‏کامپیوتر کوانتومی واقعاً به چه دردی می‌خوره؟

تو این مقاله، نویسنده از شرکت سرمایه‌گذاری Compound می‌گه کامپیوترهای کوانتومی کاربردی نزدیکن ولی تقریباً کسی نمی‌دونه به چه کاری میان. سخت‌افزار هر سال بیش از ۵۰٪ کیوبیت فیزیکی بیشتر داره و منابع لازم برای اجرای الگوریتم‌ها هر سال حدود نصف می‌شه. برای همین به گفته نویسنده بین ۳ تا ۵ سال دیگه، یا با حساب نتایج واقعی گذشته حدود ۲۰۳۰ تا ۲۰۳۲، به کامپیوتر کوانتومی مفید می‌رسیم.

با این حال تیم نویسنده بعد از صحبت با ده‌ها متخصص، اطمینان خیلی کمی درباره کاربردها دیده. توافق کلی اینه که اولین کاربرد شکستن رمزنگاری‌ـه؛ مثلاً شرکت Oratomic تو سال اول ۷۷۵ میلیون دلار جذب کرده تا یه ASIC مخصوص همین کار بسازه. کاربرد بعدی، تولید داده شبیه‌سازی کوانتومی برای آموزش مدل‌های علمی آزمایشگاه‌های هوش مصنوعیه. نویسنده می‌گه این کاربردها روی هم شاید چند میلیارد دلار درآمد داشته باشن، در حالی که این حوزه تو ۵ سال اخیر ۲۵ تا ۳۰ میلیارد دلار جذب کرده و ارزشش ۸۰ تا ۹۰ میلیارد دلاره.

درباره شبیه‌سازی مواد و کشف دارو، نویسنده معتقده بیشترین برتری کوانتوم روی مسائلی مثل الکترون‌های به‌شدت همبسته‌ست که بیشتر از نظر علمی جذابن تا تجاری. از طرف دیگه روش‌های کلاسیک هم دارن سریع پیشرفت می‌کنن: مثلاً NNP (یعنی پتانسیل‌های شبکه عصبی که نیروی بین اتم‌ها رو پیش‌بینی می‌کنن) شبیه‌سازی رو تا میلیون‌ها اتم بردن. به نظر نویسنده تا وقتی کامپیوترهای کوانتومی بزرگ آماده بشن، NNPها روی خیلی از سیستم‌های تجاری به دقت شیمیایی رسیدن.

مشکل دیگه مدل کسب‌وکاره. کشف اولیه فقط قدم اوله و بیشتر ارزش به شرکتی می‌رسه که محصول نهایی رو می‌سازه. نویسنده مثال Schrödinger رو می‌زنه: بعد از ۲۵ سال فقط ۲۵۰ میلیون دلار درآمد داره و ارزشش ۱.۷ میلیارد دلاره، ولی زیرمجموعه دارویی‌ش Nimbus سه برابر این ارزش، پول نقد از فروش دارایی‌ها گرفته. پس به نظرش تیم‌های محصول‌محور که هوش مصنوعی کلاسیک رو با کوانتوم ترکیب می‌کنن شانس بیشتری دارن.

تنها جایی که نویسنده رو خوش‌بین‌تر کرده یادگیری ماشین کوانتومی (QML) ‌ـه. قبلاً ثابت شده بود ذخیره داده تو حافظه کوانتومی برتری‌ای نمی‌ده، ولی یه مقاله جدید داده رو پیوسته وارد پردازنده کوانتومی می‌کنه، مدل رو آپدیت می‌کنه و بعد داده خام رو دور می‌ریزه. چون فضای حالت کوانتومی نمایی بزرگ‌تره، این روش در تئوری می‌تونه به LLMهایی با context تقریباً بی‌نهایت یا حافظه بی‌انتها برای agentها برسه. البته نویسنده تأکید می‌کنه این هنوز خیلی تا عملی شدن فاصله داره.

نکات کلیدی:

• سخت‌افزار کوانتومی سالانه بیش از ۵۰٪ کیوبیت بیشتر پیدا می‌کنه و منابع الگوریتم‌ها هر سال حدود نصف می‌شه
• پیش‌بینی رسیدن به کامپیوتر کوانتومی مفید: ۳ تا ۵ سال، یا ۲۰۳۰ تا ۲۰۳۲
• اولین کاربرد قطعی، شکستن رمزنگاریه؛ Oratomic برای ساخت ASIC این کار ۷۷۵ میلیون دلار جذب کرده
• این حوزه تو ۵ سال ۲۵ تا ۳۰ میلیارد دلار سرمایه گرفته با ارزش ۸۰ تا ۹۰ میلیارد دلار
• بازار شبیه‌سازی به‌عنوان سرویس به گفته نویسنده حدود ۲ تا ۵ میلیارد دلار درآمد سالانه‌ست
• QML با داده پیوسته در تئوری می‌تونه context بی‌نهایت برای LLMها بده، ولی هنوز فاصله زیادی داره