Kennisbank › Kwantumcomputing & AI-hybrides
Kwantumcomputing & AI-hybrides: hoe qubits en kunstmatige intelligentie elkaar versterken
Een kwantumcomputer rekent niet met de vertrouwde nullen en enen van een gewone computer, maar met zogeheten qubits: kwantumbits die dankzij de eigenaardigheden van de kwantummechanica tegelijk iets tussen 0 en 1 in kunnen zijn. Een AI-hybride ontstaat wanneer zo'n kwantumsysteem wordt gecombineerd met kunstmatige intelligentie, bijvoorbeeld omdat AI-modellen worden ingezet om de foutgevoelige kwantumhardware te besturen, of omdat onderzoekers kwantumalgoritmes gebruiken om machine learning te versnellen.
Denk aan een orkest waarin elke qubit een muzikant is die extreem gevoelig is voor het minste zuchtje wind, geluid of trilling in de zaal. Zodra er ruis binnenkomt, valt de muzikant uit de maat en klinkt het stuk vals. AI fungeert in dit beeld als een dirigent die voortdurend luistert, afwijkingen herkent en bijstuurt voordat het hele orkest ontspoort. Die combinatie van extreem gevoelige kwantumhardware en slimme, lerende besturingssystemen is de kern van kwantum-AI-hybrides.
Wat is het precies?
Een gewone computerbit is altijd 0 of 1. Een qubit kan dankzij superpositie een mengvorm van beide tegelijk zijn, een beetje zoals een muntje dat nog ronddraait in de lucht en pas bij het neerkomen echt kop of munt wordt. Door meerdere qubits te combineren, kan een kwantumcomputer in principe heel veel mogelijke uitkomsten tegelijk verkennen in plaats van er één voor één doorheen te gaan.
Qubits kunnen ook verstrengeld raken (entanglement): de toestand van de ene qubit hangt dan onlosmakelijk samen met die van een andere, ook al zitten ze niet naast elkaar. Dit stelt kwantumalgoritmes in staat om verbanden te benutten die een klassieke computer niet efficiënt kan naboetsen. Het probleem is dat superpositie en verstrengeling ontzettend fragiel zijn: warmte, elektromagnetische straling of gewoon trillingen in het gebouw kunnen de kwantumtoestand verstoren. Dat proces heet decoherentie en het is de belangrijkste vijand van elke kwantumcomputer.
Om fouten door decoherentie op te vangen, gebruiken onderzoekers kwantumfoutcorrectie: je verdeelt de informatie van één betrouwbare 'logische qubit' over tientallen tot honderden fysieke qubits, zodat fouten in enkele van die fysieke qubits kunnen worden gedetecteerd en gecorrigeerd zonder de onderliggende informatie te vernietigen. Dit is precies waar AI een rol is gaan spelen: het herkennen van foutpatronen in de metingen van al die qubits is een klassiek patroonherkenningsprobleem, en moderne neurale netwerken blijken daar goed in te zijn. Daarnaast wordt AI gebruikt om kwantumchips te kalibreren (de duizenden instelbare parameters optimaal afstellen) en om zogeheten variationele kwantumalgoritmes te trainen, waarbij een klassieke computer en een kwantumchip in een lus samenwerken om bijvoorbeeld de laagste energietoestand van een molecuul te vinden.
Wat wil men ermee bereiken?
De belofte van kwantumcomputing is dat bepaalde rekenproblemen die voor klassieke computers vrijwel onmogelijk zijn, wél haalbaar worden. Denk aan het simuleren van moleculen voor nieuwe medicijnen of batterijmaterialen, waarbij de kwantummechanische interacties tussen atomen zelf al lastig klassiek na te bootsen zijn. Ook complexe optimalisatieproblemen, zoals de efficiëntste route voor duizenden vrachtwagens of de beste indeling van een financiële portefeuille, zouden in theorie sneller opgelost kunnen worden.
De koppeling met AI heeft twee kanten. Enerzijds helpt AI de kwantumhardware zelf bruikbaarder te maken, door ruis te onderdrukken en fouten te decoderen, iets wat cruciaal is zolang kwantumcomputers nog geen foutloze logische qubits op grote schaal hebben. Anderzijds hopen onderzoekers dat kwantumcomputers ooit onderdelen van machine learning kunnen versnellen, bijvoorbeeld het doorzoeken van enorme datasets of het trainen van modellen met kwantum-geïnspireerde technieken. Een belangrijke kanttekening: voor de meeste praktische AI-toepassingen is nog niet aangetoond dat een kwantumcomputer daadwerkelijk sneller is dan de beste klassieke aanpak, dus dit blijft voorlopig grotendeels onderzoeksterrein.
Er speelt ook een veiligheidsmotief: een voldoende krachtige, foutgecorrigeerde kwantumcomputer zou in theorie bepaalde veelgebruikte versleutelingsmethoden kunnen breken. Dat is een belangrijke reden waarom overheden en standaardisatie-instanties nu al werken aan 'post-kwantum cryptografie', versleuteling die ook tegen toekomstige kwantumcomputers bestand is.
Voorbeelden uit de praktijk
Google Sycamore (2019): Google claimde met deze 53-qubit chip een berekening te hebben uitgevoerd die een supercomputer duizenden jaren zou kosten, in enkele minuten. De term 'quantum supremacy' die daarbij viel, was en is omstreden, omdat de gekozen taak vooral was ontworpen om kwantum in het voordeel te stellen en weinig praktisch nut had.
Google Willow (december 2024): met deze opvolger liet Google zien dat foutcorrectie kan verbeteren naarmate je meer fysieke qubits aan één logische qubit toevoegt, in plaats van juist slechter te worden. Dat is een belangrijke stap richting werkbare, grootschalige foutcorrectie, al is een volwaardige, brede logische qubit voor praktische toepassingen er nog niet.
AlphaQubit (Google DeepMind en Google Quantum AI, 2024): dit is een AI-model, gepubliceerd in het vakblad Nature, dat is getraind om foutpatronen in kwantumfoutcorrectiecodes te decoderen. Het is een direct voorbeeld van een kwantum-AI-hybride: neurale netwerken die de betrouwbaarheid van kwantumhardware helpen verbeteren.
IBM Quantum: IBM bouwt via zijn meerjarige roadmap steeds grotere supergeleidende chips en zet AI in bij het kalibreren van hardware en het optimaliseren van kwantumschakelingen binnen zijn Qiskit-softwareplatform.
Jiuzhang (University of Science and Technology of China): dit fotonische kwantumsysteem, met de eerste versie gepresenteerd in 2020, gebruikt licht in plaats van supergeleidende circuits als qubits en was een van de eerste Chinese claims van een kwantumvoordeel op een specifieke, sterk gespecialiseerde taak.
Hoe ver is de techniek?
De sector bevindt zich in wat onderzoekers het NISQ-tijdperk noemen: Noisy Intermediate-Scale Quantum. Dat betekent dat er kwantumchips bestaan met tientallen tot enkele honderden qubits, maar dat deze qubits nog te veel fouten maken en te weinig in aantal zijn om grote, betrouwbare berekeningen uit te voeren zonder foutcorrectie. Volwaardige, foutgecorrigeerde 'logische qubits' die voor praktische toepassingen bruikbaar zijn, bestaan nog niet op de schaal die daarvoor nodig is.
De vooruitgang van de afgelopen jaren zit vooral in het aantonen dat foutcorrectie principieel werkt en kan verbeteren bij opschaling, zoals Google met Willow liet zien, en in steeds betere AI-ondersteunde decodering van fouten, zoals AlphaQubit. Toch blijven de obstakels groot: decoherentie is nog niet opgelost, het opschalen naar duizenden of miljoenen fysieke qubits per logische qubit brengt enorme technische en koeltechnische uitdagingen met zich mee, en voor vrijwel alle beoogde praktische toepassingen is nog niet overtuigend aangetoond dat een kwantumcomputer sneller of goedkoper is dan de beste klassieke methode. Voorspellingen over wanneer 'praktisch nuttige' kwantumcomputers er zijn, lopen in de sector zelf uiteen van enkele jaren tot ruim een decennium, en dat soort tijdlijnen is in het verleden vaker naar achteren geschoven.
Wie werken eraan?
Onder de grote techbedrijven lopen Google (Quantum AI), IBM en Microsoft (met onderzoek naar topologische qubits, gebaseerd op zogeheten Majorana-deeltjes) voorop. Daarnaast zijn er gespecialiseerde kwantumbedrijven zoals IonQ en Quantinuum (ionval-qubits), Rigetti en Intel (supergeleidende qubits), D-Wave (kwantum-annealing, een andere, meer beperkte rekenaanpak), en Xanadu en Pasqal (fotonische en op atomen gebaseerde qubits).
Op onderzoeksgebied speelt QuTech in Delft, een samenwerking tussen de TU Delft en TNO, een vooraanstaande rol in Europa, onder meer op het gebied van supergeleidende en halfgeleider-qubits. Ook Amerikaanse universiteiten als MIT en Caltech en Chinese instituten zoals de University of Science and Technology of China (USTC) leveren belangrijke bijdragen. Op beleidsniveau investeren de Verenigde Staten, China en de Europese Unie (via het EU Quantum Flagship-programma) fors in kwantumonderzoek, mede omdat het veld wordt gezien als strategisch belangrijk voor zowel wetenschap als nationale veiligheid.
