Розкажу про один проєкт, який, можливо, багато хто не відстежує: QNT.

Майбутні розробники, ймовірно, працюватимуть так:

NVIDIA CUDA-Q пише гібридні програми
↓
GPU виконує симуляції, AI, оптимізацію, виправлення помилок (декодування)
↓
QNT Helios QPU виконує квантові обчислення
↓
runtime Guppy / Helios відповідає за виконання та керування квантовими програмами

Це трохи схоже на:

паросток CUDA-екосистеми епохи квантових обчислень.
Можна розуміти квантові комп’ютери Quantinuum / QNT так: це не “просто комп’ютер швидше”, а прискорювач, спеціалізований на опрацюванні “квантово-рівневих складних задач”. Найцінніше в ньому — не відкривати вебсторінку, не запускати звичайний AI, не писати код, а розв’язувати задачі, які традиційним CPU/GPU складно або неможливо симулювати.

Найбільш основні речі, які це може допомогти реалізувати:

1. Симуляції нових матеріалів, нових батарей, нових матеріалів чипів

Це той напрям, який я вважаю най“жорсткішим”.

Багато матеріалів по суті є квантовими системами, наприклад напівпровідникові матеріали, надпровідні матеріали, електроліти батарей, каталізатори, фотонні матеріали. Традиційні комп’ютери будуть дуже важко це моделювати, бо взаємодії між електронами надто складні. Квантовий комп’ютер природно підходить для симуляції квантових систем.

Тому в майбутньому він, імовірно, допоможе компаніям швидше знайти:

матеріали, надпровідні матеріали, більш ефективні матеріали батарей, матеріали для оптичних взаємоз’єднань, молекули ліків, каталізатори.

Quantinuum сам також ставить матеріалознавство, кібербезпеку та наступний покоління квантового AI як пріоритетні напрями.

2. Дослідження ліків і хімічне моделювання

Це теж дуже важливо. Структура молекул ліків, молекулярні енергетичні рівні, зв’язування білків, реакційні шляхи — по суті все це надзвичайно складне. Якщо квантові обчислення дозріють, вони можуть допомогти фармкомпаніям швидше відбирати молекули та зменшити витрати на експерименти.

Quantinuum і NVIDIA згадували про генеративний фреймворк квантового AI: GPU + квантові обчислення для генерації базового стану (groud state) хімічних систем у вигляді квантових схем, і в складному навчанні на даних для генерації молекул отримали 234-кратне прискорення; вони також провели демонстрацію з молекулою, пов’язаною з imipramine.

Але майте на увазі: це не означає, що “всі процеси розробки ліків прискоряться одразу в 234 рази”, а що для певного конкретного фреймворку/процесу є прискорення; не можна перебільшувати.

3. Квантове виправлення помилок, щоб квантові обчислення стали реально придатними

Це критично важливо. Раніше найбільша проблема квантових обчислень була в тому, що вони надто легко помилялися.

Helios від Quantinuum фокусується не лише на банальному нарощуванні qubit, а на русі в бік “логічних qubit” і “виправлення помилок”. Helios заявляє, що може досягти 50 логічних qubits із виявленням помилок (error-detected logical qubits), і реалізувати better-than-break-even performance; також згадують 48 fully error-corrected logical qubits, співвідношення кодування 2:1.

Це як перехід колись із того, щоб чип “можна було запустити в лабораторії” до стадії, де він “може стабільно обчислювати”. Без виправлення помилок квантові обчислення складно комерціалізувати; з виправленням — з’являється шанс перейти до справді придатної фази.

4. Поєднання з NVIDIA GPU: перетворення на “квант + AI суперкомп’ютер”

Ось це — найключовіше в співпраці Quantinuum і NVIDIA.

Квантовий комп’ютер обробляє квантові стани; GPU відповідає за обчислення в реальному часі, виправлення помилок і декодування, AI-моделі, класичну оптимізацію. Мета NVIDIA NVQLink — з’єднати суперкомп’ютерні GPU та квантові процесори так, щоб CPU, GPU та QPU працювали в одному змішаному (hybrid) системному середовищі.

Quantinuum також каже, що Helios поєднають із NVIDIA Grace Blackwell / NVQLink / CUDA-Q / Guppy, використовуючи GPU для виконання квантового виправлення помилок у реальному часі та декодування.

Тому це не про “квантовий комп’ютер знищить NVIDIA”, а радше так: квантовому комп’ютеру потрібні GPU від NVIDIA, щоб він став корисним. Саме тому співпраця з NVIDIA так важлива.

5. Фінанси, комбінаторна оптимізація, моделі ризику

У довгостроковій перспективі квантові обчислення можуть допомагати фінансовим установам робити:

комбінаторну оптимізацію, симуляції ризиків, ціноутворення складних деривативів, пошук шляхів, стрес-тестування екстремальних сценаріїв.

Але цей напрям зараз менш визначений, ніж матеріалознавство/хімія. Багато фінансових задач уже добре вирішуються за допомогою GPU, AI та традиційних алгоритмів оптимізації. Квантовим обчисленням потрібно довести, що вони справді суттєво кращі, для чого потрібні більші масштаби та більш стабільні логічні qubits.

Для ваших власних торгових продуктів я б не сказав, що зараз вони можуть безпосередньо допомогти “спрогнозувати зростання/падіння BTC/ETH”. Набагато реалістичніше, що в майбутньому це буде використано для:

підбору параметрів, моделей ризику, розподілу комбінованих портфелів, симуляції складних траєкторій, стрес-тестування екстремальних ринкових умов.

Але в короткостроковій перспективі ваш продукт як і раніше використовує Python + очищення даних + state machine + традиційні системи машинного навчання/правил — отже співвідношення ціни та якості буде вищим.

6. Кібербезпека та криптографія

Найвражаючіше в довгостроковій перспективі: якщо в майбутньому з’являться достатньо потужні квантові комп’ютери з корекцією помилок, теоретично вони зможуть атакувати багато сучасних систем публічної ключової криптографії, таких як RSA, ECC.

Але це не те, що Helios зможе зробити вже сьогодні. Йому потрібно дуже велика кількість, і дуже стабільні логічні qubits. Дорожня карта Quantinuum прагне до 2030 року реалізувати універсальні, повністю виправлені квантові обчислення; вони також говорять, що в майбутньому рухатимуться до сотень логічних qubits для наукових і комерційних задач.

Тому комерційна цінність цього напряму така: уряди, банки, хмарні провайдери, оборонні компанії та компанії з безпеки будуть звертати увагу на “післяквантову криптографію”.

Одна фраза підсумок

QNT / Quantinuum найбільш імовірно першими допоможуть людям реалізувати: нові матеріали, нові ліки, хімічне моделювання, квантове виправлення помилок, квант + GPU суперкомп’ютер, складну оптимізацію, а також майбутнє оновлення мережевої безпеки.

Але в короткостроковій перспективі це не “універсальний комп’ютер, який замінить GPU”, а скоріше спеціальний двигун у майбутніх суперкомп’ютерах. Імовірний шлях до реальних грошей — не продавати персональні комп’ютери, а продавати рішення фармкомпаніям, хімікам, компаніям з матеріалів, фінансовим установам, урядам, провайдерам хмарних обчислень та центрам AI суперкомп’ютерів. Щоб стався комерційний прорив, ключове питання: чи зможуть і далі збільшуватися логічні qubits, чи зможе далі знижуватися рівень помилок, і чи зможуть клієнти отримати результати, які традиційні суперкомп’ютери не здатні дати.