Kunstmatige intelligentie is lange tijd een hoeksteen geweest van voorspellende modellen en ondersteunt professionals op gebieden variërend van meteorologie tot financiën. Naarmate de complexiteit van de gegevens echter toeneemt, stuiten traditionele op silicium gebaseerde computers op een wiskundig plafond. Een recente doorbraak door onderzoekers van University College London (UCL) suggereert dat de oplossing zou kunnen liggen in een hybride aanpak: het combineren van de verwerkingskracht van AI met de unieke mogelijkheden van quantum computing.
De hybride aanpak: twee werelden overbruggen
In een studie gepubliceerd in Science Advances demonstreerden onderzoekers een methode waarbij een klassieke supercomputer en een kwantumcomputer samenwerken. In plaats van te proberen een volledig proces op een kwantumapparaat uit te voeren – wat vanwege de huidige technologische beperkingen onpraktisch blijft – gebruikte het team een hybride workflow :
- Het AI-model: De AI is gehuisvest op een traditionele supercomputer en verzorgt het grootste deel van de gegevensverwerking en -beheer.
- De Quantum Boost: Wanneer de AI een berekening tegenkomt die te complex is voor standaard binaire logica, wordt die specifieke taak overgedragen aan een kwantumcomputer.
- Integratie: Zodra het kwantumapparaat de gespecialiseerde berekening heeft voltooid, geeft het de resultaten terug aan de AI om de voorspelling af te ronden.
Deze methode pakt een van de grootste hindernissen op dit gebied aan: kwantumruis. De huidige kwantumapparaten zijn ‘luidruchtig’ en foutgevoelig, waardoor ze moeilijk te gebruiken zijn voor lange, continue taken. Door ze alleen te gebruiken voor specifieke wiskundige stappen met hoge intensiteit, kunnen onderzoekers zelfs waarde halen uit relatief kleine en onbetrouwbare kwantumhardware.
De Quantum Edge begrijpen
Om te begrijpen waarom dit ertoe doet, moet men kijken naar het fundamentele verschil tussen klassieke en kwantumverwerking:
- Klassiek computergebruik: Gebruikt bits (0 of 1) om berekeningen stap voor stap opeenvolgend uit te voeren.
- Quantum Computing: Maakt gebruik van qubits, die gebruik maken van twee belangrijke principes:
- Superpositie: De mogelijkheid om zowel 0 als 1 tegelijkertijd weer te geven.
- Verstrengeling: De mogelijkheid om qubits te koppelen, zodat de toestand van de ene onmiddellijk de andere beïnvloedt.
Dankzij deze eigenschappen kunnen kwantumcomputers enorme wiskundige mogelijkheden in één keer verkennen, in plaats van één voor één. In de UCL-studie werd dit ‘kwantumvoordeel’ gebruikt om de beweging en interactie van gassen en vloeistoffen te voorspellen – een taak die rekenkundig uitputtend is voor traditionele machines.
Implicaties in de praktijk: van klimaat tot kanker
Het vermogen om vloeistofdynamica en moleculaire interacties te modelleren heeft enorme gevolgen voor verschillende cruciale industrieën:
- Klimaatwetenschap: Verbetering van de nauwkeurigheid van weerpatronen op de lange termijn en veranderingen in het milieu.
- Medicine & Drug Discovery: Modellering van de interactie van moleculen op subatomair niveau. We zien hier al de eerste tekenen van; Het Quantum Echoes -algoritme van Google heeft bijvoorbeeld tot doel moleculaire structuren in kaart te brengen, en onderzoekers van de Universiteit van Toronto hebben vergelijkbare hybride methoden gebruikt om voorheen ‘onherstelbare’ kankercellen aan te pakken.
- Stedenbouwkunde: Optimalisatie van complexe systemen zoals stadsbrede water- of gasdistributie.
De weg vooruit
Ondanks de opwinding blijven er nog steeds aanzienlijke uitdagingen bestaan. Kwantumcomputers zijn ongelooflijk delicaat, vereisen extreme temperaturen om te kunnen functioneren, en ze zijn zeer gevoelig voor omgevingsstoringen. Bovendien blijft het beheer van de enorme datasets die nodig zijn voor deze modellen een logistieke hindernis.
Het UCL-onderzoek bewijst echter dat we niet hoeven te wachten tot ‘perfecte’ kwantumcomputers voordelen beginnen te zien. Door de huidige ‘luidruchtige’ kwantumapparaten te integreren in bestaande AI-frameworks, betreden we een tijdperk waarin zelfs imperfecte technologie problemen kan oplossen die voorheen als onmogelijk werden beschouwd.
Conclusie
Door de stabiliteit van klassieke AI te combineren met de gespecialiseerde wiskundige kracht van quantum computing, ontsluiten onderzoekers de mogelijkheid om complexe fysieke systemen met ongekende snelheid en nauwkeurigheid te modelleren. Dit hybride model markeert een praktische stap in de richting van het oplossen van enkele van ‘s werelds moeilijkste wetenschappelijke uitdagingen.
