bibliophilia.se

Bakom kulisserna i den kvantmekaniska verkligheten

Kvantdatorer har länge omgärdats av science fiction-artade löften. I den ena berättelsen väntar en maskin som omedelbart löser alla svåra problem, i den andra en kryptografisk domedag där dagens säkerhetssystem faller över en natt. Båda bilderna skymmer den mer intressanta utvecklingen. Kvantberäkning handlar inte främst om snabbare kontorsdatorer, utan om att angripa beräkningsproblem som följer naturens egen logik, särskilt molekylers, materialens och biologiska systemens kvantmekaniska beteende.

År 2026 markerar därför en viktig vändpunkt, även om den inte innebär att tekniken plötsligt är färdig. Forskningen rör sig från en tid då frågan huvudsakligen var om kvantbitar kunde kontrolleras, till en period då den avgörande frågan blir vilka logiska beräkningar som kan utföras tillräckligt länge och tillräckligt tillförlitligt för att skapa vetenskapligt eller industriellt värde. Den som vill förstå kvantsprånget behöver lämna myterna bakom sig och följa de konkreta stegen från brusiga experiment till feltoleranta system, där klassisk högpresterande beräkning, artificiell intelligens och kvantprocessorer arbetar tillsammans.

Skiftet bortom brusiga kretsar och mot verklig feltolerans

De tidiga kvantdatorerna brukar beskrivas som NISQ-system, en förkortning för noisy intermediate-scale quantum. De består av fysiska kvantbitar som kan försättas i superposition och kopplas samman genom intrassling, men som samtidigt är extremt känsliga för störningar. Avläsning, temperaturvariationer, elektromagnetiskt brus och små fel i styrpulserna kan förändra resultatet. Därför kan dagens system utföra intressanta experiment och kortare beräkningar, men de har svårt att genomföra långa algoritmer utan att felen växer till ett oanvändbart brus.

Feltolerant kvantberäkning, FTQC, bygger på en annan princip. Flera fysiska kvantbitar kombineras till en logisk kvantbit, vars tillstånd skyddas genom kontinuerlig feldetektering och felkorrigering. Det innebär inte att de enskilda fysiska komponenterna blir perfekta. I stället skapas en högre beräkningsnivå där fel kan upptäckas och hanteras medan programmet körs. Först då blir det möjligt att utföra mycket djupare kretsar, med många fler operationer, utan att beräkningen gradvis förlorar sin mening.

Skillnaden mellan fysiska och logiska kvantbitar är central när olika företags färdplaner ska bedömas. Ett högt antal fysiska kvantbitar säger inte i sig hur användbar maskinen är. Det viktiga är bland annat hur många logiska kvantbitar som kan hållas stabila, hur snabbt fel kan korrigeras, hur effektiv avkodningen är och om systemet kan integreras med klassiska superdatorer. Quantinuum har exempelvis beskrivit en färdplan mot fullt feltolerant kvantberäkning omkring 2030, med system som enligt företagets plan ska kunna hantera kretsar med miljontals grindar. IBM har på motsvarande sätt presenterat en arkitektur med modulära logiska processorenheter, realtidsavkodning och en planerad Starling-plattform med hundratals logiska kvantbitar. Sådana uppgifter är företagens egna mål, inte oberoende bevis på att den slutliga kapaciteten redan finns.

Utvecklingsfas	Typisk möjlighet	Avgörande begränsning
NISQ-system	Korta experiment, algoritmtestning och hybridberäkning	Brus och begränsad kretsdjup
Tidiga logiska system	Felreducerade vetenskapliga beräkningar	Högt resursbehov och få logiska kvantbitar
Feltoleranta system	Långa, universella kvantalgoritmer	Kräver skalbar felkorrigering och robust infrastruktur
Industriell kvantinfrastruktur	Hybridarbete mellan kvantprocessor, AI och HPC	Behöver tydlig kvantfördel och ekonomiskt hållbara arbetsflöden

Molekylernas hemliga koreografi och jakten på nya läkemedel

Kemi är ett av de områden där kvantberäkningens logik passar särskilt väl. Molekyler består av elektroner och atomkärnor vars beteende styrs av kvantmekaniska samband. Klassiska superdatorer kan approximera dessa samband, men kostnaden växer snabbt när molekylerna blir större eller när deras dynamik ska följas över tid. En molekylär simulering kan behöva beräkna atomernas krafter i oerhört korta tidssteg, ibland på femtosekundnivå, för att beskriva processer som ändå pågår under mycket längre tidsintervall.

En kvantprocessor kan i princip representera vissa elektroniska tillstånd på ett mer naturligt sätt än en klassisk bitbaserad maskin. Det betyder inte att alla kemiproblem automatiskt blir enkla. Algoritmerna måste utformas noggrant, systemen måste vara feltoleranta och resultaten måste kopplas till etablerade metoder inom kvantkemi. Den verkliga vinsten kan uppstå när kvantsimulering används för särskilt svåra delproblem, medan klassiska superdatorer sköter optimering, datalagring och efteranalys.

Även innan fullt feltoleranta kvantdatorer finns kan kombinationen med AI ge praktiska framsteg. Forskare vid Chalmers tekniska högskola och Göteborgs universitet har utvecklat en modell som lär sig hur molekyler förändras över tid och kan hoppa över många av de mellanliggande beräkningsstegen. I tester omfattade metoden mer än 12 000 organiska molekyler och över 1 000 korta peptider. Resultaten följde fysikaliskt rimliga förlopp och kunde i vissa fall beräknas omkring 10 000 gånger snabbare än med traditionella simuleringar. Det är inte en kvantdatorisk genväg, men ett tydligt exempel på hur bättre beräkningsmodeller kan förändra läkemedelsforskning redan nu. För en fördjupning i detta samspel mellan prediktiva modeller och molekylär dynamik är Chalmers studie om AI och molekylers framtid en värdefull ingång.

• Strukturbestämning: beräkningar kan bidra till att förstå hur läkemedelskandidater passar mot proteiner.
• Dynamik: modeller kan beskriva hur molekyler rör sig, veckas och förändras i lösningar eller cellmembran.
• Urval: AI kan sortera stora mängder möjliga föreningar innan kostsamma laboratorietester genomförs.
• Hybridarbete: klassisk HPC, maskininlärning och kvantkemi kan användas i olika delar av samma arbetsflöde.

Här behövs samtidigt intellektuell försiktighet. En snabbare simulering är inte automatiskt mer korrekt, och en modell som fungerar för mindre molekyler och förenklade lösningsmedel behöver prövas mot mer realistiska biologiska miljöer. TITO-ramverket från Chalmers befinner sig fortfarande i denna utvecklingsfas. Den långsiktiga potentialen är ändå betydande: om feltoleranta kvantsystem kan beräkna elektroniska strukturer med hög precision kan de minska antalet dyra trial-and-error-försök och ge läkemedelsdesignen en mer förklarande grund.

Materialvetenskapens nya era på atomär nivå

Materialvetenskapen kan få en liknande omvandling. Batterier, halvledare, katalysatorer och supraledare fungerar genom komplicerade samspel mellan elektroner, atomgitter, defekter och vibrationer. I laboratoriet kan nya material upptäckas genom experimentell intuition och systematiska tester, men varje syntes och mätning kostar tid. Ju fler möjliga atomarrangemang som ska undersökas, desto tydligare blir behovet av beräkningsmetoder som kan minska sökrymden innan materialet tillverkas.

Kvantalgoritmer kan på längre sikt bidra till att beräkna elektroniska egenskaper som är svåra att approximera klassiskt. Det kan ge bättre vägledning i jakten på material med högre jonledningsförmåga, effektivare energilagring eller stabilare supraledning. Dagens system kan ännu inte ersätta materiallaboratoriet, och det finns inga garantier för att varje teoretiskt identifierad struktur går att tillverka. Men en mer precis beräkningsfas kan göra experimenten mer riktade och därmed minska både kostnader och materialspill.

Utvecklingen sker dessutom i ett gränsland där kvantberäkning möter spintronik, atomär bildanalys och datadriven materialdesign. Spintroniska komponenter använder elektroners spinn, inte bara deras laddning, för att lagra eller bearbeta information. Atomupplöst avbildning kan samtidigt visa defekter och lokala strukturer som påverkar ett materials funktion. En modern forskningsmiljö behöver därför inte välja mellan mikroskop, superdator och kvantprocessor. Den behöver bygga en kedja där experimentella observationer matar modeller, modeller föreslår material och nya mätningar prövar förslagen.

• Supraledare: simulering kan hjälpa forskare att förstå elektronparbildning och stabila atomstrukturer.
• Batterier: beräkningar kan vägleda sökandet efter elektroder och fasta elektrolyter med bättre säkerhet och livslängd.
• Spintronik: kontroll av spinn och magnetiska tillstånd kan kopplas till atomär analys och nya beräkningsarkitekturer.
• Grön teknik: katalysatorer, vätgasproduktion och återvinning kräver material med noggrant avvägda ytegenskaper.

Det är talande att ledande materialinstitutioner samtidigt investerar i kvantberäkning, spintronik, batterier, halvledare och atomär avbildning. Materials Momentum årsrapport 2024-25 visar hur sådan forskning organiseras kring både grundvetenskap och praktiska tillämpningar, från fonondynamik och självläkande metaller till solid-state-batterier och grönt väte. Poängen är inte att varje framsteg kommer från kvantdatorer. Poängen är att framtidens materialdesign kräver en väv av metoder där kvantmekaniska modeller blir en del av en större experimentell och industriell infrastruktur.

Den svenska och globala infrastrukturen som bygger framtiden

Sverige har förutsättningar att spela en betydande roll eftersom landet kombinerar stark forskning inom fysik, kemi, materialvetenskap och läkemedel med en industri som kan omsätta resultaten. Wallenberg Centre for Quantum Technology, WACQT, har fått en central position i uppbyggnaden av svensk kompetens och utvecklingen av en större kvantdator. Målet har beskrivits som en maskin med omkring 100 kvantbitar till 2030, medan en nuvarande kretsplattform har 25 kvantbitar. Genom samarbeten med bland andra AstraZeneca och Sahlgrenska universitetssjukhuset kopplas hårdvaran till frågor om molekyler, proteiner och läkemedelsdesign.

Den viktigaste infrastrukturen är dock inte en enskild maskin. Den består av utbildade forskare, kryogenik, styrsystem, mjukvara, testprotokoll, molnåtkomst och kopplingar till klassiska superdatorer. Internationella konsortier betonar därför att användare bör börja formulera och benchmarka tillämpningar redan med dagens system, samtidigt som förväntningarna måste beskrivas som scenarier och inte som säkra prognoser. Workshoppar organiserade av QED-C under 2026 har pekat på just denna översättningsklyfta mellan grundforskning och användbar teknik. Samverkan mellan stat, akademi, leverantörer och slutanvändare blir nödvändig för att visa när en kvantfördel faktiskt är större än kostnaden för att använda tekniken.

1. Bygg kompetensen: utbilda fysiker, kemister, programmerare och domänspecialister som kan arbeta över disciplingränser.
2. Testa arbetsflöden: använd molnbaserade kvantsystem för att utveckla, mäta och förbättra algoritmer innan större maskiner finns.
3. Koppla till HPC: låt klassiska superdatorer hantera datatunga och välkända delar av beräkningen.
4. Verifiera nyttan: jämför alltid resultat, kostnad, energianvändning och precision med de bästa klassiska alternativen.
5. Planera för feltolerans: bedöm logiska kvantbitar, felkorrigering och driftbarhet, inte bara antalet fysiska kvantbitar.

Att navigera i en värld formad av kvantmekanisk precision

Kvantdatorns verkliga värde kommer sannolikt inte att märkas som en generell acceleration av vardagens datorer. Det kommer att märkas i särskilda vetenskapliga problem där naturens egen komplexitet gör klassiska approximationer dyra eller osäkra. Kemisk simulering, läkemedelsdesign, batterimaterial, katalys och avancerade halvledare är därför mer relevanta framtidsbilder än den allmänna föreställningen om en maskin som ersätter alla andra.

För den reflekterande läsaren är den bästa hållningen varken teknikentusiasm utan prövning eller skeptisk avfärdning. Följ utvecklingen genom forskningsinstitutioner, tekniska rapporter och oberoende jämförelser. Fråga alltid hur många logiska kvantbitar som demonstrerats, vilken felprocent som uppmätts, mot vilken klassisk metod resultatet jämförs och om en demonstrerad fördel kan upprepas i ett realistiskt arbetsflöde. Fram till 2030 kommer kvantberäkning sannolikt att utvecklas ojämnt, med verkliga genombrott på vissa områden och överdrivna löften på andra. Den avgörande förändringen ligger ändå nära: när beräkningen börjar följa molekylernas och materialens kvantmekaniska koreografi med tillräcklig precision förändras inte bara datorerna, utan också vilka frågor vetenskapen kan ställa.

2026-10-03