Technologijos

Kvantiniai lustai: proveržis DI skaičiavimuose ir lenktynės dėl galios

Kaip kvantiniai lustai gali iš esmės pakeisti dirbtinio intelekto skaičiavimus: nuo milžiniškų energijos sąnaudų mažinimo iki naujos DI kokybės šuolio.
2026 15 liepos

Kvantiniai lustai: proveržis DI skaičiavimuose ir lenktynės dėl galios

Dirbtinis intelektas (DI) 2024–2025 m. tapo milžinišku skaičiavimo monstrų rijiku: dideli kalbos modeliai, generatyvus DI, vaizdo ir balso sintezė ryja vis daugiau elektros ir reikalauja vis galingesnių lustų. Tradiciniai GPU jau balansuoja ties fizinių ir ekonominių ribų riba. Čia į sceną žengia kvantiniai lustai – nauja karta procesorių, galinčių iš esmės pakeisti DI skaičiavimo logiką.

Kas yra kvantinis lustas paprastais žodžiais?

Kvantinis lustas – tai kvantinis procesorius, kuriame informacija apdorojama ne klasikiniais bitais (0 arba 1), o kubitais, galinčiais būti 0 ir 1 būsenoje vienu metu (superpozicija) ir susietais tarpusavyje (susipynimas).

Pagrindiniai skirtumai nuo įprastų lustų:

  • Bitai vs kubitai – klasikinis bitas turi vieną būseną, kubitas gali turėti daug būsenų vienu metu.
  • Lygiagretumas – kvantinė sistema gali išbandyti daugybę kombinacijų per vieną operaciją.
  • Kitokia matematika – vietoje paprastos aritmetikos naudojama kvantinė algebra ir tikimybinės amplitudės.

Rezultatas: tam tikroms užduotims kvantinis procesorius teoriškai gali būti eksponentiškai greitesnis už bet kokį klasikinį kompiuterį. DI yra viena iš sričių, kuri gali labiausiai iš to pasipelnyti.

Kodėl DI skaičiavimams reikia kvantinių lustų?

Šiuolaikiniai DI modeliai, tokie kaip GPT tipo kalbos modeliai ar vaizdo generavimo sistemos, reikalauja:

  • milijardų ar net trilijonų parametrų;
  • milijonų GPU valandų mokymui;
  • milžiniškų elektros sąnaudų ir aušinimo sistemų.

Vystantis DI, atsiranda trys pagrindinės problemos:

  1. Energijos sąnaudos – duomenų centrai tampa vienais didžiausių elektros vartotojų.
  2. Fizinės ribos – tranzistoriai jau artėja prie nanometrinių ribų, tolesnis mažinimas tampa vis sunkesnis ir brangesnis.
  3. Laikas – didelių modelių mokymas trunka savaites ar mėnesius net ir su dešimtimis tūkstančių GPU.

Kvantiniai lustai žada:

  • greitesnį optimizavimą – sudėtingų funkcijų minimumų paiešką;
  • efektyvesnį kombinatorinių užduočių sprendimą – maršrutų, paskirstymo, grafų problemas;
  • naujus modelių tipus – kvantinius neuroninius tinklus ir hibridinius DI-quantum algoritmus.

Kaip kvantiniai lustai pagreitina DI skaičiavimus?

1. Kvantinis greitintuvas šalia GPU

Artimiausioje perspektyvoje kvantinis lustas veiks ne kaip visiškas GPU pakaitalas, o kaip greitintuvas šalia klasikinės architektūros:

  • GPU/CPU atlieka daugumą standartinių matricinių operacijų;
  • kvantinis lustas perima sudėtingas optimizavimo ir paieškos užduotis;
  • duomenys keliauja pirmyn-atgal per specialius sąsajos sluoksnius.

Toks hibridinis modelis jau testuojamas keliuose didžiuosiuose debesijos tiekėjuose, kurie jungia kvantinius procesorius per debesų API prie esamų DI infrastruktūrų.

2. Kvantiniai algoritmai mašininio mokymosi užduotims

Yra kuriami specialūs kvantiniai mašininio mokymosi algoritmai:

  • QAOA (Quantum Approximate Optimization Algorithm) – sudėtingoms optimizavimo problemoms, kurias DI dažnai sprendžia mokymo metu.
  • VQE (Variational Quantum Eigensolver) – energijos minimumų paieškai, pritaikomas modelių parametrų derinimui.
  • QNN (Quantum Neural Networks) – kvantiniai neuroniniai tinklai, kuriuose svoriai ir būsenos koduojamos kubituose.

Šie metodai dar yra ankstyvoje stadijoje, bet pirmi eksperimentai rodo, kad tam tikrose nišinėse užduotyse jie jau gali lenkti klasikinius metodus.

3. Kvantinis pranašumas specializuotose DI užduotyse

Ne visoms DI užduotims kvantinis lustas bus naudingas. Tačiau yra keletas sričių, kuriose tikimasi tikro kvantinio pranašumo:

  • Didelių grafų analizė – socialinių tinklų, logistikos, rekomendacijų sistemos.
  • Sudėtingas planavimas – tiekimo grandinės, transportas, elektros tinklų valdymas.
  • Vaistų ir medžiagų atradimas – DI modeliai, derinami su kvantine chemija.

Būtent šiose nišose kvantiniai lustai gali ne tik pagreitinti skaičiavimus, bet ir atverti naujus, iki šiol neprieinamus modelių tipus.

Pagrindinės technologijos už kvantinių lustų

Šiandien eksperimentuojama su keliomis kvantinių procesorių architektūromis:

Superlaidūs kubitai

Populiariausia kryptis, kurią vysto tokios kompanijos kaip IBM, Google ir dar keli rinkos žaidėjai. Pagrindinės savybės:

  • veikia itin žemoje temperatūroje (arti absoliutaus nulio);
  • naudojami superlaidūs žiedai ir Josephsono sandūros;
  • šiuo metu pasiekiami dešimčių–šimtų kubitų mastai.

Spąstuose laikomi jonai ir atomai

Kita kryptis – jonų ir atomų spąstai lazerių laukeliuose:

  • labai aukštas kubitų tikslumas (mažesnės klaidos);
  • geras kubitų sujungiamumas tarpusavyje;
  • kol kas sudėtingesnė integracija į kompaktiškus lustus.

Fotoniški kvantiniai lustai

Fotoniški kvantiniai procesoriai naudoja šviesos daleles:

  • potencialiai gali veikti kambario temperatūroje;
  • gerai dera su esama optine ryšio infrastruktūra;
  • aktyviai tyrinėjami DI ir ryšių srityse.

Kvantiniai lustai ir dabartiniai DI GPU: konkurentai ar partneriai?

Trumpuoju laikotarpiu kvantiniai ir klasikiniai lustai bus partneriai, o ne konkurentai. GPU vis dar nepralenkiami:

  • matricinėms operacijoms;
  • konvoliuciniams tinklams;
  • transformerių sluoksniams.

Kvantiniai procesoriai bus naudojami kaip specializuoti koprocesoriai, panašiai kaip šiandien naudojami:

  • TPU (Tensor Processing Unit) DI užduotims;
  • ASIC lustai kriptovaliutų kasybai;
  • FPGA tam tikroms nišinėms skaičiavimo sritims.

Ilgalaikėje perspektyvoje, jei bus išspręstos klaidų taisymo, mastelio ir stabilumo problemos, kvantiniai lustai gali perimti vis didesnę dalį sudėtingų DI skaičiavimų.

Didžiųjų technologijų lenktynės dėl kvantinių DI lustų

2024–2025 m. technologijų milžinai akivaizdžiai perorientuoja strategijas į kvantinį–DI derinį:

  • Debesijos tiekėjai integruoja kvantinius procesorius į DI platformas per API.
  • Lustų gamintojai investuoja į kvantinių ir klasikinių architektūrų hibridus.
  • Startuoliai kuria specializuotus kvantinius algoritmus mašininio mokymosi užduotims.

Strateginis tikslas aiškus: kas pirmas pasiūlys praktiškai veikiančią kvantinio DI infrastruktūrą, tas įgis milžinišką konkurencinį pranašumą debesijos ir DI paslaugų rinkoje.

Pagrindiniai iššūkiai: kas dar stabdo kvantinius DI lustus?

Nors antraštės žada revoliuciją, realybėje dar laukia daug techninių kliūčių:

Kubitų klaidos ir dekoherencija

Kubitai yra itin jautrūs aplinkos triukšmui:

  • būsenos greitai suyra (dekoherencija);
  • reikia sudėtingų klaidų taisymo schemų;
  • realiai panaudojamų kubitų skaičius mažesnis už fizinių kubitų skaičių.

Mastelio problema

Pereiti nuo dešimčių ar šimtų kubitų prie tūkstančių ir milijonų – didžiulis inžinerinis iššūkis:

  • aušinimas ir energijos tiekimas;
  • valdymo elektronika ir signalo kokybė;
  • gamybos pakartojamumas ir patikimumas.

Programavimo ekosistema

Kvantinių kompiuterių programavimas šiuo metu primena ankstyvąsias asmeninių kompiuterių dienas:

  • trūksta standartų ir brandžių bibliotekų;
  • reikia naujo mąstymo apie algoritmų dizainą;
  • DI specialistai dar tik mokosi kvantinio skaičiavimo pagrindų.

Praktiniai scenarijai: kur kvantiniai DI lustai gali atsipirkti pirmiausia?

Net ir dabartinėje ankstyvoje stadijoje yra keli praktiniai scenarijai, kur kvantiniai lustai gali duoti realią naudą DI:

Išmani logistika ir tiekimo grandinės

DI modeliai šiandien jau optimizuoja maršrutus, sandėlių atsargas, transporto srautus. Kvantiniai algoritmai gali:

  • greičiau rasti geresnius maršrutų derinius;
  • mažinti degalų sąnaudas ir pristatymo laiką;
  • geriau reaguoti į netikėtus trikdžius.

Finansų rinkų modeliavimas

DI naudojamas rizikos vertinimui, portfelių optimizavimui, scenarijų analizei. Kvantiniai lustai gali pagreitinti:

  • Monte Karlo simuliacijas;
  • portfelių optimizavimo užduotis;
  • kompleksinių priklausomybių modeliavimą.

Vaistų ir naujų medžiagų atradimas

Čia susitinka kvantinė chemija ir DI:

  • DI generuoja galimas molekulių struktūras;
  • kvantinis lustas tiksliai modeliuoja jų kvantines savybes;
  • procesas tampa greitesnis ir tikslesnis nei vien DI ar vien kvantinės chemijos metodais.

Ką tai reiškia Lietuvai ir Baltijos regionui?

Lietuva ir kaimyninės šalys jau aktyviai vysto DI ekosistemą, startuolius ir duomenų centrus. Kvantiniai lustai čia atveria kelias kryptis:

  • Moksliniai tyrimai – universitetai gali jungtis prie tarptautinių kvantinio DI projektų.
  • Nišiniai sprendimai – logistikos, fintech, gamybos DI sprendimai, išnaudojant kvantinių debesų paslaugas.
  • Talentų rengimas – kvantinio skaičiavimo ir DI jungtinių programų kūrimas.

Nors gaminti savo kvantinius lustus regione dar per anksti, naudotis kvantine debesų infrastruktūra ir kurti algoritmus ant jos – visiškai realu jau dabar.

Ateities scenarijus: kaip atrodys kvantinis DI po 10 metų?

Jeigu dabartinės tendencijos išsilaikys, po dešimtmečio galime pamatyti:

  • Hibridinius duomenų centrus, kuriuose šalia GPU rack’ų veikia kvantiniai moduliai.
  • Specializuotus kvantinius DI servisus – optimizavimui, planavimui, simuliacijoms.
  • Naujus DI modelių tipus, kurių visiškai neįmanoma efektyviai paleisti ant klasikinių lustų.

Tačiau svarbu suvokti: kvantinis lustas nėra stebuklingas „turbo mygtukas“ visoms DI problemoms. Tai naujas, galingas, bet sudėtingas įrankis, kurį dar reikia išmokti naudoti.

Išvada: kvantiniai lustai – ne hype, o ilgalaikė strategija

Kvantiniai lustai DI skaičiavimuose – tai ne vienadienė mada, o ilgalaikė technologinė kryptis. Nors šiandien dar esame eksperimentų ir pilotinių projektų fazėje, kryptis aiški:

  • DI modeliai toliau augs ir sudėtingės;
  • tradicinių GPU ir CPU galimybės artės prie ribų;
  • kvantiniai procesoriai palaipsniui taps įprasta didelio našumo skaičiavimo ekosistemos dalimi.

Verslams ir kūrėjams verta jau dabar:

  • sekti kvantinio DI platformų vystymąsi;
  • eksperimentuoti su kvantinių debesų paslaugomis;
  • investuoti į talentus, suprantančius ir DI, ir kvantinį skaičiavimą.

    • DUK apie kvantinius lustus DI skaičiavimuose

    Ar kvantiniai lustai artimiausiu metu pakeis GPU treniruojant DI modelius?

    Artimiausiais metais – ne. Kvantiniai lustai veiks kaip papildomi greitintuvai šalia GPU, skirti specifinėms optimizavimo ir paieškos užduotims. Pagrindinis DI modelių treniravimas dar ilgai išliks GPU ir specializuotų DI lustų rankose.

    Ar kvantinis DI bus prieinamas per debesų paslaugas?

    Taip, būtent toks ir yra pagrindinis scenarijus. Vartotojai greičiausiai nenaudos fizinių kvantinių kompiuterių vietoje – jie pasieks kvantinius procesorius per debesų API, kaip šiandien naudojami GPU ar DI modelių API.

    Ką turėčiau mokytis, jei noriu dirbti su kvantiniais DI lustais?

    Rekomenduojama derinti tris sritis: mašininį mokymąsi (DI pagrindai, neuroniniai tinklai), kvantinį skaičiavimą (kubitai, vartai, pagrindiniai algoritmai) ir programavimą (Python, kvantinių SDK, tokių kaip Qiskit ar panašūs, naudojimas). Toks profilis bus itin paklausus artimiausią dešimtmetį.