n KEMITEKNIK Feynman holdt et foredrag, hvor han forklarede, at klassiske computere ikke kunne behandle beregninger, der beskri- ver kvantefænomener, og at der derfor var brug for en QC-metode for at fjerne flaskehalse [1]. I midten af 1990’erne udviklede Peter Shor sin banebrydende algoritme, som beviste, at en kvantecom- puter kan beregne primfaktorer af store tal eksponentielt hurtigere end klassiske computere, hvilket illustrerede styrken af denne nye teknologi [2]. I dag er et stigende antal virksomheder, startups og akademiske forskningslaboratorier afhængige af QC for at accelerere udvik- lingen af nye teknologier. Det forudses, at QC-markedet vil vokse hurtigt over de næste 10 år, især drevet af QC’s anven- delsesmuligheder inden for farma, kemi og biologi. Nogle af de problemer, som ingeniører i disse industrier skal løse, kræver en enorm stor beregningskapacitet/databe- handlingskapacitet på grund af proble- mernes kompleksitet og størrelse, og de kan derfor ikke løses med klassisk com- puterteknologi. Udtrykket ”quantum ad- vantage” bruges til at beskrive, hvordan kvantecomputere kan anvendes til at løse problemer, som det ville være umuligt at løse med klassiske databehandlingsme- toder/beregningsmetoder. Kvantecom- putere anvender sandsynligheder og sammenfiltring på en unik måde, som gør dem til et potentielt særligt nyttigt redskab til at løse mange af de optime- ringsproblemer, som man kan støde på inden for natur- og ingeniørvidenskaben. Kvantecomputere lagrer information i qubits, dvs. kvantebits. I modsætning til klassiske bits, der eksisterer som enten 0 eller 1, eksisterer qubits i superpositioner af 0 og 1 og bruger sammenfiltring og interferens mellem en række af qubits til at løse en beregning med et stort antal udfaldsområder. Når quantum advantage er opnået, anslås det, at en kvantecom- puter med kun et par hundrede qubits vil kunne udføre flere beregninger samtidig, end der er atomer i det kendte univers [3]. QC-teknologien har vist sig at have sær- ligt stort potentiale til at løse problemer, som involverer kemi, kunstig intelligens, optimering, simulering, komplekse sam- menhænge mellem indbyrdes forbundne elementer samt problemer med store datasæt, der ligger uden for de klassiske computeres skaleringsgrænser [4]. Bidrag til bæredygtighed og optimering i cancerbehandling QC-værktøjet har også adskillige relevante anvendelsesmuligheder inden for miljø- og biomedicinsk ingeniør- videnskab. Da QC kan bruges til at undersøge katalysatorers reaktivitet, kan oplysningerne fra QC-beregninger hjælpe ingeniører med at erstatte nuvæ- rende fremstillingsproceskatalysatorer med katalysatorer, der har en mindre miljøbelastning. For eksempel tegner kemiske katalysatorer, der anvendes i gødningsproduktionen, sig i øjeblikket for to procent af de globale kuldioxid- udledninger og kan potentielt erstattes, hvis vi har de nødvendige værktøjer til n Vi finder følgende områder inden for kemisk produkt-procesdesign relevante i forhold til at bruge QC-metoder fremover: • Hybride QC-metoder . Disse vil sandsynligvis komme til at spille en vigtig rolle, da mange multivariable problemer vil blive løst optimalt ved hjælp af en kombination af ”dyre” QC-ressourcer og ”billige” klassiske databehandlings- ressourcer. Front-end-applikationer, der kan optimere forholdet mellem QC og klassiske databehandlingsressourcer, vil sandsynligvis også være nyttige, såvel som understøttende trænings- og uddannelsesinitiativer vil komme til at spille en vigtig rolle. • Identificering af optimeringsudfordringer . Identificering af relevante ud- fordringer, der kan anses som optimeringsudfordringer, og som kan løses med kvantecomputere. QC skal ikke erstatte alle eksisterende former for beregninger. • Anvendelse af QC i kombination med maskinlæringsmetoder . Anvendelse af QC (hybrid eller ”stand-alone”) kombineret med maskinlæringsmetoder kan give betydelige fordele ved udvikling af multivariable statistiske procesovervågnings- og fejldiagnosesystemer. • Computerbaseret modellering af kvantemekaniske systemer som for ek- sempel molekyler, herunder forudsigelser af molekylers egenskaber, struktur og reaktivitet, vil sandsynligvis blive meget mere præcis ved hjælp af QC, hvilket vil få direkte indflydelse på områder som for eksempel opdagelse af lægemidler og design af kemiske specialmaterialer. at undersøge alternative muligheder [5]. Desuden kan QC hjælpe ingeniører med at afdække billigere og mere effektive katalysatorer til kulstofopsamling end dem, der anvendes i øjeblikket, hvilket kan bidrage til at fremskynde tilpasning til teknologien [6]. Ingeniører inden for biomedicin har påvist, at QC kan have forskellige anven- delsesmuligheder inden for sundheds- sektoren som for eksempel udvikling af forbedrede kræftbehandlingsmetoder. Computerne kan for eksempel analysere tusindvis af variabler for at udvikle strå- lingsplaner, der er rettet mod kræftceller med den ideelle dosis og det ideelle mål uden at skade raske celler [7]. QC er også blevet anvendt til at forstå diagno- stiske billeder ved hjælp af maskinlæ- ringsværktøjer. Inden for lægemiddelud- vikling kan QC-værktøjer reducere tiden og forbedre resultaterne i forbindelse med ”in silico”-lægemiddelforskning [8]. QC-teknologi er allerede ved at blive anerkendt af en række fremtrædende virksomheder. Google har bygget en kvantecomputer, der kan simulere en simpel kemisk reaktion [9]. Exxon- Mobil udvikler QC-teknologier til optimering af elnet, mere forudsigelig miljømodellering samt nye materialer til kulstofopsamling [10]. De japanske kemivirksomheder JSR og Mitsubishi Chemical har sluttet sig til IBM Q Hub på Keio University for at få adgang til kvantecomputere på 20 og 50 quib, som kan undersøge unikke virksomhedsløs- ninger [11]. Øget støtte fra private equity og venturekapital har medført, at flere nystartede virksomheder specialiserer sig i at bruge QC-teknologi til en række forskellige formål. Fremtiden QC’s potentiale realiseres allerede på tværs af mange forskellige områder, selvom det er en ny teknologi, der befin- der sig på et tidligt udviklingsstadie, og som kræver langt mere udvikling med hensyn til hardwarekapacitet, tilpas- ning af løsningsstrategier for at udnytte anvendelsesmuligheder samt reelt at løse virkelige problemer. I denne sammen- hæng er forbindelsen mellem kemisk og biomolekylær produktdesign og QC blevet diskuteret. Kemisk og biomoleky- lær produktdesign har i vid udstrækning draget nytte af computerunderstøttede metoder og værktøjer ved hjælp af klassiske computere. I forbindelse med produktudvikling af mere bæredygtige processer som for eksempel udvikling af grønne opløsningsmidler, mere effektivt procesdesign, integreret proces-produkt- design samt udvikling af nye lægemidler 26 Dansk Kemi, 103, nr. 2, 2022 -
Download PDF fil
Se arkivet med udgivelser af Dansk Kemi her
TechMedias mange andre fagblade kan læses her