หลายคนน่าจะเคยได้ยินชื่อของ คอมพิวเตอร์ควอนตัม (Quantum Computer) ว่าเป็นคอมพิวเตอร์ยุคใหม่ที่ใช้หลักการทางกลศาสตร์ควอนตัมในการประมวลผลข้อมูล ซึ่งช่วยให้สามารถแก้ปัญหาที่ซับซ้อนได้อย่างรวดเร็วกว่าคอมพิวเตอร์แบบดั้งเดิมที่ใช้ บิต (bit) แต่คอมพิวเตอร์ควอนตัมใช้หน่วยข้อมูลที่เรียกว่า คิวบิต (qubit)
โดยการมาของคอมพิวเตอร์ควอนตัม จะช่วยให้มนุษย์สามารถแก้ปัญหาที่ซับซ้อนในหลากหลายสาขา รวมถึงการเร่งการวิจัยในสาขาที่ต้องใช้การจำลองที่ซับซ้อน เช่น การจำลองระบบเคมี หรือการพัฒนา AI ที่แม่นยำยิ่งขึ้น
Google เป็นหนึ่งในบริษัทที่มุ่งมั่นพัฒนาด้านควอนตัมคอมพิวเตอร์ ผ่านทีม Google Quantum AI ซึ่งมีเป้าหมายในการสร้างคอมพิวเตอร์ควอนตัมที่ใช้งานได้จริง โดยย้อนไปในปี 2019 Google ได้เปิดตัวชิป Sycamore หน่วยประมวลผลควอนตัม (quantum processor) โดยใช้คิวบิตแบบตัวนำยิ่งยวด (superconducting qubits)
ซึ่งชิปนี้เคยสร้างสถิติในการแก้ปัญหาการคำนวณเฉพาะอย่างได้ในเวลา 200 วินาที ซึ่งซูเปอร์คอมพิวเตอร์ที่เร็วที่สุดในขณะนั้นต้องใช้เวลาถึง 10,000 ปี นอกจากนี้ ชิป Sycamore ยังถูกใช้ในการทดลองที่ซับซ้อน เช่น การจำลองเวิร์มโฮลในฟิสิกส์ อย่างไรก็ตาม บรรดานักวิทยาศาสตร์ต่างยังคงกังขาถึงการยืนยันผลลัพธ์ เนื่องจากคอมพิวเตอร์ ควอนตัมมักมีข้อผิดพลาดสูง
จนในปี 2024 ทาง Google ได้เปิดตัวชิป Willow ซึ่งมี 105 คิวบิต พร้อมคุณสมบัติการแก้ไขข้อผิดพลาดที่ช่วยเพิ่มความแม่นยำ มีการแสดงให้เห็นว่าชิปนี้สามารถแก้ปัญหาเฉพาะทางได้ในเวลาเพียง 5 นาที ในขณะที่ซูเปอร์คอมพิวเตอร์อาจต้องใช้เวลานานนับแสนล้านปี
ล่าสุด Google Quantum AI ได้ประกาศความสำเร็จครั้งใหญ่บนวารสาร Nature โดยได้รันอัลกอริทึมใหม่ที่มีชื่อว่า Quantum Echoes บนชิป Willow ซึ่งอัลกอริทึมนี้สามารถคำนวณแบบซับซ้อนได้เร็วกว่าซูเปอร์คอมพิวเตอร์ที่ดีที่สุดในปัจจุบันถึง 13,000 เท่า หรือใช้เวลาเพียง 2.1 ชั่วโมง หากเทียบกับการใช้ซูเปอร์คอมพิวเตอร์ Frontier ที่จะกินเวลาประมาณ 3.2 ปี
นอกจากนี้ ความสำเร็จดังกล่าวยังเป็นการแสดงความได้เปรียบเชิงควอนตัมที่สามารถ ตรวจสอบผลลัพธ์ย้อนกลับได้ (Verifiable Quantum Advantage) เป็นครั้งแรกอีกด้วย
โดย Google ตั้งเป้าในการนำคอมพิวเตอร์ควอนตัมสู่การใช้งานเชิงพาณิชย์ในอีก 5 ปีข้างหน้า โดยทีมกำลังสำรวจการประยุกต์ใช้ในด้านต่าง ๆ อาทิ AI และการเรียนรู้ของ Machine Learning เพื่อช่วยแก้ปัญหาการหาค่าที่เหมาะสมที่สุดและการสุ่มตัวอย่างที่มีประสิทธิภาพ รวมถึงใช้เพื่พัฒนาวัสดุใหม่ ๆ เช่น แบตเตอรี่ที่มีประสิทธิภาพสูง หรือวิเคราะห์โครงสร้างโมเลกุลในเชิงลึก เป็นต้น
