Масштабирование квантовых вычислений для максимальной энергоэффективности

Искусственный интеллект (ИИ) меняет цифровой мир с головокружительной скоростью, опираясь на огромные центры обработки данных, сверхбыстрые сети и все более плотные вычислительные кластеры, поскольку каждое новое поколение моделей ИИ требует значительно большей вычислительной мощности. Однако мировая цифровая инфраструктура уже приближается к физическим и энергетическим пределам.

Сегодня один передовой чип искусственного интеллекта может потреблять столько же электроэнергии, сколько целое домохозяйство, а большие тренировочные забеги могут потреблять столько же энергии, сколько целый город. Поэтому Международное энергетическое агентство ожидает, что глобальное потребление электроэнергии центрами обработки данных примерно удвоится к 2030 году.

Возникает вопрос: как мы можем расширить вычислительную мощность, не увеличивая энергопотребление?

Квантовые вычисления часто называют частичным ответом, обещающим гораздо большую вычислительную мощность при значительно меньших затратах энергии. Но мы редко объясняем, почему и в каких случаях, или сравниваем, какие квантовые платформы обеспечивают наибольшее количество вычислений на киловатт-час, несмотря на существенные различия.

На данный момент правительства и промышленность должны решить, какие архитектуры являются не только масштабируемыми, но и энергетически масштабируемыми: те, которые предлагают самую высокую вычислительную мощность при наименьшем энергопотреблении.

Отправная точка – физика. Любой компьютер — это физическая система, которая должна подчиняться законам термодинамики, поэтому обработка информации никогда не бывает энергозатратной. В основе лежит принцип Ландауэра, который говорит нам, что всякий раз, когда информация стирается, минимальное количество энергии должно быть потеряно в виде тепла, и это предел, который не может обойти ни одна технология.

Этот фундаментальный предел помогает отличить классические компьютеры от квантовых. В повседневных вычислениях этот предел затмевается инженерной неэффективностью, поэтому мы редко его замечаем. Но по мере усложнения задач классические алгоритмы должны стирать быстро растущее число промежуточных битов, а это означает, что даже в принципе их минимально возможное энергопотребление может расти экспоненциально.

Квантовые алгоритмы обрабатывают информацию принципиально по-другому. Их логические операции обратимы, что позволяет «не вычислять» промежуточные состояния, а не стирать их. Это позволяет квантовому компьютеру одновременно проверять множество возможных решений, прежде чем получить небольшой окончательный ответ.

Теория говорит нам, что для тех же сложных задач минимальная энергия, необходимая для хорошо разработанных квантовых алгоритмов, растет медленнее. В этих режимах квантовые компьютеры не просто работают быстрее — они могут быть экспоненциально более энергоэффективными.

Эти термодинамические преимущества имеют значение только в том случае, если аппаратное обеспечение поддерживает затраты энергии на вычисления вблизи теоретического предела. Квантовые процессоры находятся в сложных физических установках, от охлаждения до управляющей электроники, и на практике эта вспомогательная инфраструктура часто доминирует в энергопотреблении.

Независимо от того, зависит ли платформа от больших холодильников разбавления или работает при комнатной температуре или близкой к ней, будет основным фактором, определяющим ее долгосрочный энергетический профиль. Понимание энергоэффективности требует сравнения не только алгоритмов, но и аппаратных платформ, которые их реализуют.

Сверхпроводящие квантовые компьютеры основаны на схемах, которые работают только при температурах, близких к абсолютному нулю, и поэтому работают в многоступенчатом режиме. холодильники для разбавления.

В современных облачных системах общее энергопотребление обычно составляет около 25 киловатт (кВт) – большая часть этой электроэнергии идет на охлаждение и вспомогательное оборудование, а не на квантовые биты (кубиты).

Квантовые компьютеры на нейтральных атомах работают по-другому: они используют отдельные атомы в качестве кубитов, удерживаемых в массивах лазерных лучей в сверхвысоком вакууме и управляемых световыми импульсами. Они работают при комнатной температуре или близкой к ней и не требуют криогенной среды в милликельвинах или процесса охлаждения, требующего охлаждения.

Существующие устройства на нейтральных атомах с несколькими сотнями кубитов сообщают об общей мощности системы ниже 10 кВт. Таким образом, даже в сегодняшних скромных масштабах два квантовых компьютера с сопоставимыми размерами процессоров могут различаться примерно в три раза по потребляемой мощности, в зависимости от того, полагаются ли они на экстремальное охлаждение.

Заглядывая в будущее к более масштабной отказоустойчивости (которая сможет продолжать работать, несмотря на физические помехи и эксплуатационные ошибки), технологические дорожные карты предполагают, что потребность в электроэнергии для полномасштабных квантовых компьютеров может отличаться до два заказа величины между архитектурами.

Энергоэффективное квантовое оборудование имеет наибольшее значение там, где лучшие решения напрямую сокращают реальное потребление энергии. Его первое преимущество — вычислительное: некоторые задачи можно решить с гораздо меньшими затратами энергии, чем на классических машинах.

Не менее важно и то, что квантовые вычисления могут помочь спроектировать и реализовать более «зеленое» и устойчивое будущее, особенно в энергетических системах и мобильности, где существует множество проблем оптимизации: от планировки ветряных электростанций и прогнозирования возобновляемых источников энергии до транспортного планирования и управления дорожным движением.

Здесь электричество для квантовых алгоритмов ничтожно по сравнению с потенциальной экономией на уровне системы, поэтому даже скромные выгоды могут привести к значительному сокращению использования ресурсов и выбросов.

Материаловедение и химия открывают еще один мощный путь: более совершенные батареи, катализаторы и мембраны для хранения энергии, водорода и промышленных процессов, однако многие важные модели моделирования остаются за пределами классического оборудования.

Многие аккумуляторы и промышленные материалы слишком сложны для точного моделирования современными компьютерами. Квантовые вычисления могут моделировать их более точно, ускоряя работу более совершенных батарей, более эффективных катализаторов и мембран с меньшими потерями, что снижает общий спрос на энергию.

Эти достижения также влияют на искусственный интеллект. Обучение и обслуживание больших моделей зависят от множества взаимосвязанных аппаратных, программных и архитектурных решений, а потребление энергии растет.

В настоящее время изучаются квантовые и квантовые оптимизации, чтобы будущие системы обеспечивали равную или лучшую производительность при меньшем количестве операций и меньшем количестве энергии на задачу.

Смогут ли квантовые компьютеры значительно ускорить обучение передовых моделей, остается открытым вопросом, но использование квантовых инструментов для оптимизации рабочих процессов ИИ уже является многообещающим направлением.

Поскольку глобальный спрос на вычисления растет, квантовые вычисления следует рассматривать не как нишевое исследовательское занятие, а как необходимый путь для поддержания цифрового прогресса без увеличения потребления энергии.

Реализация этого потенциала требует масштабных скоординированных усилий в области исследований, промышленности и государственного сектора, а также устойчивых государственных и частных инвестиций для решения ключевых технических проблем, таких как крупномасштабное исправление ошибок.

Помимо эффективности, квантовая обработка предлагает новый способ справиться со сложностью, потенциально переопределяя архитектуру цифровой экономики. Будет ли это будущее экологически жизнеспособным, зависит от решений сегодня.

Правительства и промышленность должны задаться вопросом: какие технологии могут масштабироваться, не привязывая цифровой мир к высокому спросу на электроэнергию?

Если энергоэффективность должна стать стратегическим приоритетом, она должна стать основным принципом проектирования всей квантовой экосистемы – от финансирования исследований до планирования инфраструктуры. Только тогда квантовые вычисления смогут развиваться вместе с искусственным интеллектом, сохраняя при этом наше цифровое будущее в пределах физического мира.