Muito aconteceu desde 2021, quando publicamos nossa previsão para o mercado de computação quântica. Tanto a nova tecnologia quanto sua alternativa de computação clássica avançaram de maneiras imprevistas, mudando a trajetória, se não a direção geral, do mercado em desenvolvimento. É hora de atualizar nossa análise. A resposta, agora, está misturada.
Where Quantum Computing Stands Versus Its Potential and the Competition
The key question is whether quantum computing is finally nearing a point where it can fulfill its transformative potential. The answer, right now, is mixed.
Os desafios persistem. Hoje, a computação quântica não oferece vantagem tangível sobre a computação clássica em aplicações comerciais ou científicas. Embora os especialistas concordem que existem problemas científicos e comerciais claros para os quais soluções quânticas um dia superarão em muito a alternativa clássica, a tecnologia mais recente ainda não demonstrou essa vantagem em escala. A fidelidade - a precisão das operações quânticas - ainda não está à altura e dificulta a adoção mais ampla. Enquanto isso, a computação clássica continua a elevar a fasquia, graças aos grandes avanços que realizou em hardware (como GPUs), algoritmos e Inteligência Artificial (AI) Bibliotecas e estruturas. O número de qubits físicos em um circuito quântico - um indicador -chave da capacidade de computação - diminui a cada um a dois anos desde 2018, refletindo um progresso tecnológico significativo. Espera -se que essa tendência continue pelo menos nos próximos três a cinco anos. Liderados pelos EUA e pela China, eles têm feito grandes investimentos na tecnologia, imaginando um futuro no qual a computação quântica desempenha um papel central na segurança nacional e no crescimento econômico. É provável que o suporte do setor público exceda US $ 10 bilhões nos próximos três a cinco anos, dando à tecnologia a pista suficiente para escalar. atrás, esperávamos que o mercado amadurecesse em três fases, e esse ainda é o caso: Quantum em escala intermediária barulhenta (NISQ), até 2030; ampla vantagem quântica, 2030-2040; e tolerância a falhas em grande escala, após 2040. (Consulte o Anexo 1.)
At the same time, quantum is showing undeniable momentum. The number of physical qubits on a quantum circuit—a key indicator of computing capability—has been doubling every one to two years since 2018, reflecting significant technological progress. This trend is expected to continue for at least the next three to five years.
Despite a 50% drop in overall tech investments, quantum computing attracted $1.2 billion from venture capitalists in 2023, underscoring continued investor confidence in its future.
Governments around the world are active in this area, too. Led by the US and China, they have been making big investments in the technology, envisioning a future in which quantum computing plays a central role in national security and economic growth. Public sector support is likely to exceed $10 billion over the next three to five years, giving the technology enough runway to scale.
This article navigates these contrasting narratives, examining how the persistent hurdles and burgeoning advances could coalesce to unleash quantum computing’s potential.
The Challenges of Value Creation in the NISQ Era
Three years ago, we expected the market to mature in three phases, and this is still the case: noisy intermediate-scale quantum (NISQ), until 2030; broad quantum advantage, 2030–2040; and full-scale fault tolerance, after 2040. (See Exhibit 1.)
We also remain confident about our projection that Computação Quântica Criará US $ 450 bilhões a US $ 850 bilhões em valor econômico, sustentando um mercado na faixa de US $ 90 bilhões a US $ 170 bilhões para provedores de hardware e software até 2040. (Essa projeção é consistente com o mercado projetado para os provedores de alta potência, que se espera que US $ 125 bilhões de US $ 2040, de acordo com a estatística.) A época se mostrou otimista, no entanto, e requer revisão. Consequentemente, algumas empresas de algumas indústrias precisarão repensar como elas abordam a tecnologia quântica. fidelidade) para dobrar a cada um a dois anos.
Our assumptions for near-term value creation in the NISQ era have proved optimistic, however, and require revision. Accordingly, some companies in some industries will need to rethink how they approach quantum technology.
We based our initial projections on two key criteria that we assessed would lead hardware and software advances to converge at a point where they could then surpass the performance of classical computing:
- Hardware Performance. We expected quantum volume (as measured by the number of qubits and their fidelity) to double every one to two years.
- Desempenho do software. We anticipated that new quantum algorithms would be developed to harness quantum hardware better and accelerate benefits (such as by increasing speed, improving the efficiency of energy usage, and unlocking new uses) over classical computing in affected use cases.
Para nossa previsão de 2021, avaliamos mais de 100 casos de uso decorrentes de quatro tipos de problemas computacionais em que o Quantum pode ter uma vantagem tecnológica: simulação, otimização, aprendizado de máquina e criptografia. (Consulte o Anexo 2.)
In our assessment, we assumed that developers and users would pursue three types of use cases: optimal, intractable, and brand new.
Optimal. Para muitos problemas complexos de otimização, simulação e aprendizado de máquina, os computadores clássicos empregam abordagens heurísticas para encontrar soluções que normalmente se enquadram em uma margem de erro de 5% a 20% da resposta ideal. Muitos especialistas esperavam que as soluções quânticas de curto prazo restrinjam essa margem com melhor precisão e entreguem suas soluções mais rapidamente. melhorias. Os solucionadores clássicos e os algoritmos AI provavelmente superarão a computação quântica nos problemas mais intratáveis até que a correção de erros possa demonstrar decisivamente vantagem.
Unfortunately, NISQ algorithms (such as the quantum approximate optimization algorithm and the variational quantum eigensolver) also rely on heuristic methods, with greater inherent uncertainty than classical solvers, which benefit from years and even decades of experience and hardware improvements. Classical solvers and AI algorithms are likely to outperform quantum computing on most intractable problems until error correction can decisively demonstrate advantage.
Intratável. À medida que o tamanho desses problemas “intratáveis” aumenta, o tempo e os recursos computacionais necessários para resolvê -los exatamente (em oposição a aproximadamente) crescem exponencialmente, tornando -os inquestionáveis para máquinas clássicas. Os exemplos incluem a computação da cor emitida por um corante, a condutividade de um material e as propriedades de uma molécula em um medicamento. Para sistemas práticos, os cálculos exatos requerem mais transistores do que os átomos no universo - e é por isso que Richard Feynman propôs a computação quântica em 1981. Quantum computers can solve some problems that are beyond the capabilities of classical computers. As the size of these “intractable” problems increases, the time and computational resources required to solve them exactly (as opposed to approximately) grow exponentially, making them unmanageable for classical machines. Examples include computing the color emitted by a dye, the conductivity of a material, and the properties of a molecule in a drug. For practical systems, exact calculations require more transistors than there are atoms in the universe—which is why Richard Feynman proposed quantum computing in 1981.
A palavraexact (with regard to both accuracy and precision) is important. AI has made inroads into problems considered intractable at the time of our 2021 publication, and this has led to speculation that quantum computing may have a lesser role to play in tackling these problems because AI solutions could offer a “good enough” alternative. The reality is more nuanced. AI relies on learning solutions from data (such as in the case of large language models, which learn from semantic relationships in existing language and data). The availability and quality of training data sets impose inherent limitations on the accuracy and precision of AI answers. Quantum computing does not suffer from such constraints and thus offers superior capabilities.
By design, AI faces two major limitations: the results contain a certain degree of error, and they lose accuracy as they venture further from the training data set. In the large-molecule universe, including proteins, which is thought to be in the 1050 range, we can assume there will never be enough training data to represent the possibilities faithfully. Quantum computing provavelmente continuará sendo a melhor solução para os problemas intratáveis de hoje, principalmente simulando a natureza como Feynman imaginou.
Brand novo. Nossas previsões de mercado 2021 e atuais estimam que novos casos de uso gerarão 20% a 30% do valor futuro, com base em introduções anteriores de These are use cases that we don’t know we will need yet, in the same way that ridesharing became obvious and all but indispensable once smartphones made it possible. Our 2021 and current market forecasts estimate that brand new use cases will generate 20% to 30% of future value, based on prior introductions of Nova tecnologia .
hardware e software ficam curtos
A era do NISQ não atendeu às nossas expectativas por dois motivos. Primeiro, obstáculos técnicos no desenvolvimento de hardware estão se mostrando difíceis de superar. Os números de qubit têm aumentado rapidamente, mas a fidelidade continua sendo um grande problema. A análise da plataforma orientada pela comunidade, Metriq, que rastreia os benchmarks de tecnologia quântica, sugere que, com o software existente, os casos de uso mais valiosos exigem operações de 10.000 a 20.000 qubit-gate e quase 100% de fidelidade do portão. Mas os circuitos de mais de 30 qubits até agora alcançaram, na melhor das hipóteses, uma taxa de fidelidade de 99,5% (uma barreira que foi quebrada apenas parcialmente em abril de 2024, quando os esforços colaborativos da Microsoft e Quantinuum em seus sistemas H1 atingiram uma taxa de "três nove" para 2 quits). Como os erros se acumulam exponencialmente, mesmo o melhor hardware falha após cerca de 1.000 a 10.000 operações de portas qubits. Os algoritmos úteis precisam de milhões de operações de portão (até bilhões no caso do algoritmo de Shor), para que as máquinas quânticas ainda precisem melhorar por muitas ordens de magnitude.
O desenvolvimento de novos algoritmos também ficou atrasado. De fato, os avanços mais significativos do algoritmo foram formalizados entre os anos 80 e 2010. Pouco progresso ocorreu nos últimos dez anos. (Consulte o Anexo 3.)
Segundo, a concorrência da computação clássica tem sido mais feroz do que antecipamos. Em particular, a IA excedeu as expectativas nos campos científicos, oferecendo alternativas viáveis para problemas anteriormente intratáveis. A longo prazo, a computação quântica trará vantagens definitivas para lidar com problemas altamente complexos-como a física de muitos corpos e a otimização de NP-com solucionadores clássicos, que dependem de algoritmos heurísticos e aproximados imperfeitos. As limitações do NISQ forçam também os algoritmos quânticos atuais a depender de abordagens heurísticas, e essa dependência torna impossível provar de forma consistente, se houver. Existem alternativas. Empresas como D-Wave, Pasqal, Kipu Quantum e Qilimanjaro optaram por buscar computação quântica analógica e híbrida (analógica combinada com poucos portões). Essas abordagens podem desbloquear casos de uso comercial a curto prazo, sem precisar de muitas operações de portão. Protótipos inovadores demonstraram melhorias substanciais na solução de problemas complexos, mostrando o potencial de otimização, simulações quânticas e simulações de materiais. O desenvolvimento de chips quânticos específicos de aplicativos e a expansão de serviços de computação quântica baseados em nuvem destacam o movimento para fornecer soluções quânticas práticas e escaláveis. US $ 500 milhões por ano durante a era do NISQ. Embora essa previsão seja significativamente menor que a projeção anterior, não esperamos que ela tenha um grande impacto no mercado de provedores de hardware e software. Continuamos a prever um mercado de provedores na faixa de US $ 1 bilhão a US $ 2 bilhões até 2030, de acordo com as projeções de outros.
Together, these factors have prevented quantum computing from realizing a definitive advantage over classical systems in both hardware and software capabilities, at least through the approach based on digital gates. There are alternatives. Companies such as D-Wave, Pasqal, Kipu Quantum, and Qilimanjaro have chosen to pursue analog and hybrid (analog combined with few gates) quantum computing. These approaches could unlock commercial use cases in the short term without needing too many gate operations.
Recent advances confirm that quantum computing continues to achieve significant progress. Innovative prototypes have demonstrated substantial improvements in solving complex problems, showcasing the potential for optimization, quantum simulations, and material simulations. The development of application-specific quantum chips and the expansion of cloud-based quantum computing services highlight the movement toward delivering practical and scalable quantum solutions.
The Impact on Providers
By leveraging analog methodologies, quantum machines can still deliver tangible near-term value, especially in materials and chemicals simulations, ranging from $100 million to $500 million a year during the NISQ era. Although this forecast is significantly lower than our previous projection, we do not expect it to have a major impact on the market for hardware and software providers. We continue to foresee a provider market in the range of $1 billion to $2 billion by 2030, in line with projections by others.
Três fatores estão em jogo aqui. Primeiro, como aconteceu no passado com tecnologias como semicondutores, Internet e GPS, o setor público está fornecendo apoio substancial por meio de ordens e subsídios. Por exemplo, o Ministério da Defesa do Reino Unido comprou computadores quânticos da ORCA Computing, embora essas máquinas ainda não o interrompa o limite de 40 quits que um computador clássico de alta potência pode simular. Estimamos que ordens públicas de computadores quânticos já suportam mais da metade do mercado. Dados os anúncios do programa existentes e a importância geopolítica das tecnologias quânticas, esse nível de demanda deve persistir nos próximos três a cinco anos. (Consulte o Anexo 4.)
Segundo, as principais corporações estão investindo em recursos quânticos de nível corporativo. Em uma publicação de 2023 sobre Adoção quântica , rastreamos mais de 100 projetos de prova de conceito ativos entre as empresas da Fortune 500, representando um investimento total de cerca de US $ 300 milhões. Essas empresas têm ambições de se tornarem os primeiros motores - por exemplo, arquivando patentes para materiais promissores descobertos com computadores quânticos ou elaborando estratégias de hedge que exploram mais rapidamente as imperfeições do mercado. Apesar dos avanços da IA e dos contratempos do NISQ, esperamos que mais empresas realizem programas de longo prazo nos próximos anos, graças às perspectivas tangíveis de avanços tecnológicos, principalmente na correção de erros e ao uso da IA como fonte de dados de treinamento com pouca sobreposição em casos de uso. aspiradores e software. Estimamos isso
Third, providers can generate revenues by forming supply chains that involve such equipment as controls, dilution fridges, lasers, vacuums, and software. We estimate that Cadeia de suprimentos Os gastos serão responsáveis por 5% a 10% da receita quântica de hardware e software de computação este ano.
Correção de erro acelerará o progresso
As perspectivas de correção de erros de qubit foram teóricas e incertas em 2021. A maioria dos especialistas previa o desempenho desse marco em algum momento após 2030; Alguns disseram que isso nunca se materializaria. Mas os últimos três anos viram avanços práticos substanciais. Uma colaboração entre Harvard, Quera, MIT e NIST/UMD demonstrou correção de erros com 48 qubits lógicos na plataforma de átomos neutros. O líder qubit supercondutor da IBM criou outro código inovador de correção de erros-uma que é dez vezes mais eficiente que os métodos anteriores. Recentemente, a Microsoft e o Quantinuum demonstraram uma redução de erro de 800 vezes com íons presos. Outras inovações inteligentes, como a codificação mais forte de hardware (pela empresa de design quântico Alice & Bob) também entraram em jogo desde 2021, promovendo o crescente otimismo sobre a praticidade da correção de erros. Roteiros públicos da IBM, Quera e Alice & Bob, entre outros, prometem alcançar a correção total de erros até 2029, o mais tardar. Sua chegada mais cedo do que o esperado acelerará o tempo até o valor para os usuários finais no médio prazo. Nem todas as indústrias vão querer embarcar na jornada quântica. O investimento é mais claramente justificável para empresas que podem capitalizar ganhos significativos assim que a correção de erros melhorar (por meio de avanços transformadores no desenvolvimento molecular, por exemplo) ou que buscam uma vantagem de primeiro alojamento (como serviços de computação quântica fornecidos pelos gigantes da tecnologia ou pela posição de segurança cibernética (seguintes por meio de uma posição de decreção). computação. A tecnologia fornece cada um com seu próprio conjunto de benefícios:
In our 2021 forecast, we noted that 90% of the total calculated value was contingent on improvement in error correction. Public roadmaps from IBM, QuEra, and Alice & Bob, among others, promise to achieve full error correction by 2029 at the latest. Its sooner-than-expected arrival will accelerate time-to-value for end users in the medium term.
Enterprise Impact
The bottom line is that while quantum computing remains an exciting prospect in some sectors, the technology remains in its infancy and offers limited immediate value for most enterprises. Not all industries will want to embark on the quantum journey. Investment is most clearly justifiable for companies that can capitalize on significant gains as soon as error correction improves (through transformative advances in molecular development, for example) or that seek a first-mover advantage (such as quantum computing services provided by tech giants or cybersecurity enhancement through new decryption methods).
Five industries (followed by the public sector) top the list of those positioned to benefit from error-corrected quantum computing. The technology provides each with its own set of benefits:
- Empresas de tecnologia Precisa ficar à frente na corrida de tecnologia e ser o primeiro (ou o início) a fornecer computação quântica e serviços de tecnologia híbridos colocarão os provedores de tecnologia em uma posição competitiva forte, potencialmente para decades. Ferramenta para aprimorar suas capacidades de modelagem e simulação moleculares, levando a avanços na ciência material e na proteção de culturas. Indústria
- Chemicals and agricultural companies will find quantum computing a powerful tool to enhance their molecular modeling and simulation capabilities, leading to breakthroughs in material science and crop protection.
- Pharmaceuticals companies will be able to model complex molecular interactions at unprecedented speeds, accelerating drug discovery and reducing time-to-market for new medications.
- The defense and space industry alcançará avanços significativos em comunicações seguras, simulações complexas de sistemas e outras tecnologias críticas para a segurança nacional e projetos aeroespaciais avançados. Foco
- Financial institutions will gain the ability to process vast amounts of data for risk assessment and portfolio optimization, providing a competitive edge in a fast-paced market.
Shifting Focus
Hoje existe um forte foco em permitir que os fabricantes aumentem o número de qubits em um processador quântico. Isso é inegavelmente fundamental na raça quântica. Ainda assim, esperamos que o foco do desenvolvimento seja ampliado para abranger critérios adicionais à medida que os usuários buscam aproveitar totalmente o valor emergente. (Consulte o Anexo 5).
Noise. Como mencionado anteriormente, as baixas taxas de fidelidade impedem que os algoritmos da era do NISQ forneçam ROI real no curto prazo. Pelo menos no caso da computação digital, será necessário implementar o código de correção de erros para reduzir drasticamente o ruído e permitir o aumento da profundidade do circuito. Há uma grande diferença, mesmo entre as diferentes modalidades de computação quântica. Por exemplo, acredita-se que o nível atual de desempenho de ponta dos sistemas de átomos frios esteja na faixa KHZ, mas esperamos que os qubits supercondutores atinjam as velocidades do relógio na faixa MHz. Velocidades operacionais mais lentas impõem severas limitações a aplicações práticas. De acordo com um estudo de 2006 sobre o tempo de execução dependente da arquitetura do algoritmo de Shor, fatorar um número de 576 bits dentro de um mês exige uma taxa de relógio de 4 kHz, enquanto uma taxa de relógio de 1 MHz pode concluir a tarefa em cerca de três horas. À medida que os algoritmos surgem que fornecem vantagem exponencial sobre os métodos clássicos, as limitações de velocidade do relógio da computação quântica diminuirão.
Clock Speed. Speed is another variable that may need to improve, since quantum computers today are slow compared with their classical counterparts. There is a big difference even among the different quantum computing modalities. For example, the current state-of-the-art performance level for cold atom systems is thought to be in the kHz range, but we expect superconducting qubits to reach clock speeds in the MHz range. Slower operational speeds impose severe limitations on practical applications. According to a 2006 study on the architecture-dependent execution time of Shor’s algorithm, factoring a 576-bit number within a month requires a clock rate of 4 kHz, while a clock rate of 1 MHz could complete the task in about three hours. As algorithms emerge that provide exponential advantage over classical methods, quantum computing’s clock speed limitations will diminish.
Carregamento de dados. A capacidade de carregar dados em um computador quântico é um gargalo -chave hoje. A solução de um problema computacional geralmente começa com a codificação das informações nos bits do computador. O problema é que os qubits são escassos. Os algoritmos inteligentes podem mapear os dados no computador com um mínimo de requisitos, mas as máquinas quânticas estão longe de competir com os terabytes do poder de processamento disponíveis em computadores clássicos. Uma abordagem alternativa que evita o carregamento de dados clássicos seria calcular diretamente a partir de um estado quântico nativo - por exemplo, com dados provenientes de um cálculo anterior ou de sensores quânticos.
conectividade e desempenho do computador. definido como a capacidade de aplicar portões entre qubits distantes, a conectividade é crucial para maximizar a velocidade e a eficiência dos algoritmos quânticos. Portanto, ele desempenhará um papel significativo na capacidade de uma arquitetura quântica de implementar um código de correção de erros eficiente. Algumas tecnologias quânticas, como íons presos e átomos neutros, já se beneficiam da alta conectividade intrínseca, mas as tecnologias alternativas, como supercondutor e qubits de silício, geralmente são limitadas a conectividade quase vizinho (vinculando apenas a etapa a cada passo).
From Return to ROI. O foco das avaliações financeiras mudará ao longo do tempo das expectativas de retorno de longo prazo ao ROI de curto prazo. Atualmente, a computação quântica é 100.000 vezes mais cara por hora do que a computação clássica (US $ 1.000 a US $ 5.000 por hora para máquinas quânticas em comparação com US $ 0,05 por hora para computação clássica), mas esperamos que essa lacuna diminua com o aumento da escala ao longo do tempo. Embora essa comparação não represente diferenças qualitativas nos resultados, ela destaca que nem todos os casos de uso derivarão valor suficiente da computação quântica para justificar o custo. Além disso, os compradores corporativos normalmente visam um ponto de equilíbrio de um ano-embora uma meta de três a cinco anos possa ser aceitável em certos casos. Nesse cenário, os casos de uso mais favorecidos para tecnologias quânticas serão aquelas que prometem um ROI rápido. Os impedimentos à computação quântica no curto prazo, como as taxas de profundidade e fidelidade do circuito, não ameaçam o desenvolvimento a longo prazo da tecnologia ou do mercado. Os desafios de 2021 ainda são os desafios hoje e estão mais próximos da resolução. A computação quântica ainda está a caminho de criar um valor enorme em setores, onde pode resolver problemas de negócios mais rapidamente ou melhor. Os usuários finais precisam criar suas parcerias com os provedores e desenvolver seus próprios conjuntos de habilidades, porque hoje como em 2021 computação quântica continua sendo uma tecnologia mais vencedora. Insights para aproveitar todo o potencial de IA e tecnologia.
The More Things Change…
A lot has indeed changed since 2021. Perhaps the most remarkable thing, though, is the stability of the overall picture. Impediments to quantum computing in the near term, such as circuit depth and fidelity rates, do not threaten the long-term development of the technology or the market. The challenges of 2021 are still the challenges today, and they are closer to resolution. Quantum computing is still on track to create enormous value in sectors where it can solve business problems faster or better. End users need to build out their partnerships with providers and develop their own skill sets because today as in 2021 quantum computing remains a winner-take-most technology.
The authors would like to thank Laurent Prost and Elie Gouzien from Alice & Bob and Helmut Katzgraber from AWS for their help and support in the production of this paper.
