантовые случайные блуждания — мост между
классическими методами комбинаторики и новыми
квантовыми параллельными вычислениями, которые ещё
немного — и перевернут привычные отрасли: финансы,
химию, логистику и искусственный интеллект.
Подписывайтесь на «Технооптимисты» (g)drv official) —
раскроем новые пути квантовых вычислений’
Обсудить можно тут:
https://t.me/drv official/1840
Квантовые топологические
вычисления
Когда говорят о будущем квантовых вычислений, чаще
всего обсуждают большее число кубитов или меньший
уровень ошибок. Но существует и другой путь — использовать
топологию, то есть такие свойства систем, которые не
меняются при сгибании и растяжении, но не допускают
разрывов и разрезаний. В квантовой информатике это
направление называют топологическими вычислениями, и оно
обещает революционную устойчивость к ошибкам.
Почему топология, а не просто физика кубитов?
В обычных (NISQ) квантовых процессорах — кубиты
очень чувствительны к мелким воздействиям, теплу, шуму,
микроскопическим дефектам. Любой неудачный импульс легко
разрушает информацию. Топологический подход предлагает
«закодировать» кубит не в состояние какого-то атома или
иона, а в целостную структуру системы — так, чтобы для
разрушения квантовой информации понадобилось не просто
сбой, а топологическое изменение всей системы (например,
настоящая дырка или разрез).
Как это реализуется: анионы и операции с косами
Главная идея — использовать особые квазичастицы, так
называемые анионы, возникающие в двумерных
топологических материалах (например, фракционный
квантовый эффект Холла). Анионы можно перемещать по
определённым траекториям, при этом их «пути» можно
заплести (как косы!) — последовательность этих
переплетений и есть реализация квантовых логических
операций.
Когда две такие частицы (аниона) обмениваются
местами, их общий волновой функционал испытывает
топологически защищённое преобразование (так называемая
браид-группа). Чем сложнее «коса» — тем более сложную
квантовую операцию можно закодировать. Информацию
невозможно разрушить случайным воздействием, пока не
будет изменён сам рисунок косы.
Реальные разработки: Microsoft и другие
Лидером в этой области считается проект Microsoft
StationQ: они инвестируют в изучение топологических
сверхпроводников и поиск майорановских фермионов —
частиц, в которых сложные заплетения островков
сверхпроводимости могут работать как топологические
кубиты. В лабораториях компании Google, российских и
китайских институтах, на чипах IBM — десятки коллективов
уже пробуют собрать тестовые участки таких топологических
квантовых систем.
Преимущества и ограничения
— Главный плюс топологических кубитов —
фантастическая устойчивость к ошибкам. Теоретически можно
построить вычислитель, которому не страшны шум и
природные флуктуации
— Топологические кубиты масштабируются: сложные
гейты = сложные косы.
— Минус — колоссальная сложность физической
реализации: топологические анионы обнаружены только в
единичных экспериментах, системы требуют экстремальных
условий (близких к абсолютному нулю), и пока не собрано ни
одной полноценной рабочей топологической схемы.
Чем это грозит миру?
Если топологические квантовые компьютеры станут
реальностью, это новое качество — не просто больше
операций, но и индустриальная надежность «квантового
железа». Это нужно для масштабных задач: криптография,
научные супервычисления, управление материальными
потоками на уровне молекул и ниже, долговременное
хранение данных.
Подписывайтесь на канал «Технооптимисты»
(@drv official) — будем исследовать глубины топологической
квантовой реальности!
Обсудить можно тут:
https://t.me/drv official/1853
Квантовая симуляция: от
лекарств до сверхпроводников
Квантовые компьютеры становятся не просто экзотикой
для фундаментальной науки, а реальным драйвером
революции в создании новых материалов, молекул и даже
лекарств. Почему? Потому что природа сама устроена по
законам квантовой механики. Каждый раз, когда молекула
лекарства «садится» на белок, а атомы взаимодействуют в
суперкристалле — всё это описывают огромные уравнения,
которые классический компьютер решает с чудовищным
трудом, затрачивая недели и месяцы на просчёт одной-двух
моделей.
Квантовый компьютер принципиально меняет правила
игры. Он моделирует электроны, орбитали, квантовые спины
— не через приближения, а напрямую, потому что сам
«изнутри» работает по тем же законам, что и реальные
молекулы и материалы. Это значит, что сложные
многотельные системы, для которых классический симулятор
требует суперкомпьютера на тысячи ядер и мегаватты
энергии, на квантовом процессоре превращаются в ряд
управляемых итераций над кубитами.
Как это работает?
Для молекул, например потенциальных лекарств, задача
сводится к поиску оптимальных структур, минимизации
энергии и анализу взаимодействия с белками-мишенями. Чем
точнее эта симуляция, тем меньше дорогих неудачных
экспериментов понадобится в реальной лаборатории. В
материаловедении можно просчитать новые кристаллы,
сплавы или сверхпроводники — и сразу оценить их свойства
до первого синтеза в пробирке.
В центре квантовой революции — такие алгоритмы, как
VQE (Variational Quantum Eigensolver), которые уже прямо
сейчас применяются на реально существующих процессорах,
пусть и скромных по размерам.
Кто уже этим пользуется?
В 2021 году компания Bosch заявила о стратегическом
партнерстве с IBM для исследования новых материалов с
помощью квантовых симуляций. Инженеры Bosch
фокусируются на электродах для аккумуляторов и новых
сверхтвёрдых сплавах: классическая оптимизация таких
систем — это месяцы работы, десятки тысяч тестов, море
неэффективности. Совместные квантовые эксперименты уже
позволили отсеять нерезультативные варианты буквально за
часы симуляции.
IBM, кроме партнерства с промышленными гигантами,
использует свои квантовые процессоры для симуляций
сверхпроводящих материалов — тех самых, что лежат в
основе квантовых же чипов. В 2023 году компания смогла
рассчитать свойства новых высокотемпературных
сверхпроводников, что в перспективе ускорит промышленное
внедрение квантовых технологий.
Почему это прорыв?
Человек впервые получает инструмент с помощью
которого можно предсказывать свойства вещества до того, как
оно появится в природе. Это значит не просто более быстрые
и дешёвые лекарства и аккумуляторы, а скачок к «алхимии
2.0»: цифровому синтезу новых молекул и материалов с
нужными свойствами, до которых человеческая интуиция
никогда бы не додумалась.
Квантовая симуляция, поддержанная такими
корпорациями — не далёкая фантазия, а действующая
технология, меняющая ландшафт химической индустрии,
фармы и энергетики прямо сейчас.
Подписывайтесь на «Технооптимисты» (ffidrv official) —
здесь всегда о реальных путях квантовой революции!
Обсудить можно тут:
https://t.me/drv official/1866
Кванты в ИИ: мифы и реальность
Сочетание квантовых вычислений и искусственного
интеллекта звучит как нечто взрывоопасное: обещания по-
настоящему разумных машин, которые обучаются в миллионы
раз быстрее, чем лучшие современные нейросети. На этой
волне стартапы и гиганты обещают «революцию в ИИ уже
завтра». Но действительно ли всё так радужно?
Гибридные алгоритмы: эксперимент, а не финальный
продукт
На практике главный прогресс — это гибридные
алгоритмы, в рамках которых квантовые и классические
компоненты работают в тандеме. Например, квантовые
процессоры генерируют сложные пространства признаков или
ускоряют поиск, а классические GPU обучают нейронные сети
на результатах. В рамках этих подходов активно изучают
— 175 —
квантовые версии традиционных методов: квантовые SVM,
РСА, регрессию, и даже элементы квантовой глубокой
нейросети.
Ведущие платформы — IBM, Google, Xanadu — уже
предлагают библиотеки, эмулирующие VQE, HHL и другие
квантовые алгоритмы для машинного обучения. Но реальный
рабочий прототип — это всегда гибрид, когда классика
дополняет квантовые процедуры.
Квантовое м ашинно е обучение — реальные успехи и
ограничения
Квантовые алгоритмы дают теоретическое преимущество
для отдельных задач: обработка сверхбольших разреженных
матриц (HHL), создание новых признаков (Kernel-квантовые
методы), поиск в неструктурированных данных (Grover).
Но есть фундаментальные сложности:
IjiСложность загрузки и извлечения данных из квантовой
памяти зачастую убивает квантовое ускорение.
^Проблема измерения результата: чтобы узнать выход
огромной квантовой системы, иногда требуется столько же
ресурсов, сколько на классическом суперкомпьютере.
3]Ограниченность современных процессоров по числу и
качеству кубитов. Весь «квантовый интеллект» — пока это
схемы из нескольких десятков кубитов, жёстко ограниченные
по глубине, и подвержены шуму.
Сегодня квантовые алгоритмы машинного обучения
решают только «игрушечные» версии задач: распознавание
простых образов, симуляция небольших наборов данных,
моделирование нескольких переменных. Крупные
практические задачи — задача рекомендательных систем,
обучение многослойных нейросетей, сложная оптимизация —
всё еще удачно решаются на классических GPU с тысячами
ядер и терабайтами памяти.
Почему пока рано ждать революции?
Нет квантовой схемы, превосходящей современные
глубокие нейросети на реальных задачах.
Реальные квантовые процессоры слишком малы и
шумные; даже самые мощные NISQ-компьютеры уступают
классическим топовым видеокартам.
Порог входа — пока высокий. Программирование
гибридных алгоритмов требует мега-компетенции в квантовой
физике, машинном обучении и инженерии.
Основной технологический фокус сейчас — не
«волшебный ИИ», а конкретные задачи оптимизации,
симуляции, небольших ИИ-прототипов.
Мифы рождаются из желаний, а реальность — из
практики.
Квантовые ИИ — неизбежный шаг дальше, но до
настоящей революции предстоит пройти еще годы: нужны
новые квантовые железки, масштабируемые алгоритмы и
прорывы в гибридных архитектурах.
Сегодня лучше использовать квантовые нейросети для
экспериментов и доказательства концепции, а реальных
роботов и сервисы — обучать классическими алгоритмами.
Подписывайтесь на «Технооптимисты» ((g)drv official) —
обсуждаем, где заканчивается хайп и начинается настоящая
квантовая наука!
Обсудить можно тут:
https://t.me/drv official/1878
Квантовая криптография: кок
навсегда защитить данные
В цифровую эпоху защита информации становится
вопросом выживания. Классическая криптография (например,
та же RSA) держится на математической «трудности», но
квантовые алгоритмы будущего обещают разрушить этот
фундамент. Как обезопасить мир от взломщиков, у которых
под руками квантовый компьютер7 Ответ: защищать данные
не математикой, а самой физикой — квантовой
криптографией.
Что такое квантовое распределение ключей?
Классическая криптография строится на преобразовании
данных через ключ, который передаётся по каналам связи.
Если перехватчик завладеет этим ключом, он получит доступ к
информации. Квантовая механика, однако, запрещает
скрытый перехват: любое измерение состояния обязательно
приводит к его необратимому изменению. Это свойство легло
в основу квантовой передачи ключей — так называемого QKD
(Quantum Key Distribution).
Протокол ВВ84: магия 80-х, которая работает
В 1984 году Чарльз Беннетт и Жиль Брассар предложили
первый в мире квантовый протокол распределения секретных
ключей для шифрования данных методом одноразового
блокнота (абсолютная криптографическая защита). Суть
проста: отправитель (Алиса) кодирует случайную
последовательность битов в поляризации фотонов (например,
горизонтальной и вертикальной или под 45/135 градусов).
Получатель (Боб) измеряет эти фотоны в случайно выбранных
базисах. Выбор поляризаций (базиса измерения) скрыт от
перехватчика.
Если злоумышленник (Ева) пытается измерить фотоны
на линии, он гарантированно внесёт ошибки, которые Алиса и
Боб смогут обнаружить, сравнив часть ключа по
незащищенному каналу. Если уровень ошибок допустим —
остаток битов становится секретным ключом. Если слишком
много ошибок — связь считается скомпрометированной, ключ
не используется.
Главное: перехват квантового сигнала невозможно
скрыть, потому что сама природа запрещает точное
копирование неизвестного квантового состояния (теорема о
запрете клонирования).
Реальные проекты: от лаборатории к планете
Протокол ВВ84 — не теория. Самые передовые
лаборатории мира построили реальные системы квантовой
связи для банков и правительств (Китай, Европа, США,
Россия), протяженные городские линии, а теперь и
космические каналы.
Абсолютный рекорд — спутник «Mo-Цзы», запущенный
Китаем в 2016 году За годы работы он установил защищённые
каналы между Пекином, Веной, Сингапуром, осуществил
первые в мире межконтинентальные сессии по квантовому
распределению ключей на расстоянии 7600 км’ Теперь у
некоторых государственных центров и банков защищённая
линия, неуязвимая для любых классических, даже квантовых
атак.
В Европе проект EuroQCI разворачивает квантовую
инфраструктуру для трансграничной финансовой,
энергетической и военной связи. Российские учёные и
компании тестируют свои QKD-решения для банковского
сектора, обмена ценной правовой документацией и даже для
умных городских сетей.
Будущее — мировая квантовая сеть?
Квантовое распределение ключей не отменяет
надобности в классических протоколах, но становится
краеугольным камнем по-настоящему безопасных сетей: где
бы вы ни находились, можно обменяться ключом с любым
континентом — и быть уверенным, что секрет останется
секретом.
Квантовая криптография — это гарантия
конфиденциальности на законах самой природы. Не устареет,
не будет взломана, не требует «доверия» никому, кроме
фундаментальной физики.
Подписывайтесь на «Технооптимисты» (ajdrv official) —
делаем самую сложную науку понятной!
Обсудить можно тут:
https ://tme/drv official/1895
Квантовый интернет: когда же
все будут связаны?
Пока мир пользуется классическим интернетом — сетью
из миллиардов устройств, обменивающихся битами, — группы
физиков и инженеров строят прототипы совершенно иной
сети: квантового интернета. Это не просто апгрейд
существующей инфраструктуры, а принципиально новая
парадигма связи, основанная на передаче и распределении
квантовых состояний — кубитов и запутанных пар частиц.
Запутанные сети: основа квантового интернета
В центре квантового интернета — явление квантовой
запутанности. Две частицы (например, фотона) могут быть
запутаны так, что измерение состояния одной мгновенно
влияет на состояние другой, даже если их разделяют тысячи
— 183 —
километров. Это свойство позволяет создавать абсолютно
защищённые каналы связи, распределённые квантовые
вычисления и принципиально новые приложения — квантовую
телепортацию состояний, сверхточную синхронизацию часов,
защищённые от взлома транзакции.
Квантовая сеть состоит из квантовых узлов (процессоров,
способных хранить и обрабатывать кубиты) и квантовых
каналов (обычно оптоволокно или спутниковые каналы для
передачи фотонов). Узлы генерируют, обрабатывают и
сохраняют запутанные состояния локально, а каналы
распространяют эти состояния по всей сети.
Квантовые ретрансляторы: решение проблемы потерь
Главная проблема квантовых каналов — неизбежная
потеря фотонов при передаче на большие расстояния. В
классической связи усилители просто копируют и усиливают
сигнал. В квантовом мире копирование невозможно (теорема
о запрете клонирования), а любое измерение разрушает
квантовое состояние.
Решение — квантовые ретрансляторы (quantum
repeaters). Они делят длинную линию на короткие сегменты,
создают запутанность на каждом отрезке, а затем через
процедуру entanglement swapping «сшивают» эти сегменты,
телепортируя квантовое состояние шаг за шагом без прямой
передачи фотона на всю дистанцию. Квантовая память в узлах
временно хранит кубиты, синхронизируя процесс.
Разработка надёжных квантовых ретрансляторов — одна
из главных технологических задач. Требуются долгоживущая
квантовая память, эффективные протоколы очистки
запутанности от ошибок и квантовая коррекция ошибок на
лету.
Quantum Internet Alliance: европейские намерения
В 2022 году Европейская комиссия запустила
масштабный проект Quantum Internet Alliance (QIA),
возглавляемый QuTech (совместная лаборатория Делфтского
технического университета и TNO). Цель амбициозна: создать
полноценный прототип квантовой сети, соединяющий два
городских кластера на расстоянии более 500 км через
магистраль с квантовыми ретрансляторами.
Первая фаза программы (2022 — 2026) имеет бюджет 24
миллиона евро Проект рассчитан на семь лет и нацелен на
создание «глобального квантового интернета made in Europe»
— полностью европейской технологии, способной
масштабироваться до мировой сети.
QIA работает над всем технологическим стеком: от
физических квантовых узлов до сетевых протоколов и
приложений. В альянс входят ведущие университеты,
исследовательские центры и компании из десятков
европейских стран, включая RWTH Aachen и других
партнёров.
Когда же всё заработает?
Эксперты предсказывают появление первых
практических приложений квантового интернета в ближайшие
годы: квантовое зондирование (сверхточные измерения на
атомном уровне), защищённые финансовые транзакции,
распределённые квантовые вычисления.
Однако полномасштабная глобальная квантовая сеть —
дело десятилетий. Нужны прорывы в квантовой памяти,
масштабируемых ретрансляторах и интеграции со
спутниковыми системами. Китайский спутник «Mo-Цзы» уже
демонстрирует межконтинентальную квантовую связь, а
европейский проект EuroQCI строит квантовую
инфраструктуру для критически важных приложений.
Квантовый интернет — не замена классического, а его
дополнение для задач, в которых нужна абсолютная
безопасность и квантовые возможности. Две сети будут
работать параллельно, создавая гибридную инфраструктуру
будущего.
Подписывайтесь на «Технооптимисты» (6)drv official) —
отслеживаем квантовую революцию в сетях!
Обсудить можно тут:
https://t.me/drv official/1912
Квантовые сенсоры: от медицины
до военных
О квантовых компьютерах говорят громко, но тихая
революция идёт рядом — в квантовых сенсорах. Это
устройства, которые используют квантовые эффекты для
измерений с такой точностью, о которой классическая техника
могла только мечтать. От диагностики состояний мозга до
поиска нефти и отслеживания подлодок — всё это одна и та
же история, природа сама «подсказывает» нам, что
происходит вокруг, если научиться аккуратно измерять её
квантовые состояния.
Ключевая фишка квантовых сенсоров —
чувствительность к микроскопическим изменениям полей и
сил. Они используют запутанность, интерференцию,
суперпозицию и квантовые переходы, чтобы регистрировать
крошечные сигналы: слабейшие магнитные поля сердца,
изменение гравитации от использования подземного тоннеля
или смещение времени на долю доли наносекунды.
Гравитационные карты и часы точнее Вселенной
Квантовые гравиметры и гравиградиометры на холодных
атомах измеряют локальное ускорение свободного падения и
его градиенты с феноменальной точностью. В них облака
сверххолодных атомов (обычно рубидий или стронций)
подбрасывают и пропускают через лазерные импульсы,
превращая их траектории в интерферометры. Малейшее
изменение гравитационного поля меняет интерференционную
картину — и даёт информацию о плотности пород под ногами.
В 2022 году была продемонстрирована квантовая
гравитационная карта, которая смогла обнаружить подземный
тоннель шириной всего пару метров с высокой точностью и
приемлемым временем измерения. Это уже не лабораторная
игрушка, а инструмент для инженерии, климатических
исследований, мониторинга водоносных горизонтов и
подземной инфраструктуры.
Оптические решёточные часы — ещё один флагман
квантовых сенсоров. Они используют тысячи атомов,
«пойманных» в оптической решётке, и могут отмерять время с
погрешностью примерно 1 секунда за возраст Вселенной.
Такая точность нужна не только для фундаментальной
физики, но и для сверхточной навигации, синхронизации
финансовых транзакций и даже «релятивистской геодезии»,
когда разница хода часов позволяет измерять высоту и
гравитационный потенциал с сантиметровой точностью.
Геологоразведка и нефть: видеть сквозь землю
Для нефтяников и геологов квантовые сенсоры — это
способ буквально «смотреть» под землю без взрывов и
тяжёлой техники. Квантовые гравиметры регистрируют
малейшие изменения гравитационного поля, связанные с
плотностью пород. Плотные структуры и пустоты (например,
каверны, водоносные горизонты, залежи нефти или газа) дают
разные сигнатуры.
В Великобритании создан переносной квантовый
гравиметр на холодных атомах, который уже демонстрировал
возможность обнаружения подземных объектов вроде
тоннелей и инженерных сооружений, а также потенциальных
месторождений. Отраслевые отчёты показывают, что
использование квантовой гравиметрии может снизить затраты
на разведочное бурение на десятки процентов и ускорить
обнаружение полезных ископаемых.
Помимо нефти, такие сенсоры подходят для:
- разведки лития и других критически важных металлов;
- мониторинга СОг-хранилищ (углеродный захват и хранение);
- контроля состояния грунтов под крупными
инфраструктурными объектами.
Медицина и военные: одна и та же физика
В медицине квантовые магнитометры на
сверхчувствительных спинах или SQUID- или атомных
системах позволяют измерять магнитные поля мозга и сердца
без инвазивных датчиков. Это открывает дорогу к:
- ранней диагностике аритмий;
- картированию активности мозга с миллиметровой точностью;
- исследованиям нейродегенеративных заболеваний.
В военной сфере те же технологии дают:
- навигацию без GPS на основе квантовых инерциальных
датчиков и гравиметров;
- поиск подземных бункеров, тоннелей, скрытой техники по
гравитационным аномалиям;
- обнаружение подводных лодок по изменениям
гравитационного или магнитного поля.
Квантовые сенсоры уже выходят из лабораторий:
создаются портативные гравиметры, компактные оптические
часы и медицинские прототипы. Следующее десятилетие с
высокой вероятностью сделает их стандартом в
геологоразведке, обороне и здравоохранении.
Подписывайтесь на «Технооптимисты» (g>drv official) —
дальше будет еще больше квантовой «магии», которая уже
меняет индустрии!
Обсудить можно тут:
https://t.me/drv official/1924
Квантовые технологии через 10
лет: что дольше?
Мы прошли долгий путь — от абстрактных квантовых
гейтов и алгоритма Дойча до реальных квантовых
процессоров, которые моделируют молекулы, оптимизируют
финансовые портфели и строят непробиваемые каналы связи.
Квантовые технологии за последние годы превратились из
лабораторной экзотики в индустрию с миллиардными
инвестициями, амбициозными стартапами и
государственными программами. Но что дальше? Как будет
выглядеть квантовый мир через десять лет?
Итоги цикла: от теории к практике
Когда мы начинали этот цикл, говорили об алгоритмах —
Шора, Гровера, Бернштейна-Вазирани, Саймона. Потом
— 191 —
перешли к VQE и QAOA — гибридным алгоритмам, которые
уже работают на реальных NISQ-процессорах. Обсудили
квантовое машинное обучение и HHL, квантовые случайные
блуждания, топологические вычисления. Увидели, как
квантовая симуляция помогает создавать новые лекарства и
материалы, как квантовая криптография защищает
государства и банки, как квантовые сенсоры ищут нефть и
отслеживают подводные лодки.
Главный вывод: квантовые технологии — это уже не
«когда-нибудь в будущем», а прямо сейчас. IBM. Google, Atom
Computing, lonQ, Rigetti — десятки компаний предлагают
доступ к квантовым процессорам через облако. Китай
запускает квантовые спутники. Европа строит квантовый
интернет. Россия развивает собственные квантовые
платформы.
Прогнозы на 2035 год: три волны трансформации
1JВолна первая: квантовые облака станут стандартом (2025 —
2030)
Квантовые вычисления окончательно переедут в облако.
Сегодня IBM Quantum, Amazon Braket, Microsoft Azure
Quantum, Google Quantum Al уже предлагают доступ к
квантовым процессорам через API. Через пять лет это станет
такой же рутиной, как аренда GPU для обучения нейросетей.
Гибридные системы — квантовые процессоры,
интегрированные с классическими CPU, GPU и
специализированными А1-чипами — станут архитектурным
стандартом. Квантовый сопроцессор будет решать
специфические подзадачи (оптимизация, симуляция,
генерация признаков), а классика — обработку данных,
интерфейсы, постобработку.
ЛВолна вторая: от NISQ к логическим кубитам (2028 — 2033)
IBM прогнозирует достижение 200 логических кубитов к
2028 году (система Starling), что потребует около 10 000
физических кубитов с эффективной коррекцией ошибок. Это
критический порог: логические кубиты позволят запускать
глубокие схемы без накопления ошибок.
К 2033 — 2035 годам эксперты ожидают появления
систем с тысячами логических кубитов — достаточно для
симуляции сложных молекул, взлома RSA-2048 и решения
практически значимых задач оптимизации. Квантовая химия,
дизайн материалов, фармацевтика получат инструменты,
превосходящие любые классические суперкомпьютеры.
ЗВолна третья постквантовая криптография и квантовый
интернет(2030 — 2035)
Где-то около 2035 года квантовые компьютеры станут
достаточно мощными, чтобы угрожать современным
криптосистемам (RSA, ЕСС). Но мир к этому готовится: NIST
уже стандартизовал постквантосые алгоритмы (ML-KEM,
ML-DSA), а в марте 2025 года добавил пятый алгоритм — HQC
(Hamming Quasi-Cyclic) как резервный для ML-KEM.
Параллельно развернётся квантовый интернет:
защищённые каналы на базе квантового распределения
ключей, распределенные квантовые вычисления, квантовые
сенсорные сети. Quantum Internet Alliance в Европе и
аналогичные проекты в Китае и США к 2035 году создадут
межконтинентальную квантовую инфраструктуру.
Реалистичный сценарий: не революция, а эволюция
Важно понимать: квантовые компьютеры не заменят
классические. Они станут специализированными
сопроцессорами для узкого класса задач — как GPU для
графики или TPU для нейросетей. К 2035 году квантовый
рынок оценивается в $45-106 млрд, но это дорогие
специализированные системы для науки, финансов, обороны,
фармы.
Прорывы случатся в:
- квантовой химии и материаловедении: дизайн
катализаторов, батарей, лекарств с атомной точностью;
- оптимизации: логистика, финансы, энергосети на новом
уровне эффективности;
- квантовых сенсорах: навигация без GPS, медицинская
диагностика, геологоразведка;
- защищенной связи: непробиваемые каналы для критической
инфраструктуры.
Но ежедневные задачи — веб-сёрфинг, обработка
текстов, стриминг видео — останутся классическими.
Квантовые компьютеры будут работать в дата-центрах, решая
задачи, которые классика не осилит.
Вызовы на пути
Масштабирование остаётся главной проблемой. Нужны
стабильные кубиты с долгим временем когерентности.
эффективная коррекция ошибок, криогенные системы,
специализированные кадры. Барьерные плато в
вариационных алгоритмах, проблема загрузки данных в
квантовую память, высокая стоимость — всё это предстоит
решить.
Но прогресс идет быстрее, чем ожидалось. IBM
удваивает число кубитов каждые 9-12 месяцев. Китай строит
квантовые сети. Стартапы находят коммерческие ниши.
Следующие десять лет будут определяющими.
А какая тема удивила вас больше всего?
Мы прошли через алгоритмы, железо, приложения — от
квантовых гейтов до квантовых сенсоров, от алгоритма Шора
до квантового интернета. Что оказалось неожиданным? Что
вызвало наибольший интерес? Может, квантовая
криптография с китайским спутником? Или VQE, уже
моделирующий реальные молекулы? А может, топологические
вычисления на анионах?
Пишите в комментариях — обсудим! И если есть темы,
которые мы упустили, или хотите копнуть глубже в какую-то из
областей — дайте знать. Квантовая революция только
начинается, и мы будем её отслеживать вместе.
Подписывайтесь на «Технооптимисты» (@drv official) —
дальше будет ещё интереснее!
Обсудить можно тут:
https://t.me/drv official/1935
Заключение: зачем нам все эта
кванты?
За год мы прошли путь от одного кубита на сфере Блоха
до глобального квантового интернета, от простых гейтов
Адамара и CNOT до топологических кос на анионах, от
игрушечных алгоритмов Дойча и Бернштейна-Вазирани до
Шора, Гровера, VQE, QAOA, HHL и квантовых блужданий. Это
был маршрут от «вот есть странная физика» к очень
прагматичному вопросу: а что всё это меняет в реальном мире
— в химии, финансах, медицине, обороне, связи, ИИ.
По сути, цикл показывал одну и ту же мысль с разных
сторон: квантовые технологии — это не один «квантовый
компьютер будущего», а целая экосистема. Есть алгоритмы,
которые дают математическую интуицию: интерференция,
квантовое преобразование Фурье, оценка фазы, случайные
блуждания. Есть железо — от ионных ловушек и
сверхпроводящих кубитов до кудитов и топологических
экзотик. Есть прикладные направления: симуляция молекул и
материалов, оптимизация портфелей и логистики, квантовая
криптография, сенсоры, квантовый интернет и гибридные
схемы с ИИ.
Постепенно вырисовывается картина ближайших десяти
— пятнадцати лет. Квантовые устройства становятся
облачными сервисами; рядом с CPU и GPU прописываются
QPU. В криптографии живут сразу две линии обороны:
постквантовые классические алгоритмы и квантовое
распределение ключей. В науке и индустрии квантовые
симуляции и сенсоры сначала дают локальные, нишевые
преимущества, а затем — качественный сдвиг: быстрее
выводятся лекарства, точнее проектируются катализаторы и
батареи, надёжнее защищаются сети и навигация.
Важно и другое: по дороге мы развенчали несколько
мифов. Квантовый компьютер не «ускорит всё подряд» и не
отменит классические машины. Квантовый ИИ не завтра
«проснётся» и не начнет доминировать над нейросетями на
GPU. Никакого магического нажатия кнопки «конец RSA» тоже
не будет: мир заранее переходит на новые криптостандарты.
Квантовые технологии идут не через голливудский
«революционный взрыв», а через постепенную, но очень
жёсткую инженерную эволюцию.
И вот теперь мяч на вашей стороне. За этот год вас могли
зацепить разные темы: фундаментальная магия запутанности
и телепортации, строгость алгоритмов Шора и
Гровера, прагматичный VQE для химии или мрачноватая
красота квантовой криптографии и сенсоров для военных.
Какая тема вас удивила больше всего?
Где вы увидели «тот самый» квантовый перелом — в
алгоритмах, железе или приложениях? И о чем хотелось бы
почитать продолжение: про программирование квантовых
устройств, про конкретные кейсы индустрии, про математику
под капотом или. наоборот, про карьеру в квантовой сфере?
Напишите в комментариях, что зацепило сильнее всего, и
какие квантовые сюжеты стоит развивать дальше
Подписывайтесь на «Технооптимисты» (<g>drv official) —
следующий цикл может родиться как раз из ваших вопросов.
Обсудить можно тут:
https://tme/drv official/1950
Подписывайтесь на наши каналы в
Интернете
Телеграм-канал
«Технооптимисты»:
https ://t.me/drv_ official
YouTube-канал
«Душкин объяснит»:
https://youtube.eom/@dushkin will explain
Все выпуски подкаста
«Технооптимисты» на радио
Mediametrics:
https://radio.mediametrics.ru/Texno/