VTT:n tutkijat avaavat kvanttitekoälyn pullonkauloja – tiedonsiirto ja laitteistot vaativat läpimurtoja
Suomalaistutkijat ovat tunnistaneet pullonkaulat, jotka estävät kvanttitietokoneita mullistamasta tekoälyä. Panokset ovat kovat, sillä optimistisimpien arvioiden mukaan teknologia voisi tuottaa 2 biljoonaa dollaria vuoteen 2035 mennessä.
Teksti: Martti Asikainen, 1.10.2025 | Kuva: Adobe Stock Photos
Kvanttilaskennan ja tekoälyn liitto lupaa läpimurtoja materiaalitieteen ja monimutkaisten simulaatioiden alueella, mutta VTT:n mukaan tie sinne on täynnä teknisiä esteitä. VTT:n tutkijat kertovat tunnistaneensa keskeiset alueet, joiden läpimurrot voisivat vapauttaa kvanttitekoälyn täyden potentiaalin.
IEEE Nanotechnology -lehdessä taannoin julkaistussa vertaisarvioidussa tutkimuksessa VTT:n tutkijat Pekka Pursula, Ahmad Farooq, Anssi Laukkanen ja Piia Konstari analysoivat, miten kvanttitietokoneet voisivat mullistaa tekoälysovellukset. Tulokset paljastavat tekoälyn ja kvanttilaskennan symbioottisen suhteen, joka vain paranee entisestään teknologioiden kypsyessä.
Tekoälyn nopeaa kehitystä ohjaa tällä hetkellä yritysvetoinen agenda valtavine investointeineen. Kvanttilaskenta sen sijaan etenee vaatimattomammassa mittakaavassa, vaikka erikoistuneet piirit osoittavatkin sille suurta innostusta. Taloudellisten panoksien uskotaan kuitenkin olevan merkittävät. Esimerkiksi McKinsey & Company arvioi, että kvanttilaskenta voisi tuottaa jopa 2 biljoonan dollaria vuoteen 2035 mennessä.
Hybridit ratkaisevat – jos tiedonsiirto pelaa
Tutkijoiden mukaan pelkät kvanttitietokoneet eivät riitä vastaamaan tekoälyn tuleviin laskentavaatimuksiin. Ratkaisu on hybridijärjestelmissä, jotka yhdistävät kvanttiprosessorit klassiseen supertietokonelaskentaan. Tällaisen kokoonpanon kerrotaan olevan välttämätön sekä nyt että lähitulevaisuudessa.
Mutta mikä sitten on kaikista suurin haaste? Tutkijoiden mukaan se on tiedonsiirto kvanttitietokoneiden ja supertietokoneiden välillä. Tämän pullonkaulan murtaminen on avainasemassa, jotta hybridilaskenta voi skaalautua tekoälyn vaatimuksiin.
– Tarvitsemme uusia laitteistoratkaisuja tehokkaampaan kvanttitekoälyyn, erityisesti kun kvanttitietokoneita skaalataan suurempiin kubittimääriin, tutkijat korostavat.
Ongelma on hyvin konkreettinen. Nykyiset tiedonsiirtonopeudet kvantti- ja klassisten järjestelmien välillä ovat suuruusluokkia liian hitaita reaaliaikaisille tekoälysovelluksille.
Vaikka kvanttiprosessorit voivat suorittaa tiettyjä algoritmeja eksponentiaalisesti nopeammin kuin klassiset tietokoneet, hyödyt menetetään, jos järjestelmä kuluttaa suurimman osan ajastaan datan siirrossa edestakaisin.
Kubitit ovat herkkiä häiriöille
Artikkelissa kuvataan kvanttitietokoneiden keskeisiä haasteita. Laskentayksiköinä toimivat kubitit ovat erittäin alttiita häiriöille, mikä heikentää laitteiston luotettavuutta ja vaatii runsaasti virheenkorjausta. Myös kvanttitietokoneen sisäinen johdotus, jäähdytys ja ohjausjärjestelmät kaipaavat läpimurtoja.
Kvanttilaskenta tuo kuitenkin arvokkaita etuja monilla tekoälyn sovellusalueilla. Tutkijat nostavat esiin erityisesti simuloinnin, optimointiongelmat, kvanttikoneoppimisen ja uudet kvantti-ilmiöitä hyödyntävät tekoälymallit.
Kvanttitekoäly voisi myös nopeuttaa löytöjä kemian, lääketieteen ja materiaalitieteen simuloinneissa ylittämällä nykyiset laskennalliset rajat. Lisäksi se voisi myös ratkaista monimutkaisia optimointiongelmia niin logistiikassa, toimitusketjuissa kuin rahoituksessakin.
Laitteistokehityksessä tutkijat keskittyvät erityisesti suprajohtaviin kvanttitietokoneisiin, jotka ovat sattumalta myös Suomen vahvuusalueita. Markkinoilla olevista tekniikoista niitä pidetään kypsimpänä. Äärimmäiseen kylmyyteen perustuvat suprajohtavat kvanttikoneet osoittivat jo vuonna 2019 niin sanotun kvanttiylivoiman, kun ne onnistuivat päihittämään modernit supertietokoneet tietyissä tehtävissä.
Ohjelmistot ja laitteistot kehitettävä yhdessä
Tehokas kvanttitekoäly vaatisi kvanttitietokoneen ohjelmistojen optimointia ja laskentataakan parempaa jakamista superteholaskennan ja kvanttijärjestelmän kesken. Kvantti- ja supertietokoneen menetelmiä yhdistävät hybridialgoritmit on integroitava tiiviimmin perinteisiin suurteholaskennan resursseihin.
Ongelman ratkaisuksi tutkijat suosittelevat suprajohtaviin komponentteihin perustuvia laiteratkaisuja, kuten kubittien optista ohjausta, kryogeenista ohjauselektroniikkaa ja kiinteän olomuodon jäähdytystä.
Laitteistojen laskennallisten etujen hyödyntäminen vaatii ohjelmisto- ja laiteratkaisujen yhteisoptimointia. Siksi kehitystyö on tarpeen kubittiteknologian lisäksi myös muissa laitteistokomponenteissa, ohjelmistoarkkitehtuurissa ja hybridilaskentajärjestelmissä.
Finnish AI Region
2022-2025.
Media contacts