De quantumcomputer: hij bestaat nog niet, maar toch weten we steeds beter welke problemen hij op kan lossen
Hoe weten we waar een quantumcomputer goed voor is, terwijl die nog niet gebouwd is? Dat onderzocht promovendus Casper Gyurik door twee begrippen die je vaak hoort te combineren: quantum computing en machine learning.
‘Ik probeer machine learning-technieken te verbeteren met behulp van quantum’, vat Gyurik zijn onderzoek samen. Machine learning is een vorm van kunstmatige intelligentie waarbij een computer zelf leert. Op normale - klassieke - computers dus. Quantum computing is juist een baanbrekende nieuwe techniek om berekeningen uit te voeren met een quantumcomputer. Die maakt gebruik van de natuurkunde van de allerkleinste deeltjes. ‘Een nuttige versie daarvan bestaat nog niet, maar die kunnen we wel al wiskundig simuleren op een klassieke computer.’
'Het is superinspirerend dat we met zijn allen een gezamenlijk doel hebben.'
‘Er worden elk jaar flinke stappen gezet in het bouwen van betere quantumcomputers’, zegt Gyurik. ‘Iedereen is heel enthousiast, maar op de vraag wat we ermee gaan doen hebben we nog geen duidelijk antwoord.’
De quantumcomputer: hoe staat het ervoor?
Dat de quantumcomputer nog niet bestaat is niet helemaal correct. Er bestaat alleen nog geen núttige quantumcomputer. Meerdere tech-giganten doen mee aan de race om de eerste bruikbare quantumcomputer te bouwen. Zo gaat IBM aan kop met een quantumchip van meer dan 1000 qubits (rekeneenheden). Zo’n quantumcomputer zal veel voordelen opleveren, maar er zijn ook risico’s.
Klassiek versus quantum: wat is sneller?
‘Stel, je hebt een vraagstuk dat je wilt oplossen. Die data is niks meer dan nullen en enen op een computer. Ik kan dan met een klassiek algoritme antwoord op mijn vraag krijgen’, legt Gyurik uit. ‘Maar nu ga ik een quantumalgortime ontwerpen om te kijken of het een sneller of nauwkeurig antwoord oplevert. Daarvoor moet je de nullen en enen vertalen, in het quantumalgoritme stoppen en de conclusies weer terugvertalen naar nullen en enen. Een soort quantum-omweg. Dan kun je de uitkomsten vergelijken.’
Zo speurt de promovendus naar vraagstukken waarvoor de quantumroute sneller is. ‘Mijn favoriete voorbeeld is topologische data-analyse (TDA). Dat haalt de essentie uit grote datasets. Bijvoorbeeld een groep mensen met ieders leeftijd, afkomst, haarkleur, schoenmaat, enzovoort. TDA ziet de data als een wolk van punten met een bepaalde vorm. Voor bepaalde vormen vermoeden we nu heel sterk dat quantum sneller is.’
Van financiële crises tot het menselijke brein
Gyurik durft nog niet te zeggen wat de toepassingen zijn. Maar een idee heeft hij wel: ‘Met deze methode kun je tijdreeksen analyseren, bijvoorbeeld voor de financiële sector. TDA kan in die data crisissen aan zien komen. De datawolk verandert namelijk drastisch van vorm vlak voor een crisis.’ Een andere toepassing ligt in complexe netwerken. ‘Een van de interessantste mogelijkheden vind ik het brein’, vertelt hij. ‘Dat kun je omschrijven als een netwerk van regio’s die actief zijn bij verschillende bezigheden. Het zou zelfs kunnen dat we met TDA ooit Alzheimer beter kunnen begrijpen en er zijn signalen dat quantum daarbij kan helpen.’
‘Het is een fantastische tijd om hieraan te werken. Er komen steeds grotere, bruikbaardere quantumcomputers. Hopelijk krijgen we in de komende jaren antwoord op de vraag wat we ermee kunnen. Het is superinspirerend dat we met zijn allen een gezamenlijk doel hebben’, reflecteert Gyurik op zijn promotieonderzoek. ‘Ik weet nog niet wat ik hierna ga doen, maar ik blijf werkzaam in quantum. Dat is zeker.’