Khi nhắc đến máy tính lượng tử, nhiều người thường hình dung một thiết bị có thể xử lý mọi loại công việc nhanh hơn máy tính thông thường. Cách hiểu này dễ tạo ra kỳ vọng quá mức. Máy tính lượng tử không phải phiên bản mạnh hơn theo nghĩa đơn giản của máy tính cá nhân hay máy chủ hiện nay. Nó là một mô hình tính toán khác, dựa trên các hiện tượng của cơ học lượng tử và chỉ có thể tạo ra lợi thế rõ ràng trong những bài toán phù hợp với cấu trúc của thuật toán lượng tử.
Vì vậy, câu hỏi quan trọng không phải là “máy tính lượng tử nhanh đến đâu”, mà là “thuật toán lượng tử biến đổi bài toán như thế nào”. Phần cứng cung cấp các qubit, cổng lượng tử và khả năng đo. Thuật toán quyết định cách sử dụng những thành phần đó để biến một bài toán đầu vào thành kết quả có thể kiểm tra. Hiểu mối quan hệ này giúp phân biệt giữa tiềm năng khoa học của điện toán lượng tử và những tuyên bố thương mại còn cần được chứng minh.
Thuật toán lượng tử khác gì chương trình thông thường?
Trong máy tính cổ điển, dữ liệu được biểu diễn chủ yếu bằng bit có giá trị 0 hoặc 1. Các phép toán logic tác động lên những bit này theo một chuỗi bước được xác định. Máy tính lượng tử sử dụng qubit. Một qubit có thể được chuẩn bị trong trạng thái kết hợp của 0 và 1, nhưng điều đó không có nghĩa là người dùng có thể đọc đồng thời vô hạn kết quả sau phép đo. Khi đo, hệ thống chỉ trả về một kết quả cụ thể theo xác suất do trạng thái lượng tử quy định.
Điểm quan trọng nằm ở việc điều khiển các biên độ xác suất trước khi đo. Thuật toán lượng tử được thiết kế để làm tăng khả năng xuất hiện những đáp án mong muốn và làm giảm khả năng xuất hiện những đáp án không mong muốn. Hiện tượng giao thoa lượng tử đóng vai trò trung tâm trong quá trình này. Nếu các nhánh tính toán được sắp xếp phù hợp, chúng có thể củng cố lẫn nhau ở vùng kết quả hữu ích và triệt tiêu một phần ở vùng kết quả không hữu ích.
Rối lượng tử cũng thường được nhắc đến khi mô tả hệ thống nhiều qubit. Đây là một dạng tương quan đặc biệt giữa các qubit, trong đó trạng thái của toàn hệ không thể luôn được mô tả như tổng đơn giản của từng qubit riêng lẻ. Tuy nhiên, chỉ nói rằng thuật toán sử dụng chồng chập hoặc rối lượng tử chưa đủ để chứng minh lợi thế. Lợi thế phải đến từ toàn bộ quy trình: chuẩn bị dữ liệu, thực hiện mạch lượng tử, đo kết quả và xử lý phần đầu ra bằng máy tính cổ điển.
Ba nhóm thuật toán thường được nhắc đến
Thuật toán mô phỏng hệ lượng tử
Một trong những hướng tự nhiên nhất của máy tính lượng tử là mô phỏng các hệ vốn đã tuân theo quy luật lượng tử. Khi mô tả một phân tử hoặc vật liệu bằng phương pháp cổ điển, số lượng trạng thái cần xét có thể tăng rất nhanh khi hệ trở nên phức tạp. Máy tính lượng tử được kỳ vọng có thể biểu diễn một số cấu trúc của hệ lượng tử trực tiếp hơn, từ đó hỗ trợ nghiên cứu hóa học lượng tử, vật liệu và các quá trình vi mô.
Điều này không có nghĩa là máy lượng tử sẽ ngay lập tức thay thế mọi phần mềm mô phỏng hiện có. Các phương pháp cổ điển vẫn rất quan trọng, đặc biệt với những hệ nhỏ hoặc những bài toán đã có kỹ thuật xấp xỉ hiệu quả. Máy lượng tử có thể phát huy vai trò như một công cụ bổ sung, nhất là khi cần khảo sát những trạng thái mà việc mô phỏng hoàn toàn bằng tài nguyên cổ điển trở nên khó khăn.
Thuật toán tìm kiếm
Một nhóm khác tập trung vào việc tìm một phần tử phù hợp trong không gian các khả năng. Trong mô hình tìm kiếm không có cấu trúc đặc biệt, thuật toán lượng tử có thể giảm số lần truy vấn cần thiết so với cách thử lần lượt thông thường. Đây là một dạng cải thiện về bậc tăng trưởng, không phải phép nhân tốc độ cố định cho mọi ứng dụng.
Để áp dụng ý tưởng này vào một sản phẩm thực tế, nhà phát triển vẫn phải xây dựng một cơ chế kiểm tra xem một ứng viên có thỏa điều kiện hay không. Nếu việc kiểm tra quá tốn kém, hoặc dữ liệu ban đầu phải chuyển vào hệ thống lượng tử bằng cách phức tạp, lợi ích lý thuyết có thể bị thu hẹp. Do đó, một thuật toán tìm kiếm tốt trên giấy chưa tự động trở thành giải pháp tốt cho cơ sở dữ liệu hay phần mềm doanh nghiệp.
Thuật toán cho đại số tuyến tính và xử lý dữ liệu
Nhiều lĩnh vực tính toán hiện đại dựa vào đại số tuyến tính, chẳng hạn bài toán hệ phương trình, phân tích cấu trúc dữ liệu hoặc các mô hình học máy. Một số thuật toán lượng tử được đề xuất để xử lý các nhiệm vụ liên quan đến ma trận trong những điều kiện nhất định. Tuy nhiên, các điều kiện này có thể rất chặt chẽ. Dữ liệu thường phải được mã hóa vào trạng thái lượng tử, kết quả đầu ra có thể chỉ được thu thập dưới dạng xác suất hoặc phép đo gián tiếp, và việc đọc toàn bộ một vectơ lớn thường không phải là thao tác miễn phí.
Đây là lý do cần thận trọng khi liên hệ thuật toán lượng tử với trí tuệ nhân tạo. Một mô hình học máy có thể chứa nhiều phép toán ma trận, nhưng không phải cứ có ma trận là máy lượng tử sẽ tạo ra lợi thế. Hiệu quả còn phụ thuộc vào loại dữ liệu, cách biểu diễn dữ liệu, độ chính xác cần thiết, số lần chạy mạch và chi phí kết hợp giữa bộ xử lý cổ điển với bộ xử lý lượng tử.
Tối ưu hóa: nhiều tiềm năng nhưng cũng nhiều điều kiện
Tối ưu hóa thường được xem là lĩnh vực hấp dẫn đối với điện toán lượng tử vì nhiều bài toán thực tế có số phương án tăng nhanh. Lập lịch, phân bổ nguồn lực, thiết kế mạng lưới và lựa chọn danh mục đều có thể được mô tả bằng các biến và hàm mục tiêu. Một số phương pháp lượng tử tìm cách mã hóa hàm mục tiêu vào năng lượng của hệ, sau đó hướng hệ về những trạng thái tương ứng với nghiệm tốt.
Vấn đề là phần lớn bài toán tối ưu hóa thực tế còn chứa nhiều ràng buộc, dữ liệu không chắc chắn và mục tiêu mâu thuẫn. Một nghiệm có giá trị về mặt toán học có thể không khả thi khi áp dụng vào lịch vận chuyển, quy trình sản xuất hoặc ngân sách cụ thể. Ngoài ra, các phương pháp lượng tử cho tối ưu hóa vẫn cần được so sánh công bằng với những thuật toán cổ điển đã phát triển qua nhiều thập kỷ. Trong không ít trường hợp, một phương pháp gần đúng trên máy tính thông thường có thể nhanh, ổn định và dễ triển khai hơn.
Vì vậy, câu hỏi phù hợp không phải là liệu lượng tử có “giải quyết tối ưu hóa” hay không. Cần xác định bài toán cụ thể, kích thước dữ liệu, tiêu chuẩn đánh giá và chi phí toàn hệ thống. Một thuật toán chỉ đáng chú ý khi nó tạo ra chất lượng nghiệm hoặc tốc độ xử lý đủ tốt để bù đắp chi phí vận hành phần cứng mới.
Vì sao lợi thế lượng tử khó chứng minh?
Để chứng minh một thuật toán lượng tử có ích, cần phân biệt ít nhất ba mức độ. Mức đầu tiên là lợi thế lý thuyết, tức thuật toán có tốc độ tăng trưởng tốt hơn trong một mô hình tính toán nhất định. Mức thứ hai là khả năng thực hiện trên phần cứng với số qubit, độ chính xác và thời gian chạy phù hợp. Mức thứ ba là lợi ích ứng dụng, nghĩa là toàn bộ quy trình tạo ra giá trị tốt hơn giải pháp cổ điển trong cùng điều kiện.
Khoảng cách giữa ba mức này có thể rất lớn. Mạch lượng tử dài dễ chịu ảnh hưởng của nhiễu. Việc khởi tạo trạng thái và đọc dữ liệu có thể làm phát sinh chi phí đáng kể. Kết quả đo thường cần lặp lại nhiều lần để ước lượng một đại lượng với độ tin cậy mong muốn. Trong khi đó, một máy tính cổ điển có thể đảm nhiệm tiền xử lý, điều khiển, hậu xử lý và thậm chí mô phỏng một phần mạch lượng tử. Nếu chỉ đo thời gian chạy của đoạn mạch lượng tử mà bỏ qua các bước còn lại, phép so sánh sẽ không phản ánh đầy đủ hiệu quả thực tế.
Benchmark, hay phép thử chuẩn, cũng cần được thiết kế cẩn thận. Một bài kiểm tra được tạo ra để phù hợp với một kiến trúc có thể cho kết quả ấn tượng nhưng không đại diện cho công việc của người dùng. So sánh đáng tin cậy cần công bố rõ dữ liệu, điều kiện phần cứng, tiêu chí chất lượng nghiệm và cả những phần việc được thực hiện bên ngoài bộ xử lý lượng tử.
Doanh nghiệp nên nhìn nhận thuật toán lượng tử ra sao?
Đối với doanh nghiệp, bước đầu tiên không phải là mua thiết bị lượng tử mà là phân loại các bài toán đang có. Những quy trình cần tối ưu nhiều phương án, mô phỏng vật liệu, hoặc xử lý các mô hình toán học đặc thù có thể đáng được nghiên cứu. Ngược lại, các tác vụ văn phòng, lưu trữ, truy vấn dữ liệu thông thường hay phần mềm quản trị phổ biến chưa có lý do rõ ràng để chuyển sang máy tính lượng tử.
Doanh nghiệp cũng nên xây dựng năng lực đánh giá thay vì chạy theo thuật ngữ. Một nhóm thử nghiệm có thể bắt đầu bằng việc mô tả bài toán, xác định dữ liệu đầu vào, đặt tiêu chí thành công và so sánh với phương pháp cổ điển tốt nhất mà tổ chức có thể tiếp cận. Cách làm này giúp tránh việc đánh đồng một bản trình diễn kỹ thuật với lợi ích kinh doanh.
Trong giai đoạn công nghệ còn phát triển, đào tạo nhân sự có thể có giá trị hơn việc đầu tư vội vào phần cứng. Kỹ sư cần hiểu cả lập trình lượng tử lẫn các phương pháp tối ưu cổ điển, bởi những hệ thống thực tế nhiều khả năng sẽ kết hợp hai loại máy. Năng lực đặt câu hỏi đúng, kiểm tra kết quả và nhận diện giới hạn của thuật toán sẽ quyết định chất lượng ứng dụng không kém bản thân thiết bị.
Triển vọng nằm ở sự kết hợp
Máy tính lượng tử sẽ không làm mọi phép tính trở nên nhanh hơn chỉ bằng cách thay thế bộ xử lý hiện tại. Giá trị của nó, nếu được chứng minh, sẽ đến từ những thuật toán tận dụng đúng đặc điểm của hệ lượng tử để giải một lớp bài toán cụ thể. Mô phỏng hệ lượng tử, tìm kiếm, đại số tuyến tính và tối ưu hóa đều mở ra hướng nghiên cứu, nhưng mỗi hướng đi kèm điều kiện, giới hạn và cách đánh giá riêng.
Nhìn nhận thận trọng không có nghĩa là phủ nhận tiềm năng của công nghệ. Ngược lại, sự thận trọng giúp xác định nơi máy tính lượng tử có thể đóng góp thực chất, thay vì biến mọi tuyên bố về tốc độ thành kỳ vọng chung chung. Khi phần cứng tiến bộ, thuật toán được hoàn thiện và phương pháp so sánh trở nên chặt chẽ hơn, câu trả lời về lợi ích thực tế sẽ dần rõ ràng. Trong lúc đó, hiểu bản chất của thuật toán vẫn là nền tảng tốt nhất để theo dõi lĩnh vực này một cách tỉnh táo.
