Quantum Computing Applications

IBM, Google, Microsoft, Amazon и стартапы суммарно привлекли $35 млрд венчурных инвестиций в квантовые вычисления к 2023 году. Goldman Sachs прогнозирует рынок квантовых вычислений в $450 млрд к 2035 году. Но где реальная польза прямо сейчас - и где маркетинг?

• **Google + UC Santa Barbara (2023)**: симуляция квантового хаоса на 70 кубитах - первый эксперимент где квантовый компьютер делает то, что классически невозможно за разумное время.
• **Moderna + IBM Quantum (2022)**: поиск оптимальных последовательностей mRNA через квантовую оптимизацию - применение в разработке вакцин следующего поколения.
• **Airbus Quantum Computing Challenge (2019-2023)**: серия задач для авиации - от оптимизации крыла до маршрутизации - с призами за квантовые решения лучше классических эвристик.

Квантовая химия и симуляция молекул

Точная симуляция молекул - задача, где квантовые компьютеры имеют принципиальное преимущество. Молекула FeMoco (активный центр нитрогеназы, фермент фиксации азота) требует ~54 кубита для точной симуляции. Классически это невозможно - экспоненциальный рост пространства состояний.

**VQE (Variational Quantum Eigensolver)** - гибридный алгоритм: квантовый процессор готовит пробное состояние |ψ(θ)>, измеряет его энергию `E(θ) = <ψ|H|ψ>`, классический оптимизатор обновляет θ минимизируя E(θ). Нет необходимости в полноценной коррекции ошибок - работает на NISQ.

Google в 2020 году реализовал VQE для Hartree-Fock расчёта H2 на 2 кубитах. Microsoft и Quantinuum (2023) симулировали активные центры катализаторов для поиска более эффективных удобрений. Промышленное производство аммиака через Haber-Bosch потребляет 2% мировой энергии - квантовая оптимизация катализаторов может кардинально изменить это.

Квантовая оптимизация: QAOA и Quantum Annealing

Комбинаторная оптимизация (TSP, MaxCut, portfolio optimization) - класс задач где квантовые алгоритмы могут дать преимущество. **QAOA (Quantum Approximate Optimization Algorithm)** - гибридный алгоритм для задач на графах, параметризованный γ,β.

**D-Wave Quantum Annealer** использует другой подход: задача кодируется в Ising-гамильтониан `H = Σ J_ij σi σj + Σ h_i σi`, система физически «остывает» в основное состояние = оптимальное решение. D-Wave 5000 (Advantage) имеет ~5000 кубитов, но специализированных - не универсальных.

D-Wave используют реальные компании: Volkswagen для оптимизации маршрутов в Лиссабоне (2019), Airbus для аэродинамической оптимизации крыла, USPS для маршрутизации грузовиков. Квантовое преимущество над классическими алгоритмами пока не доказано для этих задач, но исследования продолжаются.

Квантовые финансы

Финансовый сектор - один из первых реальных рынков для квантовых вычислений. Goldman Sachs, JPMorgan, Deutsche Bank активно инвестируют в квантовые алгоритмы для трёх задач: ценообразование деривативов (Monte Carlo), портфельная оптимизация, обнаружение мошенничества.

**Квантовое Monte Carlo**: стандартная оценка стоимости опциона требует O(1/ε^2) сэмплов для точности ε. Алгоритм Гровера + Quantum Amplitude Estimation снижают до O(1/ε). Для ε=0.01 это 100x ускорение. JPMorgan в 2020 году продемонстрировал proof-of-concept для European options.

HSBC и IBM запустили совместный проект quantum finance в 2023 году. Оценки JPMorgan: квантовое преимущество в pricing станет коммерчески значимым при ~1000 логических кубитах - ожидается после 2030 года. До этого классические алгоритмы быстрее.

Логистика и оптимизация маршрутов

Vehicle Routing Problem (VRP) - задача оптимизации маршрутов курьеров, грузовиков, дронов. NP-hard классически. DHL, UPS, Amazon доставляют миллионы посылок ежедневно - даже 1% улучшение маршрутов экономит миллионы долларов.

Quantum подход к VRP: закодировать задачу как QUBO (Quadratic Unconstrained Binary Optimization) и решить через QAOA или D-Wave. Volkswagen в 2019 году тестировал оптимизацию маршрутов 5 автобусов в Лиссабоне на D-Wave 2000Q. Результат: маршруты на 3-5% эффективнее классических эвристик для малого числа машин.

• **Airbus (2021)**: QAOA для оптимизации загрузки грузовых самолётов - proof-of-concept на 3-5 грузах.
• **BMW (2023)**: D-Wave для оптимизации производственного расписания на заводах - тест на 100 задачах.
• **Quantinuum + Honeywell**: маршрутизация в supply chain для Honeywell с trapped-ion квантовым компьютером.
• **Amazon AWS Braket**: cloud-доступ к D-Wave, IonQ, Rigetti - компании тестируют VRP без собственного железа.

Ключевые идеи

• **Квантовая химия (VQE)**: гибридный NISQ-алгоритм для симуляции молекул - реальное применение уже сегодня для малых молекул.
• **Оптимизация (QAOA, D-Wave)**: NP-hard задачи кодируются в QUBO/Ising и решаются вариационными методами; преимущество над классикой пока не доказано строго.
• **Финансы (QAE)**: O(1/ε) vs O(1/ε²) для Monte Carlo ценообразования; требует fault-tolerant QC с ~2000 кубитами.
• **Горизонт**: большинство применений - исследовательские. Коммерческое квантовое преимущество ожидается после 2030 года при достижении fault-tolerance.

Связанные темы

Применения квантовых вычислений опираются на фундаментальные алгоритмы:

• Квантовое преобразование Фурье (QFT) — QAE для финансов использует QPE (основанный на QFT) для квадратичного ускорения Monte Carlo
• Квантовая коррекция ошибок — Fault-tolerant QEC - необходимое условие для практических применений QAE и QPE в финансах и логистике

Вопросы для размышления

• VQE для молекул работает на NISQ, а QAE для финансов требует fault-tolerant QC. Почему химия ближе к практическому применению, чем финансы?
• D-Wave продаётся коммерчески с 2011 года, но строгого квантового преимущества для практических задач пока нет. Почему компании всё равно платят $15M за машину?
• Квантовая оптимизация маршрутов показала 3-5% улучшение в тестах Volkswagen. Это звучит мало - но оправдано ли инвестирование в квантовые технологии при таком результате?

Связанные уроки

• la-01-vectors-intro