درخواست عضویت

رایانش کوانتومی

اخیرا سرمایه‌گذاری‌های زیادی در حوزه رایانش کوانتومی شده‌است و توسعه این تکنولوژی، نکات جالب توجهی درباره نوآوری به ما می‌دهد.
انتخاب تاریخ ظهور یک تکنولوژی جدید، کار دشواری است ولی با این وجود می‌توان گفت که رایانش کوانتومی سال دیگر، چهل ساله می‌شود. در سال ۱۹۸۱ ریچارد فاینمن، فیزیکدان آمریکایی، در یک همایش در حوزه رایانش، گفت که طبیعت یک موجود کلاسیک نیست و اگر واقعا می‌خواهیم طبیعت را شبیه‌سازی کنیم، باید آن را کوانتومی بسازیم و مشکل دقیقا از همینجا شروع می‌شود. چرا که این کار، کار ساده‌ای نخواهدبود.

چهل سال با رایانش کوانتومی

با چهل ساله شدن این تکنولوژی، می‌توان گفت که رایانش کوانتومی حداقل در حد یک پیشنهاد تجاری رسیده‌است. تا مدت‌ها همه اتفاق نظر داشتند که برای کاربرد‌های واقعی این تکنولوژی باید حداقل یک دهه دیگر منتظر بود ولی بنظر می‌رسد که برخی اینطور فکر نمی‌کنند. زیرا سرمایه‌گذاران خطرپذیر شروع به واریز سرمایه خود در شرکت‌های سازنده رایانه‌های کوانتومی کرده‌اند. البته این کار ریسک بسیار بالایی دارد زیرا این دستگاه‌ها هنوز مشکلات و محدودیت‌های فراوانی دارند ولی سرمایه‌گذاران خطرپذیر این حوزه بر این باور هستند که این تکنولوژی در آینده تجاری‌سازی خواهدشد.
البته اگر این اتفاق بیفتد، خبر خوب آن فقط برای سرمایه‌گذاران نخواهدبود. کامپیوترهای کوانتومی می‌توانند برخی محاسبات و ریاضیات را از هر ماشین کلاسیک دیگری سریع‌تر انجام دهند و ساخت‌ آنها می‌تواند انقلاب‌های بزرگی را ایجاد کنند. به عنوان مثال در حوزه شیمی، اکثر واکنش‌ها برای کامپیوتر‌های امروزی بسیار پیچیده هستند و نمی‌توانند با دقت خوبی شبیه‌سازی شوند. ولی با ظهور کامپیوترهای کوانتومی و حل کردن این محاسبات دشوار، نه تنها در حوزه شیمی بلکه در علوم مواد، داروسازی، باتری‌ها و خیلی موارد دیگر نیز تحولات عظیمی رخ خواهدداد. و همینطور قابلیت این کامپیوترها در حل مسائل بهینه‌سازی که برای کامپیوترهای کلاسیکی دشوار است، می‌تواند حوزه‌های لجستیک، مالی و هوش مصنوعی را نیز توسعه دهند.

پیشرفت رایانش کوانتومی ار تمامی جنبه

پیشرفت‌های این حوزه از یک منظر دیگر نیز قابل توجه است. رایانش کوانتومی مثالی از چگونگی توسعه و پیشرفت تکنولوژی‌های پیچیده‌ در جوامع صنعتی است. مهم‌ترین درسی که می‌توان از این فرآیند گرفت، توجه به تک تک قدم‌ها و فرآیند‌های شکل‌گیری و توسعه این تکنولوژی است. استارتاپ‌ها، سرمایه‌گذاران خطرپذیر و IPOها متمرکز بر نوآوری‌های رایانش کلاسیک هستند که در سیلیکون ولی اتفاق می‌افتند. ولی این نوع تمرکزها در مراحل پایانی توسعه یک تکنولوژی رخ می‌دهد، یعنی زمانی که بازگشت سریع سرمایه و تجاری‌سازی حتی اگر کامل، مشخص و مطمئن نباشد، حداقل ممکن بنظر می‌رسد. همانطور کهMariana Mazzucato، یک اقتصاددادن آمریکایی-ایتالیایی می‌گوید، بزرگترین ریسک‌ها زمانی رخ می‌دهند که تکنولوژی در مراحل ابتدایی راه خود است و مشخص نیست که آیا به موفقیت برسد یا خیر.

قدم اول در ساخت یک رایانه کوانتومی

قدم اول در ساخت یک رایانه کوانتومی، انجام محاسبات طولانی و نوشتن معادلات پیچیده در دانشگاه‌ها بود. مجموعه‌ای از دولت‌هایی مثل آمریکا، انگلستان، چین و آلمان، میلیاردها دلار در زمینه تحقیقات کوانتومی هزینه کردند. کارهای ابتدایی دیگر نیز در شرکت‌های بزرگ تکنولوژی اتفاق افتادند. به عنوان مثال اولین الگوریتم کوانتومی در سال ۱۹۹۴ در آزمایشگاه‌های بل(۱) کشف شدند. همینطور برخی پیشرفت‌های اولیه دیگر در شرکت IBMانجام شد که البته در این زمینه سابقه و آوازه بلندی دارد که حتی برخی از محققان این شرکت تا به حال شش جایزه نوبل برنده شده‌اند. امروزه گوگل و مایکروسافت نقش‌های کلیدی و مهمی را در زمینه توسعه تکنولوژی‌های کوانتومی بازی می‌کنند.
سرمایه‌گذاران در این مراحل ابتدایی باید توجه داشته‌باشند که چه زمانی ریسک‌ها را بپذیرند و به آینده امیدوار باشند و چه زمانی به سرمایه‌گذاری خاتمه دهند. سرمایه‌گذاران خطرپذیر زبده، در این زمینه کاملا بدون احساسات عمل می‌کنند و می‌دانند که اگر سرمایه‌گذاری، نتایج دلخواه را ندهد باید کنار برود. البته نزدیکی این سرمایه‌گذاران به بازار باعث می‌شود که بهتر بتوانند در این زمینه قضاوت کنند و تصمیم بگیرند. ولی دولت‌ها (که از پول مردم استفاده می‌کنند) نیز باید با این دیدگاه سرمایه‌گذاری کنند. زیرا اگر بخواهند از تکنولوژی‌هایی حمایت کنند که برای دیگر سرمایه‌گذاران پرخطر است، یقینا برای دولت‌ها هم ریسک‌های بالایی خواهد داشت و باید انتظار داشته‌باشند که با شکست مواجه شوند.

درس هایی که باید از رایانش کوانتومی گرفت

البته درس‌های دیگری نیز می‌توان از توسعه این تکنولوژی گرفت. رایانش کوانتومی تاالبته درس‌های دیگری نیز می‌توان از توسعه این تکنولوژی گرفت. رایانش کوانتومی تا به اینجا بر دوش هزاران ریاضیدان، فیزیکدان و مهندس جلو آمده است و این بیانگر محدودیت نظریه «مرد بزرگ» در نوآوری‌است که مثال مرسوم آن استیو جابز و فرهنگ رایج در اپل است. همچنین نظریه مرسوم دیگری در باب نوآوری وجود دارد که در آن، نوآوری به شکل یک «لوله» دیده می‌شود و در این لوله جریانی از تکنولوژی‌هایی است که از ایده به محصول تبدیل می‌شوند. مشکل این نظریه هم، ساده‌انگاری بیش‌ازحد آن است. زیرا به عنوان مثال پیشرفت و توسعه رایانش کوانتومی به زمینه‌های علمی مختلفی از لیزر تا برودت‌شناسی(۲) وابسته‌است.
البته این به معنی انکار ارزش کار کسانی نیست که قدم‌های نهایی را در این زمینه برمی‌دارند تا یک تکنولوژی را به یک کسب‌وکار سودده تبدیل کنند. ولی کسانی که می‌خواهند به این موفقیت‌ها برسند باید این نکته را نیز در نظر داشته‌باشند که قبل از رسیدن تکنولوژی به این مقطع، نیاز به تلاش‌ها و زحمات کسانی‌است که کمتر دیده و شنیده می‌شوند.

منبع:

“From cloisters to the cloud”,The Economist USA, 26th September – ۲nd October 2020