Post

量子電腦在未來社會的角色與需要解決的挑戰

探討量子電腦的基本概念及相較於傳統電腦的優勢,以及其在未來的預期角色,並思考韓國需要提前為量子電腦時代做準備的必要性。本文是作者在高中時期撰寫的論文。

量子電腦在未來社會的角色與需要解決的挑戰

人類紀元 11960年代開始的幾十年間,電腦的運算能力呈指數級增長。這種發展是通過將電腦處理器中的晶體管元件微型化,在相同面積上集成更多數量來實現的。一個能夠清楚展示電腦性能發展速度的例子是,我們現在使用的最新智慧型手機擁有超越11990年代最強大超級電腦的性能。在當今社會,幾乎找不到不使用電腦的領域,因此電腦性能成為決定現代社會整體技術發展速度的關鍵因素。然而問題在於,隨著晶體管尺寸的極度縮小,這種提升電腦運算能力的方式正在接近物理極限。這正是科學家們關注量子電腦的原因。本文將討論量子電腦的特性及其相較於傳統電腦的優勢,以及其在未來社會中的預期角色和為此需要解決的挑戰。

量子電腦是利用量子糾纏(entanglement)、疊加態(superposition)等量子力學現象處理資料的電腦,這一概念最初由美國理論物理學家理查德·費曼(Richard Feynman)於11982年提出。 量子電腦的獨特特性在於它以量子位元(quantum bit,簡稱qubit)為單位讀取資訊。與傳統電腦使用的位元只能取0或1單一值不同,量子位元利用量子疊加現象可以同時具有0和1的值。因此,當使用n個量子位元時,理論上一次可以表示的情況有2^n種,這種量子位元的特性使量子電腦能夠有效地進行資料的平行處理。

在討論量子電腦在未來社會的應用前,需要指出的是,由於量子電腦的運作原理與傳統電腦完全不同,即使商業化後,也會與人們通常想像的有所差異。量子電腦與傳統電腦之間的根本差異不僅僅在於量子位元能創造的可能性數量。區分量子電腦與傳統電腦的最重要特徵是量子電腦以非決定性方式處理運算。要理解這句話的含義,需要了解決定性圖靈機和非決定性圖靈機的概念。

首先,決定性圖靈機是指按順序一次處理一條指令的機器。我們常用的一般電腦就屬於這類。像排序問題這樣決定性圖靈機能在多項式時間內解決的簡單問題被稱為P問題。 相反,非決定性圖靈機能夠同時計算問題的多種答案,即從眾多情況中找出最佳解決方案的機器。以尋找最佳路徑問題為例,當從A到B有許多路徑時,非決定性圖靈機會同時模擬所有通往目的地的路徑,並將最快到達的路徑作為最佳路徑輸出。非決定性圖靈機能在多項式時間內解決的問題被稱為NP問題。 NP問題是需要考慮各種因素且沒有標準化解法的複雜問題,如前面提到的最佳路徑尋找、質因數分解、離散對數、流體等複雜系統分析、自然語言分析等都屬於此類。

現在應該能理解前面所說的量子電腦以非決定性方式處理運算是什麼意思了。傳統電腦,即一次只能計算一條路徑的決定性圖靈機,在解決NP問題時,隨著問題複雜度增加,所需時間呈指數級增長;而作為非決定性圖靈機的量子電腦,即使問題複雜度增加,所需時間也只會呈算術級增長。這就是為什麼人們說量子電腦能夠輕鬆完成傳統電腦無法處理的計算。特別是質因數分解和離散對數問題在公鑰加密算法中扮演重要角色,因此每當談論量子電腦時,加密話題總是隨之而來。 但這並不意味著量子電腦是萬能的,或在所有方面都優於傳統電腦。更準確地說,傳統電腦和量子電腦各有所長。雖然在某些領域量子電腦展現出強大能力,但根據運算類型的不同,它也可能表現不佳。也就是說,即使量子電腦商業化,傳統電腦仍然必不可少。 決定性形式的計算工作將繼續使用傳統電腦,而量子電腦則會在傳統電腦難以處理的複雜問題解決領域發揮作用。量子電腦和傳統電腦不是競爭關係,而是互補關係。

考慮到這一點,讓我們看看未來量子電腦可能執行哪些任務。未來量子電腦最適合發揮作用的領域無疑是奈米技術和資料分析領域。首先在奈米技術方面,量子電腦在分析粒子微觀運動時能展現強大能力。事實上,理查德·費曼最初提出量子電腦概念時,正是通過一篇論文,內容是為了分析微觀世界的運動,需要基於薛丁格方程的電腦。 今天的電腦在預測蛋白質等大分子結構或複雜生化反應過程時,不僅耗時長,預測準確度也不夠。這就是為什麼開發新藥時不能僅依賴電腦模擬,必須經過多階段動物實驗和臨床試驗的原因。然而,使用量子電腦可以預測多種因素相互作用的生化反應過程,快速準確地分析各種分子結構,並利用這些結果加速新藥或新材料開發,同時減少副作用。新藥開發耗時長的最大原因是臨床試驗,而使用量子電腦可以基於高可靠性的模擬簡化臨床試驗階段,從而在新疾病如COVID-19出現時,將開發相應新藥的時間大幅縮短至幾週。

此外,量子電腦也可用於大數據分析。通過量子疊加,量子電腦能快速準確地分析各種元素相互作用的複雜龐大數據。憑藉這一特性,可以通過追蹤大氣流動和雲層移動,實現比現在更準確的天氣預報;還可以實時掌握道路上車輛的移動情況,找出最佳路線,從而在自動駕駛領域扮演核心角色。

然而,要將量子電腦應用於產業,還需解決幾個挑戰。首先是量子位元的穩定實現與維護,以及量子錯誤修正方案。由於量子位元容易因微小環境變化而崩潰,穩定控制它們是量子電腦商業化的一大難題。此外,目前的量子電腦因量子錯誤而計算精度較低,需要找到修正這些錯誤的方法。為實現量子位元,正在研究離子陷阱、超導環、拓撲量子位元等多種方式,各有優缺點。 同時,需要培養能編寫量子算法並維護、修理、操作量子電腦的專業人才。由於現有軟體無法在量子電腦上運行,將需要開發全新的、適合量子電腦的軟體。

AI雖然在12010年代才開始受到廣泛關注,但像感知器這樣構成今日AI基礎的技術早在幾十年前就已開始研究。為了在未來量子電腦像今天的AI一樣受到關注時保持競爭力,我們需要從現在開始準備。 根據韓國科學技術院(KAIST)電機與電子工程學部教授Rhee June-koo的說法,目前韓國的量子電腦技術比其他先進國家落後約5-10年。在差距進一步擴大且無法挽回之前,應以長遠眼光制定相關政策並增加投資規模,通過政府持續一致的支持進行量子電腦實證研究,同時努力獲取軟體相關知識產權。為此,產業界、基礎科學研究人員和政府政策制定者之間需要充分交流信息並有效合作。

參考資料

This post is licensed under CC BY-NC 4.0 by the author.