Khi nói về ứng dụng của máy tính lượng tử, nhiều người thường nghĩ đến mô phỏng phân tử, mật mã hoặc những phép tính mà máy tính thông thường gần như không thể thực hiện. Bên cạnh đó còn một hướng được nhắc đến thường xuyên là tối ưu hóa. Doanh nghiệp nào cũng có những quyết định cần tìm phương án tốt nhất trong rất nhiều khả năng: sắp xếp lịch sản xuất, phân bổ xe giao hàng, lựa chọn danh mục đầu tư, bố trí nhân sự hoặc điều phối năng lượng trong một hệ thống phức tạp.
Những bài toán như vậy không phải lúc nào cũng có một đáp án duy nhất đúng hoặc sai. Mục tiêu thường là tìm phương án có chi phí thấp hơn, thời gian ngắn hơn, mức sử dụng tài nguyên cao hơn hoặc ít rủi ro hơn. Khi số lượng biến tăng, không gian tìm kiếm có thể mở rộng rất nhanh. Đây là lý do tối ưu hóa lượng tử được kỳ vọng sẽ hỗ trợ một số bài toán khó. Tuy nhiên, kỳ vọng đó cần được nhìn nhận thận trọng: máy tính lượng tử chưa mặc nhiên tạo ra lời giải tốt hơn cho mọi bài toán, và việc đưa một bài toán kinh doanh lên phần cứng lượng tử là một quy trình phức tạp.
Tối ưu hóa lượng tử đang cố giải quyết điều gì?
Về bản chất, một bài toán tối ưu yêu cầu lựa chọn các giá trị cho một tập biến sao cho một hàm mục tiêu đạt mức tốt nhất, đồng thời thỏa mãn những ràng buộc nhất định. Hàm mục tiêu có thể đại diện cho chi phí vận chuyển, tổng thời gian hoàn thành, mức tiêu thụ điện hoặc lợi nhuận. Ràng buộc xác định những điều không được vi phạm, chẳng hạn một xe không thể giao hai đơn ở cùng một thời điểm, một nhân viên không thể làm việc tại hai địa điểm, hay ngân sách dành cho một dự án không được vượt quá giới hạn.
Trong nhiều trường hợp, người giải phải cân bằng giữa chất lượng lời giải và thời gian tính toán. Một phương pháp tìm kiếm tuyệt đối có thể kiểm tra tất cả khả năng, nhưng số khả năng ấy tăng quá nhanh khi bài toán lớn lên. Các thuật toán cổ điển vì thế thường dùng những chiến lược gần đúng, tìm kiếm cục bộ, quy hoạch nguyên, mô phỏng tôi luyện hoặc các kỹ thuật phân nhánh và cắt tỉa. Những phương pháp này đã phát triển trong nhiều thập kỷ và thường rất mạnh trong các môi trường thực tế.
Tối ưu hóa lượng tử không xóa bỏ bài toán mô hình hóa và cũng không biến mọi vấn đề thành một phép tính đơn giản. Ý tưởng chính là biểu diễn các khả năng bằng trạng thái lượng tử, sau đó thiết kế quá trình đo để tăng khả năng thu được những cấu hình có chất lượng tốt. Trong một số hướng tiếp cận, hệ thống lượng tử được chuẩn bị ở trạng thái kết hợp rồi biến đổi theo cấu trúc của hàm mục tiêu. Kết quả cuối cùng vẫn cần được đo, kiểm tra và đánh giá bằng các tiêu chí của bài toán ban đầu.
Ba hướng tiếp cận thường được nhắc đến
Ủ lượng tử
Ủ lượng tử là hướng tiếp cận gắn với các bài toán tối ưu tổ hợp. Người dùng mô tả bài toán dưới dạng một hàm năng lượng, trong đó cấu hình có chi phí thấp hơn tương ứng với trạng thái có năng lượng thấp hơn. Hệ thống được điều khiển để hướng tới những trạng thái như vậy. Cách tiếp cận này có thể phù hợp với các bài toán lựa chọn rời rạc, chẳng hạn chọn tổ hợp công việc, phân vùng mạng lưới hoặc phân bổ nguồn lực.
Dù vậy, cần phân biệt giữa một thiết bị chuyên dụng cho ủ lượng tử và máy tính lượng tử đa dụng. Chúng có kiến trúc, cơ chế vận hành và cách đánh giá khác nhau. Việc một thiết bị tạo ra lời giải cho một mô hình tối ưu không tự động chứng minh rằng nó vượt trội trong mọi tình huống. Kết quả phải được so sánh với những thuật toán cổ điển tốt nhất trên cùng dữ liệu, cùng ràng buộc và cùng giới hạn thời gian.
Thuật toán lượng tử biến phân
Thuật toán lượng tử biến phân là nhóm phương pháp lai giữa bộ xử lý lượng tử và máy tính cổ điển. Một mạch lượng tử với các tham số có thể điều chỉnh được tạo ra một trạng thái ứng viên. Hệ thống cổ điển nhận kết quả đo, tính giá trị của hàm mục tiêu rồi cập nhật các tham số. Quy trình này lặp lại cho đến khi đạt một tiêu chí dừng.
QAOA, hay thuật toán tối ưu xấp xỉ lượng tử, là một ví dụ tiêu biểu trong nhóm này. Bài toán được mã hóa thành một hàm chi phí và một cấu trúc mạch lượng tử. Bộ tối ưu cổ điển liên tục tìm cách điều chỉnh tham số để các lần đo có nhiều khả năng cho ra nghiệm tốt. Điểm hấp dẫn của cách làm này là nó không đòi hỏi toàn bộ quy trình phải chạy trên máy lượng tử. Tuy nhiên, số lần gọi phần cứng, nhiễu, độ sâu của mạch và sự khó khăn của quá trình tối ưu tham số đều có thể trở thành nút thắt.
Thuật toán cổ điển có tăng tốc lượng tử
Một số nghiên cứu không tập trung vào việc thay thế toàn bộ bộ giải cổ điển bằng máy lượng tử. Thay vào đó, máy lượng tử có thể đảm nhận một bước con trong quy trình lớn hơn, ví dụ tạo ra các ứng viên, đánh giá một cấu trúc hoặc hỗ trợ tìm kiếm trong một không gian nhất định. Mô hình này thực tế hơn về mặt triển khai vì phần lớn hệ thống vẫn dựa trên hạ tầng cổ điển quen thuộc.
Tuy nhiên, một bước con chỉ có ý nghĩa nếu thời gian truyền dữ liệu, chuyển đổi định dạng và gọi phần cứng lượng tử không lớn hơn lợi ích thu được. Nếu mỗi lần chạy cần nhiều thao tác chuẩn bị và đọc kết quả, ưu thế lý thuyết có thể bị triệt tiêu bởi chi phí vận hành. Vì vậy, đánh giá một thuật toán lai cần tính cả toàn bộ quy trình, không chỉ thời gian mạch lượng tử hoạt động.
Vì sao bài toán thực tế khó hơn ví dụ trong phòng thí nghiệm?
Trong ví dụ lý tưởng, dữ liệu được làm sạch, số biến vừa phải và các ràng buộc có cấu trúc phù hợp với mô hình lượng tử. Trong doanh nghiệp, dữ liệu thường không hoàn hảo. Đơn hàng có thể thay đổi, thời gian giao nhận có thể không chắc chắn, nguồn lực có thể bị gián đoạn và một quy định mới có thể làm thay đổi hàm mục tiêu. Việc chuyển những yếu tố đó thành mô hình toán học đã là một công việc đáng kể trước khi phần cứng lượng tử được sử dụng.
Khâu mã hóa cũng có thể tạo ra giới hạn. Một bài toán có nhiều biến không nhất thiết được biểu diễn hiệu quả trên số lượng qubit hiện có. Các biến liên tục thường phải được rời rạc hóa, còn những ràng buộc phức tạp có thể cần thêm biến phụ. Khi mô hình phình to, chi phí biểu diễn và số phép đo tăng lên. Một bài toán nhỏ nhưng phù hợp với cấu trúc lượng tử có thể hữu ích hơn một bài toán lớn được đưa lên phần cứng bằng cách gượng ép.
Chất lượng kết quả cũng không thể được đánh giá chỉ bằng một lần chạy. Đo lường lượng tử mang tính xác suất, nên cùng một mạch có thể cho ra nhiều cấu hình khác nhau. Doanh nghiệp cần biết phân phối kết quả, tỷ lệ nghiệm khả thi, mức vi phạm ràng buộc và chất lượng của nghiệm tốt nhất. Nếu phương án có chi phí thấp nhưng vi phạm một ràng buộc quan trọng, nó không thể được đưa vào vận hành chỉ vì đạt điểm số đẹp trên một hàm mục tiêu chưa hoàn chỉnh.
Đánh giá lợi ích bằng cách nào?
Tiêu chí đầu tiên là so sánh với đường cơ sở phù hợp. Đường cơ sở không nên là một thuật toán cổ điển đơn giản được chọn để làm đối thủ yếu. Cần sử dụng những công cụ hiện đang được doanh nghiệp hoặc cộng đồng chuyên môn xem là hiệu quả cho loại bài toán đó. So sánh cũng phải dùng cùng bộ dữ liệu, cùng mức chính xác, cùng giới hạn thời gian và cùng yêu cầu về tính khả thi.
Tiêu chí thứ hai là xem xét toàn bộ chi phí. Ngoài thời gian tính toán, cần tính thời gian chuẩn bị dữ liệu, chuyển mô hình, xếp hàng trên dịch vụ điện toán, chạy nhiều lần để lấy mẫu và hậu xử lý kết quả. Một lời giải tốt hơn một chút nhưng mất nhiều thời gian hoặc đòi hỏi hạ tầng đặc biệt chưa chắc tạo ra giá trị kinh doanh. Trong một số ngành, phương án đủ tốt được cập nhật liên tục có thể hữu ích hơn phương án tối ưu nhưng đến quá muộn.
Tiêu chí thứ ba là khả năng mở rộng. Một thử nghiệm thành công trên bài toán nhỏ chưa cho biết phương pháp sẽ hoạt động ra sao khi số điểm giao hàng, ca làm việc hoặc điều kiện thị trường tăng lên. Cần theo dõi chất lượng lời giải, số lần đo, độ ổn định và chi phí khi quy mô thay đổi. Đây là bước giúp phân biệt một minh chứng kỹ thuật với một giải pháp có thể triển khai.
Doanh nghiệp nên bắt đầu từ đâu?
Doanh nghiệp không nên bắt đầu bằng việc mua hoặc thuê một hệ thống lượng tử chỉ vì công nghệ đang được chú ý. Bước đầu hợp lý hơn là lập danh sách những bài toán tối ưu có giá trị kinh tế rõ ràng, dữ liệu tương đối ổn định và có thể đo lường kết quả. Một bài toán thí điểm nên có phạm vi đủ nhỏ để kiểm soát nhưng không quá đơn giản đến mức mọi phương pháp đều cho kết quả tương đương.
Tiếp theo, nhóm dự án cần xây dựng một mô hình cổ điển làm mốc. Mô hình này giúp xác định dữ liệu nào thực sự cần thiết, ràng buộc nào là bắt buộc và chất lượng hiện tại đang ở mức nào. Sau đó, nhóm có thể thử nhiều cách biểu diễn bài toán, kiểm tra khả năng ánh xạ lên phần cứng và đánh giá thuật toán lai trên những trường hợp đại diện.
Nhân sự cũng là yếu tố quan trọng. Một dự án tối ưu hóa lượng tử cần sự phối hợp giữa chuyên gia nghiệp vụ, kỹ sư dữ liệu, nhà nghiên cứu tối ưu và người hiểu về phần cứng lượng tử. Nếu chỉ có một nhóm phụ trách mà thiếu tiếng nói từ bộ phận vận hành, mô hình có thể đẹp về mặt toán học nhưng không phù hợp với quy trình thực tế.
Cuối cùng, kết quả thử nghiệm phải được đưa qua quy trình kiểm định giống các hệ thống hỗ trợ quyết định khác. Cần ghi lại nguồn dữ liệu, giả định mô hình, điều kiện chạy, cách xử lý kết quả và những trường hợp thất bại. Trong các bài toán ảnh hưởng đến tài chính, nhân sự hoặc dịch vụ thiết yếu, con người vẫn cần giữ quyền phê duyệt và có khả năng giải thích vì sao một phương án được đề xuất.
Triển vọng nằm ở sự kết hợp, không phải thay thế tức thời
Trong tương lai gần, hướng phát triển thực tế của tối ưu hóa lượng tử nhiều khả năng là sự kết hợp giữa các bộ giải. Máy tính cổ điển vẫn đảm nhận phần lớn công việc như chuẩn bị dữ liệu, xử lý ràng buộc, điều phối quy trình và hậu xử lý. Bộ xử lý lượng tử, nếu phù hợp, sẽ tham gia vào những phần mà nó có khả năng tạo ra lợi ích đo được.
Điều này không làm giảm ý nghĩa của nghiên cứu lượng tử. Ngược lại, nó đặt ra yêu cầu nghiêm khắc hơn về cách chứng minh giá trị. Một hệ thống chỉ đáng đầu tư khi giải quyết được bài toán cụ thể tốt hơn, nhanh hơn, tiết kiệm hơn hoặc tạo ra khả năng mà phương pháp hiện tại khó đạt được. Với doanh nghiệp, câu hỏi quan trọng không phải là có thể đưa bài toán lên máy tính lượng tử hay không, mà là sau toàn bộ quy trình, quyết định kinh doanh có được cải thiện hay không.
Tối ưu hóa lượng tử vì thế nên được xem như một lĩnh vực đang tìm kiếm trường hợp sử dụng phù hợp, thay vì một lời hứa chắc chắn cho mọi bài toán khó. Những tổ chức chuẩn bị sớm bằng cách nâng cao năng lực dữ liệu, xây dựng mô hình cổ điển tốt và học cách đánh giá công bằng sẽ có vị thế thuận lợi hơn khi phần cứng lượng tử tiến bộ. Giá trị thực tế sẽ đến từ sự giao thoa giữa thuật toán, dữ liệu, hạ tầng và hiểu biết sâu về hoạt động của từng ngành.
