O salto quântico próximo na computação

T Ele fica mais alto, o potencial é enorme, mas os obstáculos permanecem altos. Quando a computação quântica deixará sua marca nos negócios? Nossa pesquisa recente diz que a resposta pode ser mais cedo do que muitas pessoas pensam. Mas parafraseando o ganhador do Nobel Richard Feynman, porque os computadores quânticos usam a física quântica para imitar o mundo físico, eles podem resolver problemas que os computadores de hoje nunca terão o poder de enfrentar.

Quantum computing is not a replacement for the binary classical computing that has become a staple of modern life. But to paraphrase Nobel laureate Richard Feynman, because quantum computers use quantum physics to emulate the physical world, they can solve problems that today’s computers will never have the power to tackle.

Not everybody needs this capability, but the Uso de computadores quânticos Para modelar sistemas físicos, possui aplicações imediatas em indústrias como produtos farmacêuticos, produtos químicos e energia. Os algoritmos que usam matemática quântica podem desbloquear o valor, acelerando bastante aplicativos que exigem dados em áreas como pesquisa, criptografia e aprendizado de máquina. No futuro, os sistemas híbridos que consistem em computadores clássicos que chamam seus primos quânticos para assistência resolverão problemas que são intratáveis ​​hoje.

Esperamos que a computação quântica se desenvolva em direção à maturidade ao longo de três gerações, abrangendo os próximos 25 anos. As empresas podem estar usando máquinas de geração precoce para atender aos negócios práticos e as necessidades de P&D muito mais cedo. De fato, vemos um potencial mercado de computação quântica endereçável de mais de US $ 50 bilhões em desenvolvimento até 2030. Realizar o potencial, no entanto, será possível apenas quando a tecnologia puder produzir o número de qubits "lógicos" - a base para os cálculos quânticos - que as aplicações críticas requerem. Qubits, necessários para correção e estabilidade de erros. Como John Preskill, do Instituto de Tecnologia da Califórnia, apontou no início deste ano, os processadores quânticos de hoje usam qubits físicos barulhentos com capacidade limitada e uma propensão a erros. Eles devem ser considerados um trampolim para tecnologias mais capazes; Seu principal valor de curto prazo é fornecer uma plataforma para o desenvolvimento de algoritmos quânticos e aplicativos que serão úteis em relação ao longo

There’s a long way to go: a quantum simulation needs about 150 logical qubits, each of which consists of anywhere from ten to thousands of “physical” qubits, which are required for error correction and stability. As John Preskill of the California Institute of Technology pointed out earlier this year, today’s quantum processors use noisy physical qubits with limited capability and a penchant for errors. They should be regarded as a stepping stone to more capable technologies; their primary near-term value is to provide a platform for the development of quantum algorithms and applications that will be useful over the long termo. ¹ 1 John Preskill, “Computação quântica na era do NISQ e além”, 27 de janeiro de 2018. Métricas mais abrangentes para medir o progresso do processamento quântico também são necessárias. Um exemplo é o "volume quântico" da IBM, que fornece uma boa avaliação da capacidade de processamento de um computador quântico até que esses sistemas cresçam para demonstrar vários qubits lógicos.

Os principais players estão no caso. A IBM anunciou recentemente um processador quântico de 20 quits e um simulador que pode emular até 49 qubits, apenas para ser superado pelo Google alguns meses depois com seu chip Bristlecone, um processador de 72 quits. Outras grandes empresas de tecnologia e instituições de pesquisa, incluindo Intel, Microsoft, MIT, Yale e Oxford, estão ativas no campo. Exploramos um cronograma provável para o desenvolvimento, várias aplicações iniciais de alto potencial, o estado atual da tecnologia e os modelos potenciais de adoção, e as etapas que as empresas podem tomar agora para se preparar para o advento da computação quântica. Resolva o problema matemático subjacente ao aplicativo. Vários desses algoritmos, em áreas como criptografia e aprendizado de máquina, já existem. Os processadores estão sob desenvolvimento ativo e os anúncios de processadores cada vez mais capazes chegam em um ritmo acelerado. Identificamos três tipos de problemas, com base nas velocidades de computação necessárias para resolvê-los, que a computação quântica pode abordar com velocidades de tempo de execução superiores (ou potencialmente superiores) com as da computação clássica. (Consulte o Anexo 1.)

Here we offer a guide for how business executives can think about quantum computing and its applications. We explore a likely timetable for development, several high-potential early applications, the current state of the technology and potential models for adoption, and the steps companies can take now to prepare for the advent of quantum computing.

The Qubits Are Coming

There are two primary prerequisites to practical business applications for quantum computing: processors with enough qubits to run quantum simulations and quantum algorithms that solve the mathematical problem underlying the application. Several such algorithms, in fields such as cryptography and machine learning, already exist. The processors are under active development, and announcements of increasingly capable processors come at an accelerating pace.

To size the market opportunity and assess the timing of quantum computing applications’ availability, BCG researched various functions for which computing loads exceed classical computing capacity and for which quantum math solutions could apply. We identified three types of problems, based on the computing speeds required to solve them, that quantum computing can address with run-time speeds superior (or potentially superior) to those of classical computing. (See Exhibit 1.)

Significant Speed Advantage. Because classical computers work sequentially, they are impractical for tackling very large or complex problems. For example, there is no known solution to factoring large numbers into their primes; computers simply have to guess through trial and error, and the number of tries grows exponentially with the number of digits. Quantum computers, in contrast, attack problems concurrently; in effect, they consider all possible solutions at once and discard the ones that don’t work. For certain problems, the solution run time for a quantum processor grows linearly rather than exponentially with the number of dimensions, which creates an enormous speed advantage. Prime factorization of a large number is one exponential computational problem that can be solved in practical amounts of time using a quantum approach (and a specific math solution known as Shor’s algorithm).

Uma aplicação para essa vantagem de velocidade significativa com um potencial de mercado substancial de curto prazo está em P&D farmacêutico e químico: simulando a interação entre as moléculas à medida que crescem em tamanho, uma vez que exibem crescimento exponencial na complexidade da solução semelhante à principal fatorização de grandes números. Consistente com a visão de Richard Feynman, os processadores quânticos podem considerar todas as interações possíveis de uma só vez e chegar ao estado de energia mais baixo de uma molécula, que representará como as moléculas interagem. Estimamos que simulações quânticas possam representar um mercado endereçável em produtos farmacêuticos de até US $ 20 bilhões até 2030, com outros US $ 7 bilhões provenientes de produtos químicos, ciência de materiais e outras indústrias intensivas em materiais. Soluções de matemática quântica, como o algoritmo de Grover, prometem uma vantagem de velocidade moderada (proporcionalmente à raiz quadrada do tamanho do problema) para pesquisa não estruturada. Hoje, os problemas de pesquisa em larga escala e aprendizado de máquina são abordados por meio de unidades de processamento gráfico enorme, paralelo e especializado, ou GPUs, produzidas por empresas como a NVIDIA. Esperamos que um mercado de mais de US $ 20 bilhões em aplicativos de pesquisa e aprendizado de máquina se desenvolva como métodos de computação quântica que deslocam as plataformas baseadas em GPU. É provável que esse potencial esteja por trás do interesse do Google e da IBM em otimizar as plataformas de computação quântica de otimização. Os métodos de computação quântica podem oferecer uma vantagem de velocidade além de um certo limite de tamanho do problema, mas as empresas com as quais conversamos em nossa pesquisa consideram os métodos atuais de computação suficientes. Hoje não está claro se a computação quântica puder desbloquear um novo valor significativo no futuro. Isso é representado pelo número de qubits lógicos (que são vagamente equivalentes ao número de bits e memória em um processador tradicional) e o número muito maior de qubits físicos para lidar com a correção de erros (mais abaixo). 

Moderate Speed Advantage. The time it takes to solve problems involving unstructured search, including those critical to machine learning applications, also increases exponentially with problem size. Quantum math solutions, such as Grover’s algorithm, promise a moderate speed advantage (in proportion to the square root of the problem size) for unstructured search. Today, large-scale search and machine learning problems are addressed through massive, parallel, specialized graphics processing units, or GPUs, produced by companies such as Nvidia. We expect a market of more than $20 billion in search and machine learning applications to develop as quantum computing methods displace GPU-based platforms. This potential is likely behind Google’s and IBM’s interest in search-optimizing quantum computing platforms.

Uncertain Speed Advantage. Classical computing approaches today adequately address problems involving complex operations or networks—for example, route optimization in transportation and logistics. Quantum computing methods could offer a speed advantage beyond a certain threshold of problem size, but the companies we talked with in our research consider current computing methods to be sufficient. It is not clear today if quantum computing could unlock significant new value in the future.

When Will the Qubits Arrive?

The technological challenge, in a nutshell, is this: solving specific problems using quantum algorithms requires sufficient scale of quantum computational power. This is represented by the number of logical qubits (which are loosely equivalent to the number of bits and memory in a traditional processor) and the much higher number of physical qubits to handle error correction (more on this below). 

Agora estamos em um ponto equivalente ao estágio no desenvolvimento de computadores binários iniciais, quando computadores mecânicos, tubos de vácuo e semicondutores disputaram as plataformas físicas para máquinas de computação. As tecnologias de computação quântica concorrentes de hoje incluem plataformas de supercondutor, íons presos e semicondutores. Para projetar a taxa de desenvolvimento de mercado para cada um, estimamos que diferentes tamanhos de computadores quânticos provavelmente estariam disponíveis usando cada plataforma. Fizemos isso levando em consideração o ponto de partida de cada tecnologia e aplicando o equivalente à lei de Moore (o número de qubits físicos dobra aproximadamente a cada 24 meses), que os especialistas em todas as plataformas de tecnologia indicaram é uma suposição razoável, dada a escalabilidade do hardware subjacente. Para cada tecnologia quântica, identificamos o número de qubits físicos realizado até o momento e a capacidade de correção de erro necessária para criar um qubit lógico a partir de vários qubits físicos. 

Com base nessas suposições e nos pontos de partida atuais, esperamos que o mercado de computação quântica evolua ao longo de três gerações. Durante o primeiro, que abrange 2018 a 2028, os engenheiros desenvolverão computadores quânticos não universais projetados para aplicações como simulações de baixa complexidade. Grande parte do desenvolvimento desses computadores ocorrerá nos próximos anos e estarão em uso até que a segunda geração chegue. Esta segunda geração de computação quântica se concentrará em problemas como simulação molecular, P&D e desenvolvimento de software. Durante esse período, as aplicações utilizáveis ​​chegarão ao mercado, criando um valor significativo. Ao mesmo tempo, o processamento de informações quânticas se desenvolverá ainda mais como campo, e as empresas se familiarizarão com os métodos de simulação quântica. 

The second generation (2028–2039) will be the period in which quantum computers scale up to 50 logical qubits and achieve “quantum supremacy” over classical computing—meaning that they will be able to perform certain algorithms faster in specific applications. This second generation of quantum computing will focus on such problems as molecular simulation, R&D, and software development. During this period, usable applications will come to market, creating significant value. At the same time, quantum information processing will develop further as a field, and companies will become more familiar with quantum simulation methods. 

Na terceira geração (2031-2042), os computadores quânticos alcançarão a escala para realizar simulações avançadas para uso comercial em simulação, pesquisa e otimização com vantagens significativas sobre métodos clássicos. Devido à escala da lei de Moore e aos limiares nos quais a computação quântica ultrapassa a computação binária em determinadas aplicações, há uma sobreposição considerável entre a segunda e a terceira gerações. Como uma trajetória geral, esperamos uma década de progresso constante na computação quântica, seguida de uma aceleração significativa após cerca de 2030.

Alguns aplicativos podem estar mais próximos do que você pensa

, enquanto o maior potencial para a computação quantum é mais do que uma década de distância, a primeira geração deve monitorar a primeira geração da geração - o desenvolvimento - seriam o desenvolvimento - a primeira geração. Durante esse período, esperamos que empresas de indústrias como produtos químicos experimentem aplicações limitadas de computação quântica na modelagem de moléculas relativamente simples e em otimizações especializadas. Essas empresas se familiarizarão com os métodos e ferramentas de computação quântica através do uso prático. A IBM e a Microsoft estão desenvolvendo comunidades de computação quântica, simuladores de computação quântica e ferramentas fáceis de usar que expõem os desenvolvedores a técnicas de processamento quântico. Como algoritmos quânticos, linguagens de programação e serviços quânticos-processadores como uma nuvem estão disponíveis, os desenvolvedores os incorporarão gradualmente em soluções de software. Os sistemas de computação híbrida que combinam abordagens clássicas e quânticas surgirão. Esse período de aprendizado será fundamental para aumentar a conscientização e a experiência, para que, uma vez que a supremacia quântica seja alcançada em certos campos, a adoção pode prosseguir rapidamente.

Como observado acima, uma classe de problemas nos quais os computadores quânticos têm uma vantagem de velocidade significativa é a modelagem de moléculas grandes para entender interações específicas e processos químicos. A idéia é usar processadores quânticos para criar um gêmeo quântico (em oposição a um gêmeo digital) ou simulação e modelar os processos quânticos envolvidos no nível subatômico. As empresas farmacêuticas e químicas já estão experimentando o potencial da simulação quântica para acelerar a descoberta de medicamentos e projetar moléculas com menos efeitos colaterais não intencionais. Os executivos nessas indústrias estimam que a identificação de novas metas dessa maneira pode aumentar a taxa de descoberta de medicamentos em 5% a 10% e acelerar os tempos de desenvolvimento em 15% a 20%. Eles também acreditam que um melhor projeto de molécula pode aumentar as taxas de aprovação de medicamentos em um fator de 1,5 a 2. (Consulte a Anexo 2.) Como vice-presidente de P&D em uma grande empresa farmacêutica, “no nível atômico, a computação atual de alto desempenho não pode lidar com a maioria das simulações.

Somente no setor farmacêutico dos EUA, se simulações quânticas de processos atômicos complexos estivessem disponíveis hoje e 10% das empresas estavam dispostas a pagar pela capacidade, a computação quântica representaria uma oportunidade de mercado endereçada de US $ 15 a US $ 30 bilhões. Atualmente, o mercado de toda a computação de alto desempenho globalmente é de US $ 10 bilhões.

Existem outras aplicações práticas. A computação quântica pode ser aplicada para acelerar os algoritmos de pesquisa e aprendizado de máquina usados ​​com conjuntos de dados de crescimento exponencial. Isso se tornará cada vez mais importante para desbloquear o valor dos dados, à medida que as dezenas de bilhões de dispositivos na Internet das Coisas, por exemplo, direcionam o volume de dados disponíveis na estratosfera. 

Para algumas classes de problemas, a pesquisa por uma solução requer tentativa e erro e o teste simultâneo de soluções em potencial. Imagine um arquipélago de milhares de ilhas conectadas por pontes e a necessidade de encontrar um caminho que atravessa cada ilha apenas uma vez. O número de soluções possíveis aumenta exponencialmente com o número de ilhas, mas a verificação de um determinado caminho satisfaz a restrição de visitas às ilhas únicas é direta. Se nosso hipotético quebra -cabeça da ilha tivesse 1 milhão de soluções possíveis, um computador binário exigiria uma média de 500.000 tentativas para encontrar a certa. Um processador quântico executando o algoritmo de Grover resolveria o problema em apenas 1.000 tentativas - 500 vezes mais rápido. 

Isso é equivalente ao tipo de problema enfrentado pelos algoritmos de pesquisa e pelas grandes redes neurais multicamadas que estão subjacentes ao aprendizado de máquina. Para que as redes neurais lidem com tarefas como detecção e identificação de objetos-determinando se o objeto que aparece de repente na frente de um carro autônomo é um saco plástico soprado pelo vento ou um carro de bebê, por exemplo-eles precisam ser treinados em grandes conjuntos de dados e um grande número de resultados por tentativa e erro e aprendizado supervisionado. Embora o aprendizado de máquina e a inteligência artificial tenham se tornado uma realidade através da combinação de grandes conjuntos de dados e GPUs paralelas e de baixo custo, os computadores quânticos podem acelerar o treinamento de redes neurais e aumentar a quantidade de dados que podem lidar. Este aplicativo é um campo ativo de pesquisa, pois cientistas e engenheiros tentam identificar algoritmos quânticos que podem ser aproveitados para o aprendizado de máquina. À medida que mais algoritmos são descobertos, as vantagens fundamentais do quântico sobre os computadores clássicos podem levar ao deslocamento do mercado de US $ 20 bilhões para a computação de aprendizado de máquina de alto desempenho até 2030.

A tecnologia hoje… || 3750 == Quantum, a potência da fábrica, a partir da fábrica que é uma tecnologia fundamentalmente distinante Existem três diferenças essenciais. O primeiro tem a ver com os bits. Os computadores binários usam bits binários: tudo é baseado em 1s e 0s ou, como alguns gostam de pensar sobre isso, dentro ou fora. Imagine um interruptor de luz, que tem apenas duas posições. Os qubits, por outro lado, podem habitar os estados de 1 e 0, ou dentro e desligar, ao mesmo tempo. O interruptor de luz é um dimmer com um número teoricamente infinito de configurações. Os qubits são sobre probabilidades, em vez de certezas negras ou brancas, e isso é simultaneamente um grande facilitador e um problema substancial (mais sobre isso abaixo).

Quantum computing’s power comes from the fact that it is a fundamentally distinct technology from the binary, Boolean logic–based computing we are all used to. There are three essential differences. The first has to do with the bits. Binary computers use binary bits: everything is based on 1s and 0s or, as some like to think about it, on or off. Picture a light switch, which has only two positions. Qubits, on the other hand, can inhabit states of 1 and 0, or on and off, at the same time. The light switch is instead a dimmer with a theoretically infinite number of settings. Qubits are about probabilities rather than black-or-white certainties, and this is simultaneously a big enabler and a substantial problem (more on this below).

A segunda diferença é que os computadores binários mantêm todos esses 1s e 0s separados; Eles precisam para executar seus cálculos. A computação quântica funciona sobre o emaranhamento proposital de qubits; Ao manipular um, você manipula simultaneamente todos os seus companheiros emaranhados. Ajustar um dimmer leve afeta todos os outros na sala - e todos os outros da casa. É isso que dá à computação quântica suas proezas de cálculo. 

A terceira diferença está na maneira como os computadores quânticos fazem seu trabalho. Enquanto os computadores binários conduzem um número maciço de cálculos aritméticos sequencialmente, um computador quântico calcula todos os resultados possíveis simultaneamente e resolve uma resposta potencialmente correta através da interferência construtiva; "cancela" todas as respostas erradas. No exemplo das pontes que conectam as ilhas, um computador quântico consideraria simultaneamente todas as rotas em potencial e se estabeleceria em uma que é probabilisticamente "correta". 

do ponto de vista prático da engenharia, os computadores quânticos têm restrições reais. Os circuitos quânticos funcionam melhor em temperaturas muito baixas - apenas zero absoluto. Os estados quânticos são altamente instáveis; Qualquer influência externa aumenta a chance de erro, e é por isso que eles precisam ser super-resfriados e isolados. A estabilidade de qubit, ou coerência e correção de erros são questões importantes - de fato, como as máquinas ficam grandes o suficiente para fazer simulações úteis, a proporção de qubits físicos (necessários para controle e correção) para os qubits que fazem o trabalho real podem chegar a três mil a um. Por esses motivos, os computadores quânticos requerem infraestrutura circundante significativa e se assemelham a mainframes antigos em grandes centers de dados controlados pelo clima (muito mais frios!) Muito mais do que os laptops ou smartphones de hoje. 

…And Tomorrow

Today’s quantum computers are in the very early stages of invention, not unlike classical computing in the early 1950s, when William Shockley of Bell Labs invented the silicon-based solid-state transistor that replaced the vacuum tubes powering the earliest computers and set the tech industry off on the pursuit of ever-more minute and powerful processors that continues to this day. 

Várias tecnologias quânticas estão correndo para atingir limiares de qubit úteis. Dois fizeram progressos suficientes para que a aplicação comercial estivesse à vista: íon preso e supercondutor. O íon preso é amplamente visto para produzir os qubits de maior qualidade (aqueles com a menor taxa de erro inerente) e, portanto, atualmente tem uma vantagem sobre o supercondutor, tanto no tempo para comercializar as principais aplicações quanto o custo de capital. No final de 2017, os pesquisadores que trabalham em máquinas de íons presos enredaram com êxito 14 qubits para realizar uma operação designada com uma taxa de sucesso lógico de 99,9%. Os números comparáveis ​​para o supercondutor são 9 qubits e 99,4%. Se cada tecnologia seguisse um cenário de desenvolvimento (sem melhora na correção de erros) de acordo com a lei de Moore, o íon preso alcançaria o limiar de 150 qubits lógicos necessários para as principais aplicações de simulação quântica primeiro, mas não até cerca de 2040.

Dito isto, a necessidade de correção de erros é o maior fator de requisitos de recursos e tem um impacto enorme na escala e no custo. Redução significativa na correção de erros pode acelerar o íon preso em relação aos principais limites de escala e redução de custos muito mais cedo, talvez até 2028 a 2030. A Microsoft está buscando uma tecnologia de computação quântica com uma taxa individual potencial de qubits físicos para os qubits lógicos, mas nenhum protótipo de trabalho ainda foi produzido. A curto prazo, acreditamos que o íon preso está bem posicionado para ser o primeiro ao mercado, mas ainda tem muitos dos riscos inerentes às tecnologias em estágio inicial. A adoção para cada aplicação dependerá do grau da vantagem conferida pelo processamento quântico e da maturidade dos algoritmos que direcionam a solução de problemas. Mais especificamente, dado que a computação quântica pode operar no modo de plataforma como serviço, as aplicações nas quais há uma vantagem significativa de velocidade pode ter uma rápida adoção, na ordem de 70% de penetração dentro de cinco anos, semelhante à taxa de adoção de GPUs em aplicações de aprendizado de máquina. As aplicações que oferecem uma vantagem de velocidade moderada podem levar até 15 anos para atingir 50% de penetração (o desenvolvimento do software como serviço é uma analogia útil), enquanto aplicações com algoritmos e potencial desconhecidos quase certamente seguirão as curvas de adoção mais lentas, com o computação quântica do mercado de computação em geral, o que é um projeto de méneto em preços quânticos. Dependendo de quando são alcançados os marcos técnicos críticos que desbloqueiam a capacidade real de computação aplicável nos negócios. Em um cenário de "casos básicos" (assumindo a velocidade da lei de um Moore no desenvolvimento de qubits, sem melhorias na correção de erros), o mercado de aplicações quânticas chegaria a cerca de US $ 2 bilhões em 2035 e depois subiria para mais de US $ 260 bilhões em 2050, à medida que a adoção aumenta. Um caso de "vantagem", no qual há uma redução significativa na necessidade de correção de erros, veria um mercado substancial se desenvolver muito mais cedo: cerca de US $ 60 bilhões em 2035, crescendo para US $ 295 bilhões em 2050 (em comparação com um mercado global de computação comercial e de computação global de US $ 800 bilhões hoje). (Consulte “A pilha quântica e seus modelos de negócios” e Anexo 3.)

Once technical feasibility is established, we expect to see S-curve adoption patterns, similar to those of other advanced technologies. Adoption for each application will depend on the degree of the advantage conferred by quantum processing and the maturity of the algorithms directing the problem solving. More specifically, given that quantum computing can operate in the mode of platform-as-a-service, applications in which there is a significant speed advantage could see rapid adoption, on the order of 70% penetration within five years, similar to the adoption rate of GPUs in machine learning applications. Applications that offer a moderate speed advantage could take up to 15 years to reach 50% penetration (the development of software as a service is a useful analogy), while applications with unknown algorithms and potential will almost surely follow slower adoption curves, with quantum computing augmenting binary processing in 25% or fewer cases even after 15 years.

Overall, we project a substantial market for quantum computing, but the timing could vary widely depending on when the critical technical milestones are reached that unlock actual business-applicable computing capacity. In a “base-case” scenario (assuming a Moore’s law speed of qubit development with no improvement on error correction), the market for quantum applications would reach about $2 billion in 2035, then soar to more than $260 billion by 2050 as adoption picks up. An “upside” case, in which there is significant reduction in the need for error correction, would see a substantial market develop much sooner: about $60 billion in 2035, growing to $295 billion by 2050 (compared with an $800 billion global commercial and consumer computing market today). (See “The Quantum Stack and Its Business Models” and Exhibit 3.)

Como as empresas devem se preparar para um salto quântico?

A computação quântica não será para todos. Mas se sua empresa estiver em um campo intensivo em dados ou em um setor em que a capacidade de executar simulações de funções e interações complexas do mundo real em uma quantidade prática de tempo avança em P&D, você deve começar a se envolver com essa tecnologia avançada. O BASF, VW, Airbus e outras empresas já estão investindo na construção de recursos de computação quântica. Um bom primeiro passo é lançar uma iniciativa para criar um entendimento dos algoritmos quânticos e obter experiência usando plataformas e ferramentas de computação quântica fornecidas pela IBM, Microsoft e outros. Emergentes empresas de desenvolvimento e consultoria de software, como QXBranch, QC Ware e 1QBit, estão trabalhando em vários setores para desenvolver aplicativos quânticos. As empresas também podem querer considerar patrocinar pesquisas acadêmicas em aplicações quânticas. A IBM, por exemplo, está trabalhando com o MIT em uma iniciativa sobre IA e computação quântica. (A IBM modelou com precisão a maior molécula até o momento, hidreto de berílio ou BEH2, usando um método escalável em um computador quântico.) Eles também devem desafiar suas organizações de P&D a seguir os avanços quânticos da computação, especialmente quando aceleram. As empresas que aproveitam a busca, as redes neurais e os algoritmos de otimização devem incentivar seus cientistas de dados a aprender algoritmos e abordagens quânticos e estudar como os processadores quânticos podem acelerar significativamente suas capacidades. Como em outras tecnologias avançadas, como IA e aprendizado de máquina, as empresas que se posicionam para aproveitar a computação quântica antecipadamente estabelecerão uma vantagem significativa. 

Pharmaceutical companies and others dependent on materials science innovation should begin to explore molecule simulation using quantum processors. (IBM has accurately modeled the largest molecule to date, Beryllium hydride, or BeH2, using a scalable method on a quantum computer.) They should also challenge their R&D organizations to follow quantum computing breakthroughs, especially as they accelerate. Companies leveraging search, neural networks, and optimization algorithms should encourage their data scientists to learn quantum algorithms and approaches and to study how quantum processors could significantly accelerate their capabilities. As with other advanced technologies, such as AI and machine learning, the companies that position themselves to take advantage of quantum computing early will establish a significant advantage. 

Uma nota de cautela: a computação quântica tem implicações potencialmente significativas para a criptografia e a criptografia. Como os métodos atuais de criptografia geralmente dependem da fatoração primordial de grandes números, a capacidade da computação quântica de levar a esses números dentro de prazos práticos é uma ameaça potencial (se a longo prazo) para manter as mensagens seguras. Embora o número de qubits lógicos necessários (mais de 1.000) sugira que os computadores de criação de criptografia quântica não serão práticos antes de 2040, as empresas devem assistir aos métodos de criptografia emergentes à prova de quantum e estar prontos para se afastar de uma dependência de métodos de fatorização primordial, especialmente para aplicações críticas. Países como China e EUA já estão investindo fortemente em pesquisas quânticas para comunicação segura, com a China lançando o primeiro satélite dedicado a implementar um canal de comunicação quântica. 

---

A computação quântica está se movendo rapidamente dos laboratórios de pesquisa para aplicativos do mundo real. Ele tem o potencial de desbloquear um valor significativo para as empresas na próxima década. Os executivos precisam começar a assistir agora para os principais marcos, indicando que os computadores quânticos estão se aproximando da supremacia, e as empresas que desejam capitalizar precisam começar a criar recursos internos para aproveitar ao máximo os poderes de computação estranhos, mas impressionantes, os processadores quânticos podem fornecer.

---

O Instituto BCG Henderson é o think tank de estratégia do Boston Consulting Group, dedicado a explorar e desenvolver novas idéias valiosas a partir de negócios, tecnologia e ciência, abraçando a poderosa tecnologia de idéias. O Instituto envolve os líderes em discussões e experimentações provocativas para expandir os limites da teoria e prática dos negócios e traduzir idéias inovadoras de dentro e além dos negócios. Para mais idéias e inspiração do Instituto, visite  Insights em destaque .