นิตยสาร สสวท. ฉบับที่ 256

8 | นิตยสาร สสวท. หลักการทำ �งานของควอนตัมคอมพิวเตอร์ หลักการทำ �งานสำ �คัญของควอนตัมคอมพิวเตอร์อาศัย ปรากฏการณ์เชิงควอนตัมที่ไม่มีในโลกคอมพิวเตอร์แบบเดิม ได้แก่ • คิวบิต (Qubit): หน่วยข้อมูลพื้นฐานของควอนตัมคอมพิวเตอร์ โดยทั่วไปสร้างขึ้นจากอนุภาคขนาดเล็ก เช่น อิเล็กตรอน โฟตอน ซึ่ง สามารถจัดให้แทนสถานะ “0” และ “1” ได้ตามสภาวะทางควอนตัม ของมัน • ซูเปอร์โพสิชัน (Superposition): คุณสมบัติที่คิวบิตหนึ่งตัว สามารถอยู่ในหลายสถานะพร้อมกันได้ จนกว่าจะมีการวัดหรือสังเกต ลองนึกภาพเหรียญที่กำ �ลังหมุนอยู่ในอากาศ เราไม่สามารถบอกได้ว่า เหรียญนั้นจะออกหัวหรือก้อย จนกว่าจะหยุดและเรามองมัน ในโลกควอนตัม คิวบิตที่อยู่ในซูเปอร์โพสิชันก็เช่นกัน มันสามารถเป็นได้ทั้ง “0” และ “1” พร้อมกัน จนกว่าเราจะวัดมันออกมา • การพัวพันควอนตัม (Entanglement): ปรากฏการณ์ที่ คิวบิตตั้งแต่สองตัวขึ้นไปสามารถพัวพันหรือเชื่อมโยงสถานะเข้าด้วยกัน อย่างแยกไม่ออก การวัดค่าของคิวบิตตัวหนึ่งจะส่งผลต่อสถานะของ คิวบิตอีกตัวทันที แม้ว่าจะอยู่ห่างกันมากก็ตาม (ไอน์สไตน์เคยเรียกสิ่งนี้ว่า “ปฏิกิริยาลึกลับระยะไกล”) คุณสมบัตินี้ทำ �ให้ควอนตัมคอมพิวเตอร์สามารถ ประมวลผลข้อมูลแบบรวมศูนย์หลายคิวบิตพร้อมกันได้อย่างทรงพลัง เกินกว่าที่คอมพิวเตอร์ปกติจะทำ �ได้ • การวัดผล (Measurement): เมื่อใดก็ตามที่เราวัดหรือสังเกต คิวบิตที่อยู่ในซูเปอร์โพสิชัน คิวบิตนั้นจะเลือกอยู่ในสถานะใดสถานะหนึ่ง (0 หรือ 1) ในทันทีตามความน่าจะเป็นที่กำ �หนดโดยสถานะควอนตัม ก่อนวัด การวัดจึงทำ �ให้สถานะที่ซ้อนทับหลายค่า “ยุบ” เหลือเพียงค่าเดียว ซึ่งเป็นหลักการสำ �คัญที่ต้องคำ �นึงถึงเมื่อออกแบบอัลกอริทึมควอนตัม อัลกอริทึมสำ �คัญ - Shor’s Algorithm: สำ �หรับการแยกตัวประกอบ ซึ่งมีศักยภาพ ในการทำ �ลายระบบเข้ารหัสแบบดั้งเดิม - Grover’s Algorithm: เร่งความเร็วในการค้นหาข้อมูลในฐาน ข้อมูล ควอนตัมคอมพิวเตอร์ในปัจจุบันยังอยู่ในช่วงเริ่มต้นของ การพัฒนา แต่มีการวิจัยจากองค์กรใหญ่ เช่น IBM Google Microsoft และ D-Wave อย่างต่อเนื่อง ควอนตัมคอมพิวเตอร์กับงานด้าน AI AI หรือปัญญาประดิษฐ์ต้องอาศัยพลังการประมวลผลสูง โดยเฉพาะ ในขั้นตอนการฝึกและทดสอบโมเดล ซึ่งอัลกอริทึมของ AI จำ �นวนมาก มีความซับซ้อนและกินเวลา ควอนตัมคอมพิวเตอร์สามารถเข้ามาช่วยงาน ด้าน AI ได้ในหลายด้าน เช่น การประมวลผลเชิงขนาน ซูเปอร์โพสิชันช่วยให้คอมพิวเตอร์ทำ �งานหลายอย่างในเวลา เดียวกัน ทำ �ให้ลดเวลาการฝึกโมเดล การแก้ปัญหา Optimization โมเดล AI มักต้องปรับพารามิเตอร์จำ �นวนมากเพื่อหาค่าที่ ดีที่สุด ซึ่งควอนตัมคอมพิวเตอร์สามารถทำ �ได้เร็วกว่าแบบคลาสสิก การเรียนรู้ของเครื่องควอนตัม (Quantum Machine Learning) มีการพัฒนาโมเดลต่างๆมากมาย ในงานวิจัยเหล่านี้เปิดโอกาส ให้นักวิทยาศาสตร์สามารถสร้าง AI ที่เรียนรู้ได้เร็วขึ้นและมีความแม่นยำ � มากขึ้น ควอนตัมคอมพิวเตอร์กับงานด้าน Digital Image Processing การประมวลผลภาพดิจิทัลเป็นหนึ่งในแขนงที่ใช้การคำ �นวณสูง โดยเฉพาะในด้านการวิเคราะห์ภาพ การฟื้นฟูภาพ และการจดจำ �รูปแบบ ซึ่งควอนตัมคอมพิวเตอร์สามารถยกระดับได้ดังนี้ การแทนภาพด้วยคิวบิต มีการพัฒนาโครงสร้างการเข้ารหัสภาพลงในคิวบิต ซึ่งเป็น วิธีแทนภาพสีหรือภาพขาวดำ �ในลักษณะสถานะควอนตัมที่ยืดหยุ่นและ ประหยัดหน่วยความจำ � คอนเซปต์เหล่านี้ชี้ว่าการเก็บภาพในหน่วยคิวบิต จะทำ �ให้เราสามารถประมวลผลภาพ (เช่น หมุน ย่อ ขยาย ปรับความสว่าง) ได้ด้วยจำ �นวนขั้นตอนที่น้อยลงเมื่อเทียบกับการประมวลผลแบบคลาสสิก การกรองภาพและแปลงฟูริเยร์ควอนตัม ( Quantum Fourier Transform ) เป็นการแปลงฟูริเยร์ในโลกควอนตัมซึ่งสามารถดำ �เนินการอย่าง รวดเร็วบนสถานะคิวบิตหลายตัว อัลกอริทึม QFT ถูกนำ �มาประยุกต์ใน การวิเคราะห์ความถี่ของข้อมูลควอนตัม หากเรานำ �มาใช้กับภาพ รูปแบบ QFT สามารถช่วยแยกองค์ประกอบความถี่ของภาพได้อย่างรวดเร็วและ มีประสิทธิภาพ ทำ �ให้การกรองความถี่ (เช่น ดึงส่วนความถี่ต่ำ �สำ �หรับ