Apesar do ritmo implacável de progresso no último meio século, ainda existem muitos problemas que os computadores de hoje não podem resolver. Alguns simplesmente aguardam a próxima geração de semicondutores arredondando a curva na linha de montagem. Outros provavelmente permanecerão além do alcance dos computadores clássicos para sempre. É a perspectiva de finalmente encontrar uma solução para esses problemas "classicamente intratáveis" que possuem CIOs, CTOs, chefes de P&D, gerentes de fundos de hedge e outros agitados no Amanhecer da era da computação quântica .
O entusiasmo deles não é extraviado. Nas próximas décadas, esperamos ganhos de produtividade pelos usuários finais da computação quântica, na forma de economia de custos e oportunidades de receita, superem US $ 450 bilhões anualmente. Os ganhos acumularão primeiro a empresas de indústrias com requisitos complexos de simulação e otimização. Será uma construção lenta para os próximos anos: prevemos o valor para os usuários finais nesses setores atingirem um valor relativamente modesto de US $ 2 bilhões a US $ 5 bilhões até 2024. Mas o valor aumentará rapidamente à medida que a tecnologia e sua viabilidade comercial amadurecem. Quando o fizerem, a oportunidade não será distribuída uniformemente - longe dela. Como a computação quântica é uma tecnologia de mudança de passo, com barreiras substanciais à adoção, os primeiros motores apreenderão uma grande parte do valor total, à medida que os retardatários lutam com integração, talento e IP. valor, a provável progressão e quais etapas os executivos devem tomar agora para colocar suas empresas na melhor posição para capturar esse valor.
Based on interviews and workshops involving more than 100 experts, a review of some 150 peer-reviewed publications, and analysis of more than 35 potential use cases, this report assesses how and where quantum computing will create business value, the likely progression, and what steps executives should take now to put their firms in the best position to capture that value.
Quem se beneficia? A resposta simples é que essa é uma tecnologia radical que apresenta desafios formidáveis de aceleração, mesmo para empresas com recursos avançados de supercomputação. A programação quântica e a pilha de tecnologia quântica têm pouca semelhança com seus colegas clássicos (embora as duas tecnologias possam aprender a trabalhar juntas de perto). Os primeiros adotantes têm experiência, visibilidade em conhecimento e lacunas tecnológicas e até propriedade intelectual que os colocará em uma vantagem estrutural como a computação quântica ganha tração comercial.
If quantum computing’s transformative value is at least five to ten years away, why should enterprises consider investing now? The simple answer is that this is a radical technology that presents formidable ramp-up challenges, even for companies with advanced supercomputing capabilities. Both quantum programming and the quantum tech stack bear little resemblance to their classical counterparts (although the two technologies might learn to work together quite closely). Early adopters stand to gain expertise, visibility into knowledge and technological gaps, and even intellectual property that will put them at a structural advantage as quantum computing gains commercial traction.
Quantum computing is a candidate for a precipitous breakthrough that may come at any time.
Mais importante, muitos especialistas acreditam que o progresso em direção à maturidade na computação quântica não seguirá uma curva suave e contínua. Em vez disso, a computação quântica é candidata a um avanço precipitado que pode ocorrer a qualquer momento. As empresas que investiram para integrar a computação quântica no fluxo de trabalho têm muito mais probabilidade de estar em posição de capitalizar - e os leads que eles abrem serão difíceis de fechar para os outros. Isso conferirá vantagens substanciais nas indústrias nas quais problemas computacionais classicamente intratáveis levam a gargalos e oportunidades de receita perdidas.
We have explored previously the likely Desenvolvimento da computação quântica Nos próximos dez anos, bem como O próximo salto quântico na computação . (Você também pode fazer nosso teste para Teste seu próprio QI quântico .) A avaliação do valor comercial futuro começa com a questão de que tipos de problemas os computadores quânticos podem resolver com mais eficiência do que as máquinas binárias. Está longe de ser uma resposta simples, mas dois indicadores são o tamanho e a complexidade dos cálculos que precisam ser feitos. Para os cientistas que tentam projetar um composto que se prendam e modifiquem uma via da doença alvo, o primeiro passo crítico é determinar a estrutura eletrônica da molécula. Mas modelar a estrutura de uma molécula de um medicamento diário, como a penicilina, que possui 41 átomos no estado fundamental, requer um computador clássico com cerca de 10
Take drug discovery, for example. For scientists trying to design a compound that will attach itself to, and modify, a target disease pathway, the critical first step is to determine the electronic structure of the molecule. But modeling the structure of a molecule of an everyday drug such as penicillin, which has 41 atoms at ground state, requires a classical computer with some 10 86 bits - mais transistores do que os átomos no universo observável. Essa máquina é uma impossibilidade física. Mas para computadores quânticos, esse tipo de simulação está bem dentro do campo da possibilidade, exigindo um processador com 286 bits quânticos ou qubits. (Consulte Anexo 1.) Esses quatro tipos de problemas cobrem uma grande paisagem de aplicação em um número crescente de indústrias, que exploraremos abaixo. Mas quando? Como essa mudança do mar vai acontecer? Como será o impacto desde o início e quanto tempo levará para que os computadores quânticos estejam cumprindo toda a promessa de vantagem quântica? Vemos aplicativos (e renda de negócios) desenvolvendo mais de três fases. (Consulte Anexo 2.)
This radical advantage in information density is why many experts believe that quantum computers will one day demonstrate superiority, or quantum advantage, over classical computers in solving four types of computational problems that typically impede efforts to address numerous business and scientific challenges. (See Exhibit 1.) These four problem types cover a large application landscape in a growing number of industries, which we will explore below.
Three Phases of Progress
Quantum computing is coming. But when? How will this sea change play out? What will the impact look like early on, and how long will it take before quantum computers are delivering on the full promise of quantum advantage? We see applications (and business income) developing over three phases. (See Exhibit 2.)
The NISQ Era
The next three to five years are expected to be characterized by so-called NISQ (Noisy Intermediate-Scale Quantum) devices, which are increasingly capable of performing useful, discrete functions but are characterized by high error rates that limit functionality. One area in which digital computers will retain advantage for some time is accuracy: they experience fewer than one error in 1024 operations at the bit level, while today’s qubits destabilize much too quickly for the kinds of calculations necessary for quantum-advantaged molecular simulation or portfolio optimization. Experts believe that error correction will remain quantum computing’s biggest challenge for the better part of a decade.
That said, research underway at multiple major companies and startups, among them IBM, Google, and Rigetti , levou a uma série de avanços tecnológicos nas técnicas de mitigação de erros para maximizar a utilidade dos dispositivos da era NISQ. Esses esforços aumentam as chances de que o quase médio prazo verá o desenvolvimento de computadores quânticos de tamanho médio, se ainda propensos a erros, que podem ser usados para produzir as primeiras descobertas experimentais com vantagem quântica em simulação e combinatória de otimização. significado industrial genuíno. Isso fornecerá melhorias de mudança de passo em relação à velocidade, custo ou qualidade de uma máquina binária. Mas isso exigirá superar obstáculos técnicos significativos na correção de erros e em outras áreas, além de continuar aumentos no poder e na confiabilidade dos processadores quânticos.
Broad Quantum Advantage
In 10 to 20 years, the period that will witness broad quantum advantage, quantum computers are expected to achieve superior performance in tasks of genuine industrial significance. This will provide step-change improvements over the speed, cost, or quality of a binary machine. But it will require overcoming significant technical hurdles in error correction and other areas, as well as continuing increases in the power and reliability of quantum processors.
In 10 to 20 years, quantum computers are expected to achieve superior performance in tasks of genuine industrial significance.
vantagem quântica tem grandes implicações. Considere o caso de produtos químicos em P&D. Se a simulação quântica permitir que os pesquisadores modelem as interações entre os materiais à medida que crescem em tamanho - sem as técnicas heurísticas grudidas e distorcidas usadas hoje - as compras serão capazes de reduzir ou até eliminar processos de laboratório, caros e longos, como testes in situ. Empresas como a computação zapata estão apostando que a simulação molecular com vantagem quântica impulsionará não apenas uma economia significativa de custos, mas o desenvolvimento de melhores produtos que atingem o mercado mais cedo.
A história é semelhante para montadoras, fabricantes de aviões e outros cujos produtos são, ou podem ser, projetados de acordo com a dinâmica de fluidos computacional. Atualmente, essas simulações são prejudicadas pela incapacidade de computadores clássicos de modelar o comportamento fluido em grandes superfícies (ou pelo menos fazê -lo em quantidades práticas de tempo), necessitando de prototipagem física cara e trabalhosa de componentes. A Airbus, entre outros, está apostando em computação quântica para produzir uma solução. A empresa lançou um desafio em 2019 “para avaliar como a [computação quântica] poderia ser incluída ou até mesmo substituir outras ferramentas computacionais de alto desempenho que, hoje, formam a pedra angular do design de aeronaves.”
Full-Scale Fault Tolerance
The third phase is still decades away. Achieving full-scale fault tolerance will require makers of quantum technology to overcome additional technical constraints, including problems related to scale and stability. But once they arrive, we expect fault-tolerant quantum computers to affect a broad array of industries. They have the potential to vastly reduce trial and error and improve automation in the specialty-chemicals market, enable tail-event defensive trading and risk-driven high-frequency trading strategies in finance, and even promote in silico drug discovery, which has major implications for personalized medicine.
With all this promise, it’s little surprise that the value creation numbers get very big over time. In the industries we analyzed, we foresee quantum computing leading to incremental operating income of $450 billion to $850 billion by 2050 (with a nearly even split between incremental annual revenues streams and recurring cost efficiencies). (See Exhibit 3.) While that’s a big carrot, it comes at the end of a long stick. More important for today’s decision makers is understanding the potential ramifications in their industries: what problems quantum computers will solve, where and how the value will be realized, and how they can put their organizations on the path to value ahead of the competition.
How to Benefit
Mas o que as empresas devem fazer hoje para se preparar? Um bom primeiro passo é executar uma avaliação de diagnóstico para determinar o impacto potencial da computação quântica na empresa ou na indústria e, se apropriado, desenvolvendo uma estratégia de parceria, idealmente com um fornecedor de tecnologia de palha completa, para iniciar o processo de integração de recursos e soluções. A primeira parte do diagnóstico é uma auto-avaliação dos desafios técnicos da empresa e o uso de recursos de computação, envolvendo idealmente as pessoas de P&D e outras funções, como operações, finanças e estratégia, para empurrar limites e trazer uma perspectiva completa para o que forem em dinheiro. enfrentar problemas com um computador de alto desempenho? Nesse caso, esses esforços produzem resultados de baixo impacto, atraso ou fragmentado que deixam valor na tabela? Prototipagem?
The key questions to ask are:
- Are you currently spending a lot of money or other resources to tackle problems with a high-performance computer? If so, do these efforts yield low-impact, delayed, or piecemeal results that leave value on the table?
- Does the presumed difficulty of solving simulation or optimization problems prevent you from trying high-performance computing or other computational solutions?
- Are you spending resources on inefficient trial-and-error alternatives, such as wet-lab experiments or physical prototyping?
- Algum dos problemas em que você trabalha enraizada nos arquétipos de problemas com vantagem quântica identificados acima? O primeiro é dimensionar os desafios técnicos não resolvidos de uma empresa e as possíveis soluções de computação quântica, pois elas devem se desenvolver e amadurecer com o tempo. O objetivo é visualizar o valor potencial das soluções que abordam oportunidades reais de receita perdida, atrasos a tempo do mercado e ineficiências de custos. Essa análise requer a combinação de conhecimento específico do domínio (da simulação molecular, por exemplo) com experiência em computação quântica e, em seguida, avaliando o potencial valor futuro. (Demonstramos como isso é feito no nível da indústria na próxima seção.) O segundo componente da avaliação do QI é uma avaliação do fornecedor. Dada a natureza em constante mudança do ecossistema de computação quântica, é fundamental encontrar os provedores de parceiros ou parceiros certos, o que significa que as empresas têm experiência em todo o conjunto mais amplo de desafios técnicos que você enfrenta.
If the answer to any of these questions is yes, the next step is an “impact of quantum” (IQ) diagnostic that has two components. The first is sizing a company’s unsolved technical challenges and the potential quantum computing solutions as they are expected to develop and mature over time. The goal is to visualize the potential value of solutions that address real missed revenue opportunities, delays in time to market, and cost inefficiencies. This analysis requires combining domain-specific knowledge (of molecular simulation, for example) with expertise in quantum computing and then assessing potential future value. (We demonstrate how this is done at the industry level in the next section.) The second component of the IQ assessment is a vendor assessment. Given the ever-changing nature of the quantum computing ecosystem, it is critical to find the right partner or partner providers, meaning companies that have expertise across the broadest set of technical challenges that you face.
Alguma forma de parceria provavelmente será a melhor jogada para as empresas que desejam começar a construir uma capacidade no curto prazo. Uma estratégia de baixo risco e de baixo custo, permite que as empresas entendam como a tecnologia afetará sua indústria, determinar quais habilidades e lacunas de TI precisam preencher e até desempenhará um papel na formação do futuro da computação quântica, fornecendo os provedores de tecnologia para que as habilidades e a experiência do setor sejam as aplicações mais importantes para as aplicações críticas. o curto prazo.
Some form of partnership will likely be the best play for enterprises wishing to get a head start on building capability in the near term.
Parcerias já se tornaram o modelo de escolha para a maior parte da atividade comercial no campo até o momento. Entre as colaborações formadas até agora estão o JPMorgan Chase e o desenvolvimento conjunto de soluções da IBM relacionadas à avaliação de riscos e otimização de portfólio, o trabalho Volkswagen e o Google trabalham para desenvolver baterias para veículos elétricos, e a aliança da Microsoft de Dubai e da Microsoft para desenvolver soluções de otimização de energia. Terá um impacto precoce ou exagerado é conectar os tipos de problemas com vantagem quântica mostrados no Anexo 1 com pontos problemáticos discretos em indústrias específicas. Por trás de cada dor, há um gargalo para o qual pode haver várias soluções ou um conjunto latente de renda que pode ser batido de várias maneiras; portanto, o mapeamento deve explicar soluções enraizadas em outras tecnologias - o aprendizado da máquina, por exemplo - que pode chegar a cena mais cedo ou a menor custo, ou que pode ser integrado mais facilmente a existentes. Estabelecendo uma avaliação para a computação quântica em um determinado setor (ou para uma determinada empresa) ao longo do tempo - marcando o que chamamos de caminho para valorizar - exige a coleta e a sintetização de conhecimentos de várias fontes, incluindo:
High-Impact Applications
One way to assess where quantum computing will have an early or outsized impact is to connect the quantum-advantaged problem types shown in Exhibit 1 with discrete pain points in particular industries. Behind each pain point is a bottleneck for which there may be multiple solutions or a latent pool of income that can be tapped in many ways, so the mapping must account for solutions rooted in other technologies—machine learning, for example—that may arrive on the scene sooner or at lower cost, or that may be integrated more easily into existing workflows. Establishing a valuation for quantum computing in a given industry (or for a given firm) over time—charting what we call a path to value—therefore requires gathering and synthesizing expertise from a number of sources, including:
- Industry business leaders who can attest to the business value of addressing a given pain point
- Industry technical experts who can assess the limits of current and future nonquantum solutions to the pain point
- Especialistas em computação quântica que podem confirmar que os computadores quânticos poderão resolver o problema e quando
Usando essa metodologia, avaliamos o impacto da vantagem quântica em vários setores, com ênfase nas primeiras oportunidades. Aqui estão os resultados. Mesmo que alguns especialistas contestem se os computadores quânticos terão uma vantagem na modelagem das propriedades dos sistemas quânticos, não há dúvida de que as deficiências dos computadores clássicos limitam a P&D nessas áreas. O design dos materiais, em particular, é um processo de laboratório lento caracterizado por tentativa e erro. De acordo com
Materials Design and Drug Discovery
On the face of things, no two fields of R&D more naturally lend themselves to quantum advantage than materials design and drug discovery. Even if some experts dispute whether quantum computers will have an advantage in modeling the properties of quantum systems, there is no question that the shortcomings of classical computers limit R&D in these areas. Materials design, in particular, is a slow lab process characterized by trial and error. According to Revista R&D, apenas para materiais especiais, as empresas globais gastam mais de US $ 40 bilhões por ano em seleção de materiais candidatos, síntese de materiais e testes de desempenho. As melhorias nesse fluxo de trabalho produzirão não apenas a economia de custos por meio de eficiências no design e tempo reduzido no mercado, mas a receita elevando através de novos materiais e aprimoramentos líquidos para os materiais existentes. Os benefícios das melhorias do projeto que produzem rotas sintéticas ideais também faria, com toda a probabilidade, a jusante, afetando os US $ 460 bilhões estimados gastos anualmente na síntese industrial. Reduzir processos de laboratório de tentativa e erro e acelerar a descoberta de novos materiais só é possível se os cientistas dos materiais puderem derivar propriedades espectrais, termodinâmicas e outras propriedades dos níveis de energia do estado fundamental descritos pela equação de Schrödinger. O problema é que nenhuma das soluções aproximadas de hoje-da teoria funcional de Hartree-Fock à Densidade-pode ser responsável pela natureza quantizada do campo eletromagnético. As aproximações computacionais atuais se aplicam apenas a um subconjunto de materiais para os quais as interações entre elétrons podem efetivamente ser ignoradas ou facilmente aproximadas, e permanece um conjunto bem definido de problemas na falta de soluções baseadas em simulação-além de recompensas exageradas para as empresas que conseguem resolvê-las primeiro. Esses problemas incluem simulações de sistemas de elétrons fortemente correlacionados (para supercondutores de alta temperatura), manganitos com magnetororesistância colossal (para armazenamento e transferência de dados de alta eficiência), multiferroicos (para painéis solares de alta absorção) e sistemas eletroquímicos de alta densidade (para matizagens aéreas de lítio).
The biggest benefit quantum computing offers is the potential for simulation, which for many materials requires computing power that binary machines do not possess. Reducing trial-and-error lab processes and accelerating discovery of new materials are only possible if materials scientists can derive higher-level spectral, thermodynamic, and other properties from ground-state energy levels described by the Schrödinger equation. The problem is that none of today’s approximate solutions—from Hartree-Fock to density functional theory—can account for the quantized nature of the electromagnetic field. Current computational approximations only apply to a subset of materials for which interactions between electrons can effectively be ignored or easily approximated, and there remains a well-defined set of problems in want of simulation-based solutions—as well as outsized rewards for the companies that manage to solve them first. These problems include simulations of strongly correlated electron systems (for high-temperature superconductors), manganites with colossal magnetoresistance (for high-efficiency data storage and transfer), multiferroics (for high-absorbency solar panels), and high-density electrochemical systems (for lithium air batteries).
Não há dois campos de P&D mais naturalmente se prestam à vantagem quântica do que o design de materiais e a descoberta de medicamentos.
Todos os principais players da computação quântica, incluindo IBM, Google e Microsoft, estabeleceram parcerias ou ofertas em ciência e química de materiais no ano passado. A parceria do Google com a Volkswagen, por exemplo, visa simulações para baterias de alto desempenho e outros materiais. A Microsoft lançou uma nova biblioteca de simulação química desenvolvida em colaboração com o Pacific Northwest National Laboratory. A IBM, tendo executado a maior simulação molecular de todos Um pesquisador de um fabricante líder de materiais globais acredita que a computação quântica “poderá fazer uma melhoria da qualidade em simulações clássicas em menos de cinco anos”, durante o qual o valor do período para os usuários finais que se aproximam de US $ 500 milhões deverá vir na forma de eficiências de projeto (medidas em termos de despesas reduzidas no fluxo de trabalho de R&D). Como a correção de erros permite simulações funcionais de materiais mais complexos, "você começará a desbloquear novos materiais e não será mais sobre eficiência", disse um professor de química. Durante o período de ampla vantagem quântica, estimamos que mais de US $ 5 bilhões a US $ 15 bilhões em valor (que medimos em termos de aumento da produtividade de P&D) se acumularão aos usuários finais, principalmente através do desenvolvimento de materiais novos e aprimorados. Uma vez que os computadores quânticos tolerantes a falhas em escala estiverem disponíveis, o valor poderá atingir o intervalo de US $ 30 bilhões a US $ 60 bilhões, principalmente por meio de novos materiais e extensões de vida de patente no mercado, à medida que o tempo até o mercado é reduzido. Como o chefe de desenvolvimento de negócios em um grande fabricante de materiais disse: “Se as relações químicas desconhecidas forem desbloqueadas, o mercado especializado atual [atualmente US $ 51 bilhões em receita operacional anualmente] pode dobrar.” No entanto, a longo prazo, à medida que os computadores quânticos desbloqueiam recursos de simulação para moléculas de tamanho e complexidade crescentes, os especialistas acreditam que a descoberta de medicamentos estará entre as aplicações mais valiosas de todas as indústrias. Em termos de economia de custos, o fluxo de trabalho de descoberta de medicamentos deve se tornar mais eficiente, com a modelagem de silico substituindo cada vez mais a triagem caro in vitro e in vivo. Mas há boas razões para acreditar que também haverá grandes implicações de primeira linha. Os especialistas esperam simulações mais poderosas não apenas para promover a descoberta de novos medicamentos, mas também para gerar valor de reposição sobre os genéricos de hoje, pois moléculas maiores produzem medicamentos com menos efeitos fora do alvo. Entre reduzir os US $ 35 bilhões em gastos anuais em P&D em descoberta de medicamentos e aumentar os US $ 920 bilhões em receitas farmacêuticas anuais de marca anual, espera-se que a computação quântica renda de US $ 35 bilhões a US $ 75 bilhões em serviços operacionais anuais para os usuários finais, uma vez que as empresas têm acesso a mais de US $ 75 bilhões. Mais rápido para adotar tecnologias da Vanguard do que os Serviços Financeiros. Há boas razões para acreditar que o setor acelerará rapidamente investimentos em computação quântica, que pode ser esperada que abordem um conjunto claramente definido de problemas de simulação e otimização - em particular, otimização de portfólio no curto prazo e na análise de riscos a longo prazo. O dinheiro do investimento já começou a fluir para startups, com o Goldman Sachs e a Fidelity investindo em empresas de pilhas completas, como D-Wave, enquanto RBS e Citigroup investiram em players de software como 1QBIT e QC Ware. Enquanto os investidores usam computadores clássicos para todos esses problemas hoje, os recursos dessas máquinas são limitados - não muito pelo número de ativos ou pelo número de restrições introduzidas no modelo como pelo tipo de restrições. Por exemplo, adicionar funções não contínuas e não-convexas, como curvas de rendimento de taxa de juros, lotes de negociação, limites de adesão e custos de transação para modelos de investimento, tornam a otimização "superfície" tão complexa que os otimizadores clássicos geralmente travam, simplesmente demoram muito para calcular, ou, pior ainda, um erro local para o Optimum Global. Para contornar esse problema, os analistas geralmente simplificam ou excluem essas restrições, sacrificando a fidelidade do cálculo para confiabilidade e velocidade. Tais trocas, acreditam muitos especialistas, seriam desnecessários com a otimização quântica combinatória. Espera -se que a exploração das amplitudes de probabilidade dos estados quânticos acelere drasticamente a otimização da portfólio, permitindo um complemento completo de restrições realistas e reduzindo os custos de rotatividade e transação da portfólio - que um chefe de risco de portfólio em uma grande estimativa bancária dos EUA para representar 2% a 3% da administração.
Potential end users of the technology are embracing these efforts. One researcher at a leading global materials manufacturer believes that quantum computing “will be able to make a quality improvement on classical simulations in less than five years,” during which period value to end users approaching some $500 million is expected to come in the form of design efficiencies (measured in terms of reduced expenditures across the R&D workflow). As error correction enables functional simulations of more complex materials, “you’ll start to unlock new materials and it won’t just be about efficiency anymore,” a professor of chemistry told us. During the period of broad quantum advantage, we estimate that upwards of $5 billion to $15 billion in value (which we measure in terms of increased R&D productivity) will accrue to end users, principally through development of new and enhanced materials. Once full-scale fault-tolerant quantum computers become available, value could reach the range of $30 billion to $60 billion, principally through new materials and extensions of in-market patent life as time-to-market is reduced. As the head of business development at a major materials manufacturer put it, “If unknown chemical relationships are unlocked, the current specialty market [currently $51 billion in operating income annually] could double.”
Quantum advantage in drug discovery will be later to arrive given the maturity of existing simulation methods for “established” small molecules. Nonetheless, in the long run, as quantum computers unlock simulation capabilities for molecules of increasing size and complexity, experts believe that drug discovery will be among the most valuable of all industry applications. In terms of cost savings, the drug discovery workflow is expected to become more efficient, with in silico modeling increasingly replacing expensive in vitro and in vivo screening. But there is good reason to believe that there will be major top-line implications as well. Experts expect more powerful simulations not only to promote the discovery of new drugs but also to generate replacement value over today’s generics as larger molecules produce drugs with fewer off-target effects. Between reducing the $35 billion in annual R&D spending on drug discovery and boosting the $920 billion in yearly branded pharmaceutical revenues, quantum computing is expected to yield $35 billion to $75 billion in annual operating income for end users once companies have access to fault-tolerant machines.
Financial Services
In recent history, few if any industries have been faster to adopt vanguard technologies than financial services. There is good reason to believe that the industry will quickly ramp up investments in quantum computing, which can be expected to address a clearly defined set of simulation and optimization problems—in particular, portfolio optimization in the short term and risk analytics in the long term. Investment money has already started to flow to startups, with Goldman Sachs and Fidelity investing in full-stack companies such as D-Wave, while RBS and Citigroup have invested in software players such as 1QBit and QC Ware.
Our discussions with quantitative investors about the pain points in portfolio optimization, arbitrage strategy, and trading costs make it easy to understand why. While investors use classical computers for all these problems today, the capabilities of these machines are limited—not so much by the number of assets or the number of constraints introduced into the model as by the type of constraints. For example, adding noncontinuous, nonconvex functions such as interest rate yield curves, trading lots, buy-in thresholds, and transaction costs to investment models makes the optimization “surface” so complex that classical optimizers often crash, simply take too long to compute, or, worse yet, mistake a local optimum for the global optimum. To get around this problem, analysts often simplify or exclude such constraints, sacrificing the fidelity of the calculation for reliability and speed. Such tradeoffs, many experts believe, would be unnecessary with quantum combinatorial optimization. Exploiting the probability amplitudes of quantum states is expected to dramatically accelerate portfolio optimization, enabling a full complement of realistic constraints and reducing portfolio turnover and transaction costs—which one head of portfolio risk at a major US bank estimates to represent as much as 2% to 3% of assets under management.
Os ganhos de renda da otimização do portfólio devem atingir cerca de US $ 400 milhões nos próximos três a cinco anos e acelerar rapidamente.
Calculamos que os ganhos de renda com a otimização do portfólio devem atingir US $ 200 milhões a US $ 500 milhões nos próximos três a cinco anos e acelerar rapidamente com o advento da correção de erro aprimorada durante o período de ampla vantagem quântica. As melhorias resultantes na análise e previsão de riscos levarão a criação de valor além de US $ 5 bilhões. Como as simulações de Monte Carlo da Força Bruta usadas para avaliação de riscos hoje dão lugar a "algoritmos quânticos de caminhada quântica" mais poderosos, simulações mais rápidas darão aos bancos mais tempo para reagir ao risco de mercado negativo (com retornos estimados de até 12 pontos base). Os benefícios esperados incluem melhores análises de risco intradiário para bancos e avaliação de risco quase em tempo real para fundos quantitativos de hedge. Os banqueiros e os gerentes de fundos de hedge esperam que, com o tipo de simulações de mercado inteiro teoricamente possíveis em computadores quânticos tolerantes a falhas em grande escala, eles possam prever melhor os eventos de Black-San e até desenvolver negociações de alta frequência de riscos. "Mover o gerenciamento de riscos de posicionar defensivamente para uma estratégia de negociação ofensiva é um paradigma totalmente novo", observou um ex -comerciante de um fundo de hedge dos EUA. Juntamente com precisão e posicionamento aprimorados do modelo contra eventos extremos da cauda, as reduções nas reservas de capital (em até 15% em algumas estimativas) posicionarão a computação quântica para entregar US $ 40 bilhões a US $ 70 bilhões em renda operacional para os bancos e outras empresas de serviços financeiros. Um computador, conhecido como dinâmica de fluidos computacional, é um empreendimento crítico, mas caro, para empresas de uma série de indústrias. Os gastos em software de simulação de empresas que usam CFD para projetar aviões, naves espaciais, carros, dispositivos médicos e turbinas eólicas excederam US $ 4 bilhões em 2017, mas os custos que pesam mais sobre os tomadores de decisão nesses setores estão relacionados a testes caros de julgamento e erro, como testes de fúlnel e asa. Esses custos diretos, juntamente com o potencial de receita do design otimizado em energia, têm muitos especialistas animados com a perspectiva de introduzir simulação quântica no fluxo de trabalho. As equações que governam por trás do CFD, conhecidas como equações de Navier-Stokes, são equações diferenciais parciais não lineares e, portanto, um ajuste natural para a computação quântica. Devido à complexidade computacional envolvida nesses algoritmos, os designers criam uma malha para simular a superfície de um objeto - digamos, uma asa de avião. A malha é composta por primitivas geométricas cujas vértices formam uma constelação de nós. A maioria dos otimizadores clássicos impõe um limite ao número de nós em uma malha que pode ser simulada com eficiência para 10
“Brute-force Monte Carlo simulations for economic spikes and disasters took a whole month to run,” complained one former quantitative analyst at a leading US hedge fund. Bankers and hedge fund managers hope that, with the kind of whole-market simulations theoretically possible on full-scale fault-tolerant quantum computers, they will be able to better predict black-swan events and even develop risk-driven high-frequency trading. “Moving risk management from positioning defensively to an offensive trading strategy is a whole new paradigm,” noted one former trader at a US hedge fund. Coupled with enhanced model accuracy and positioning against extreme tail events, reductions in capital reserves (by as much as 15% in some estimates) will position quantum computing to deliver $40 billion to $70 billion in operating income to banks and other financial services companies as the technology matures.
Computational Fluid Dynamics
Simulating the precise flow of liquids and gases in changing conditions on a computer, known as computational fluid dynamics, is a critical but costly undertaking for companies in a range of industries. Spending on simulation software by companies using CFD to design airplanes, spacecraft, cars, medical devices, and wind turbines exceeded $4 billion in 2017, but the costs that weigh most heavily on decision makers in these industries are those related to expensive trial-and-error testing such as wind tunnel and wing flex tests. These direct costs, together with the revenue potential of energy-optimized design, have many experts excited by the prospect of introducing quantum simulation into the workflow. The governing equations behind CFD, known as the Navier-Stokes equations, are nonlinear partial differential equations and thus a natural fit for quantum computing.
The first bottleneck in the CFD workflow is actually an optimization problem in the preprocessing stage that precedes any fluid dynamics algorithms. Because of the computational complexity involved in these algorithms, designers create a mesh to simulate the surface of an object—say, an airplane wing. The mesh is composed of geometric primitives whose vertices form a constellation of nodes. Most classic optimizers impose a limit on the number of nodes in a mesh that can be simulated efficiently to 10 9. Isso força o designer a uma troca entre quão fino e quão grande uma superfície pode ser simulada. Espera -se que a otimização quântica alivie o designer dessa restrição para que peças maiores do quebra -cabeça possam ser resolvidas de uma vez e com mais precisão - do spoiler, por exemplo, a toda a asa. A melhoria desse estágio de pré-processamento do processo de design deve levar a ganhos de renda operacional entre US $ 1 bilhão e US $ 2 bilhões entre os setores por meio de custos reduzidos e realização mais rápida da receita.
We expect value creation in the phase of full-scale fault tolerance to range from $19 billion to $37 billion in operating income.
À medida que os computadores quânticos amadurecem, esperamos que os benefícios da melhor otimização da malha sejam superados pelos de simulações aceleradas e aprimoradas. Como na otimização da malha, a troca nas simulações de fluidos é entre velocidade e precisão. "Para grandes simulações com mais de 100 milhões de células", um de nossos próprios especialistas nos disse, "os tempos de corrida podem ser semanas, mesmo com supercomputadores muito poderosos". E isso é com o uso da simplificação de heurísticas, como modelos aproximados de turbulência. Durante o período de ampla vantagem quântica, os especialistas acreditam que a simulação quântica pode permitir que os designers reduzissem o número de heurísticas necessárias para executar solucionadores de Navier-Stokes em períodos de tempo gerenciável, resultando na substituição de testes físicos caros por modelos aerodinâmicos de movimentação, aerodinâmica e as simulações de fluxo turbulento. Os benefícios para os usuários finais em termos de redução de custos devem começar de US $ 1 bilhão a US $ 2 bilhões durante esse período. Com a tolerância a falhas em grande escala, a criação de valor pode tanto triplicar, pois os especialistas prevêem que os solucionadores lineares quânticos desbloquearão simulações preditivas que não apenas evitam os requisitos de teste físico, mas também levam a melhorias do produto (como economia de combustível) e a otimização de rendimento de fabricação. Esperamos que a criação de valor na fase de tolerância a falhas em grande escala varie de US $ 19 bilhões a US $ 37 bilhões em receita operacional.
Outras indústrias
Durante a era do NISQ, esperamos que mais de 40% do valor criado na computação quântica venha do design de materiais, descoberta de medicamentos, serviços financeiros e aplicações relacionadas ao CFD. Mas as aplicações em outras indústrias também mostrarão promessas antecipadas. Os exemplos incluem:
- Transporte e logística. O petróleo e o gás fáceis de encontrar chegando ao fim, as empresas dependem cada vez mais do processamento geofísico baseado em ondas para localizar novos locais de perfuração. A computação quântica não só poderia acelerar o processo de descoberta, mas também contribuir para a perfuração otimizações para operações de campo verde e brownfield. Using quantum computers to address inveterate optimization challenges (such as the traveling salesman problem and the minimum spanning tree problem) is expected to lead to efficiencies in route optimization, fleet management, network scheduling, and supply chain optimization.
- Energy. With the era of easy-to-find oil and gas coming to an end, companies are increasingly reliant on wave-based geophysical processing to locate new drilling sites. Quantum computing could not only accelerate the discovery process but also contribute to drilling optimizations for both greenfield and brownfield operations.
- Meteorologia. Estratégias de preços e negociação sensíveis ao clima. Embora os especialistas sejam divididos no momento do impacto da computação quântica no aprendizado de máquina, as apostas são tão altas que muitos dos principais players já estão colocando recursos significativos contra ele hoje, com resultados iniciais promissores. Por exemplo, em conjunto com pesquisadores de Oxford e MIT, um grupo da IBM propôs recentemente um conjunto de métodos para otimizar e acelerar as máquinas vetoriais de suporte, que são aplicáveis a uma ampla gama de problemas de classificação, mas caíram em desuso nos últimos anos, porque rapidamente se tornam ineficientes, pois o número de variáveis preditores aumenta e as despesas de espaço. O eventual papel da computação quântica no aprendizado de máquina ainda está sendo definido, mas o trabalho teórico precoce, pelo menos para otimizar os métodos atuais na álgebra linear e em máquinas vetoriais de suporte, mostra promessas. As empresas que permanecem à margem, supondo que possam comprar seu caminho para o jogo mais tarde, provavelmente se virão jogando - e com muito terreno para cobrir. Many experts believe that quantum simulation will improve large-scale weather and climate forecasting technologies, which would not only enable earlier storm and severe-weather warnings but also bring speed and accuracy gains to industries that depend on weather-sensitive pricing and trading strategies.
Should quantum computing become integrated into machine learning workflows, the list of affected industries would expand dramatically, with salient applications wherever predictive capabilities (supervised learning and deep learning), principal component analysis (dimension reduction), and clustering analysis (for anomaly detection) provide an advantage. While experts are divided on the timing of quantum computing’s impact on machine learning, the stakes are so high that many of the leading players are already putting significant resources against it today, with promising early results. For example, in conjunction with researchers from Oxford and MIT, a group from IBM recently proposed a set of methods for optimizing and accelerating support vector machines, which are applicable to a wide range of classification problems but have fallen out of favor in recent years because they quickly become inefficient as the number of predictor variables rises and the feature space expands. The eventual role of quantum computing in machine learning is still being defined, but early theoretical work, at least for optimizing current methods in linear algebra and support vector machines, shows promise.
While it may be years before investments in a quantum strategy begin to pay off, failure to understand the coming impact of quantum computing in one’s industry is at best a missed opportunity, at worst an existential mistake. Companies that stay on the sidelines, assuming they can buy their way into the game later on, are likely to find themselves playing catchup—and with a lot of ground to cover.
