Laureat Nagrody Nobla Martinis podał datę, kiedy kwantowa AI zacznie rozwiązywać nierozwiązywalne problemy
Na konferencji TiEcon 2026 twórca pierwszego dowodu kwantowej supremacji Google, John Martinis, stwierdził, że konwergencja komputerów kwantowych i AI zachodzi już teraz, otwierając drogę do rozwiązywania problemów nowej klasy.
Kwantowa AI u progu: Laureat Nagrody Nobla John Martinis o konwergencji, która zaciera granice możliwego
Wprowadzenie
Na konferencji TiEcon 2026, która odbyła się od 29 kwietnia do 1 maja w centrum konferencyjnym Santa Clara (Kalifornia), padło oświadczenie, które może stać się historycznym punktem zwrotnym. John Martinis – laureat Nagrody Nobla w dziedzinie fizyki w 2025 roku i człowiek, który dał światu pierwszy dowód kwantowej supremacji – ogłosił, że połączenie obliczeń kwantowych i sztucznej inteligencji przestało być teoretyczną abstrakcją. Według niego ta konwergencja zachodzi już teraz i otwiera drogę do rozwiązywania problemów, które wcześniej uważano za zasadniczo nierozwiązywalne. Aby zrozumieć, dlaczego to oświadczenie sprawiło, że społeczność technologiczna zamarła w oczekiwaniu, należy spojrzeć na nie w kontekście czterdziestoletniej kariery naukowca, który dwukrotnie przewrócił fizykę kwantową do góry nogami.
Szczegóły wydarzenia i chronologia
TiEcon 2026 odbyła się pod hasłem „AI & You: Human Centered, AI Powered”, gromadząc ponad 156 prelegentów – od przedstawicieli OpenAI i Google po Morgan Stanley. Jednak centralnym wydarzeniem programu biznesowego było wystąpienie Johna Martinsa na głównej scenie. Organizatorzy ogłosili jego udział jako „epokowy”: po raz pierwszy w historii konferencji wystąpili na niej laureaci Nagrody Nobla, a Martinis był jednym z dwóch naukowców tej rangi.
Format jego referatu był poświęcony konwergencji komputerów kwantowych i sztucznej inteligencji – tematowi, który sam naukowiec nazywa naturalną kontynuacją trajektorii rozpoczętej w latach 80. XX wieku. To wtedy, jako doktorant Uniwersytetu Kalifornijskiego w Berkeley, Martinis i jego koledzy eksperymentalnie udowodnili, że efekty kwantowe działają na poziomie makroskopowym – odkrycie, które pół wieku później przyniosło im Nagrodę Nobla.
Chronologia kluczowych kamieni milowych kariery Martinsa pomaga zrozumieć wagę jego obecnego oświadczenia:
Lata 80. XX wieku – eksperymenty z makroskopowymi stanami kwantowymi na obwodach nadprzewodzących, które położyły podwaliny pod wszystkie współczesne nadprzewodzące kubity. „Pytanie brzmiało, czy zmienna makroskopowa może uniknąć mechaniki kwantowej, a dla mnie, młodego studenta dopiero uczącego się mechaniki kwantowej, wydawało się to fantastycznym eksperymentem” – wspominał naukowiec w niedawnym wywiadzie.
2014–2019 – kierowanie zespołem Google Quantum AI, który stworzył 54-kubitowy procesor Sycamore. W październiku 2019 roku Sycamore wykonał obliczenia w 200 sekund, na które według szacunków najpotężniejszy klasyczny superkomputer Summit potrzebowałby 10 000 lat. To wydarzenie przeszło do historii jako „kwantowa supremacja” i, jak ujął to ówczesny CEO Google Sundar Pichai, był to „moment hello world, na który czekaliśmy”.
Październik 2025 roku – przyznanie Nagrody Nobla w dziedzinie fizyki Johnowi Martinisowi, Johnowi Clarkowi i Michelowi Devoret za „demonstrację makroskopowego tunelowania kwantowego i kwantyzacji energii w obwodzie elektrycznym”.
2024–2026 – założenie firmy QoLab, w której Martinis po raz trzeci wynajduje obliczenia kwantowe na nowo. Tym razem poprzez radykalnie nowe podejście do produkcji układów kwantowych, które opisuje jako „porzucenie technologii z lat 50. XX wieku” na rzecz nowoczesnych metod przemysłu półprzewodnikowego.
Równolegle z TiEcon 2026 Martinis potwierdził udział w konferencji DAC 2026 (lipiec, Long Beach), gdzie wygłosi referat „Od nauk podstawowych do budowy nadprzewodzącego komputera kwantowego”.
Wpływ i znaczenie
Oświadczenie Martinsa o konwergencji komputerów kwantowych i AI jest ważne nie tyle jako prognoza, ile jako diagnoza obecnego momentu. Naukowiec, który rozumie fizykę każdego elementu systemu kwantowego – od elektroniki mikrofalowej po kriostaty – twierdzi, że bariery dzielące klasyczną AI i obliczenia kwantowe znikają właśnie teraz.
Z technicznego punktu widzenia połączenie zachodzi na dwóch poziomach. Pierwszy – sprzętowy: procesory kwantowe zaczynają być projektowane i wytwarzane przy użyciu tych samych podejść, co współczesne układy półprzewodnikowe do obciążeń AI. Drugi – algorytmiczny: komputery kwantowe w naturalny sposób rozwiązują problemy chemii kwantowej i materiałoznawstwa, które są „kamieniem obrazy” dla klasycznych superkomputerów.
„Jestem naprawdę zainteresowany wykorzystaniem komputera kwantowego do rozwiązywania problemów chemii kwantowej i materiałów kwantowych” – zauważył Martinis w lutowym wywiadzie dla New Scientist. „Ten kwantowy problem jest trudny do rozwiązania na klasycznym superkomputerze ze względu na fundamentalne trudności mechaniki kwantowej. Ale oczywiście jest on fundamentalnie rozwiązywalny przez komputer kwantowy – po prostu odwzorowujesz problem kwantowy na komputer kwantowy”.
Różnica między jego podejściem a głównym nurtem dyskursu o kwantowej AI jest wymowna. Podczas gdy wielu mówi o problemach optymalizacyjnych i kwantowym uczeniu maszynowym w trybie przypuszczającym, Martinis woli opierać się na problemach, dla których matematycznie udowodniono przewagę podejścia kwantowego: „Teoria stojąca za zastosowaniami w materiałoznawstwie i chemii jest znacznie bardziej określona. Wiemy, jakiego rozmiaru musi być komputer kwantowy. To maszyna, którą, jak sądzę, możemy zbudować – zarówno pod względem rozmiaru, jak i szybkości działania”.
Dla przemysłu oznacza to przesunięcie punktu ciężkości z „spróbujmy i zobaczmy, czy zadziała” na projekty inżynieryjnie wykonalne. Dla społeczeństwa – perspektywę przyspieszonego opracowywania leków, nowych materiałów i katalizatorów, którą Martinis ocenia nie jako odległą fantazję, ale jako cel osiągalny po rozwiązaniu konkretnych problemów sprzętowych.
Reakcja kluczowych graczy
Organizatorzy TiEcon 2026 przedstawili wystąpienie Martinsa jako centralne wydarzenie konferencji. Program ścieżki „Powering the Future: Where Nations, Academia & Deep Tech Converge” został zbudowany wokół przecięcia technologii kwantowych, AI i geopolityki – z udziałem dyplomatów, akademickich pionierów i liderów firm technologicznych z USA, Indii, Japonii i Europy. Odzwierciedla to rosnące zrozumienie, że kwantowa AI staje się nie tylko kategorią naukową, ale także geostrategiczną.
Konferencja DAC 2026, która ogłosiła Martinsa jako jednego z trzech kluczowych prelegentów (obok CTO Qualcomm i profesora UC Berkeley), potwierdziła, że projektowanie układów wchodzi w erę „od krzemu do systemów”, gdzie akceleratory kwantowe są rozpatrywane jako część ogólnej architektury obliczeniowej.
Samo środowisko zawodowe nadal dyskutuje o realności terminów. W wywiadzie dla New Scientist Martinis przyznał, że jego nowe podejście w QoLab spotkało się z „zaskakująco dużą oporem i sceptycyzmem”, ale od razu dodał: „Z mojego wieloletniego doświadczenia w fizyce wynika, że to oznacza, iż mamy dobry pomysł”. Konsekwentnie krytykuje „naiwność” wielu zespołów próbujących skalować komputery kwantowe bez przemyślenia fundamentalnych podejść do produkcji i rozmieszczenia kubitów. Jego zdaniem problem „dżungli przewodów” jest główną barierą, a rozwiązanie leży w integracji całego osprzętu mikrofalowego bezpośrednio na układzie.
Prognoza i wnioski
Słowa Martinsa mają wagę właśnie dlatego, że nie przewiduje on przyszłości – on już ją dwukrotnie tworzył. W latach 80. jego eksperymenty położyły podwaliny pod wszystkie współczesne nadprzewodzące kubity. W 2019 roku jego zespół udowodnił, że komputer kwantowy jest zdolny do rzeczy, której klasyczny nie jest w stanie dokonać. Teraz twierdzi, że konwergencja komputerów kwantowych i AI zachodzi właśnie teraz – i nie jest to prognoza, ale stwierdzenie obserwowanego przez niego procesu.
Co to oznacza praktycznie? W krótkiej perspektywie (jeden–trzy lata) – pojawienie się systemów hybrydowych, w których procesy kwantowe rozwiązują problemy chemii kwantowej, a klasyczna AI przetwarza wyniki. Martinis szczególnie podkreśla zastosowanie do wzmacniania jądrowego rezonansu magnetycznego w chemii – „początkowe zastosowanie”, które według jego oceny wymaga komputera o realnie osiągalnej skali.
W średniej perspektywie (trzy–siedem lat) – pojawienie się komputerów kwantowych zbudowanych metodą QoLab: z układami wytworzonymi na nowoczesnym sprzęcie półprzewodnikowym, a nie technologiami z połowy XX wieku, oraz z integracją całego osprzętu mikrofalowego na krysztale. To powinno rozwiązać problem „przewodów” – główną, zdaniem Martinsa, barierę skalowania.
Długoterminowa perspektywa (od siedmiu lat i więcej) – akceleratory kwantowe do problemów, których dziś nawet nie próbuje się rozwiązywać ze względu na niedostępność obliczeniową: projektowanie nowych materiałów, optymalizacja katalizatorów dla przemysłu chemicznego, modelowanie procesów biologicznych.
Martinis nie obiecuje cudu – odwołuje się do logiki inżynieryjnej. I w tym być może główna różnica między jego wystąpieniem a wieloma futurystycznymi prognozami: kiedy człowiek, który rozumie fizykę każdego elementu systemu kwantowego, mówi, że konwergencja już zachodzi, warto go posłuchać. Najbliższe lata pokażą, czy trzecia rewolucja Martinsa okaże się tak samo udana jak dwie pierwsze. Ale już teraz jasne jest: rozmowa o kwantowej AI przeszła z obszaru „czy to możliwe” do płaszczyzny „kiedy i w jakiej architekturze”.
— Editorial Team
Brak komentarzy.