ข้ามไปยังเนื้อหาหลัก

ผลกระทบต่อธุรกิจ

เป้าหมายการเรียนรู้

เมื่อจบโมดูลนี้ คุณควรสามารถ:

  • รับรู้ถึงประโยชน์ของการสำรวจการประมวลผลเชิงควอนตัมในตอนนี้
  • ระบุอุตสาหกรรมและแอปพลิเคชันที่การประมวลผลเชิงควอนตัมแสดงศักยภาพ

การประยุกต์ใช้ควอนตัมในอุตสาหกรรมที่มีศักยภาพ

ซูเปอร์คอมพิวเตอร์แบบคลาสสิกประสบปัญหาในการแก้โจทย์ที่มีตัวแปรจำนวนมากที่มีปฏิสัมพันธ์กันในรูปแบบซับซ้อน เช่น การจำลองพฤติกรรมของโมเลกุล ข้อจำกัดเหล่านี้สร้างอุปสรรคต่อความก้าวหน้าในหลากหลายอุตสาหกรรม และชะลอการวิจัยที่สำคัญในด้านฟิสิกส์ เคมี วิทยาศาสตร์วัสดุ และอื่นๆ

เพื่อทำความเข้าใจว่าโมเลกุลหนึ่งจะมีพฤติกรรมอย่างไร นักวิทยาศาสตร์มักต้องสังเคราะห์มันและทดลองกับมันในโลกจริง และเพื่อดูว่าการปรับเปลี่ยนเล็กน้อยจะส่งผลต่อพฤติกรรมอย่างไร พวกเขามักต้องสังเคราะห์เวอร์ชันใหม่และทำการทดลองซ้ำ นี่เป็นกระบวนการที่แพงและใช้เวลานาน มันขัดขวางการพัฒนาวัสดุที่แข็งแกร่งและเบากว่าสำหรับวิศวกรรมอวกาศ จำกัดวิวัฒนาการของเซมิคอนดักเตอร์ และชะลอความก้าวหน้าทางการแพทย์ ควอนตัมอาจช่วยให้เราก้าวผ่านอุปสรรคความซับซ้อนเหล่านี้ได้

เราคาดว่าควอนตัมจะส่งผลกระทบมากที่สุดในด้าน machine learning การจำลองระบบธรรมชาติ และการสร้างวัสดุใหม่ที่มีประโยชน์

IBM® กำลังสำรวจอุตสาหกรรมที่การประมวลผลเชิงควอนตัมคาดว่าจะมีโอกาส ภาพด้านล่างแสดงกรณีการใช้งานหลายรายการสำหรับอุตสาหกรรมต่างๆ และส่วนต่อไปนี้ของบทเรียนนี้อธิบายว่าพันธมิตรบางรายกำลังสำรวจกรณีการใช้งานเหล่านี้อย่างไร

Use Cases

การกระจายสินค้าและโลจิสติกส์

เมื่อคุณนึกถึงซูเปอร์คอมพิวเตอร์ คุณอาจนึกถึงห้องแล็บระดับชาติ แต่คุณรู้ไหมว่าซูเปอร์คอมพิวเตอร์ที่ใหญ่ที่สุดแห่งหนึ่งดำเนินการโดย Walmart? ดังที่บทความของ McKinsey ชี้ให้เห็น การเดินทาง การขนส่ง และโลจิสติกส์แสดงศักยภาพสำหรับการประมวลผลเชิงควอนตัม

ระบบคอมพิวเตอร์ขนาดใหญ่ที่สุดหลายระบบทุ่มเทให้กับการแก้ปัญหาการปรับให้เหมาะสมและ AI ในอุตสาหกรรมสายการบิน โลจิสติกส์ ค้าปลีก และสินค้าอุปโภคบริโภค ปัญหาการปรับให้เหมาะสมและการจำลองสถานการณ์ที่มีขนาดใหญ่และซับซ้อนเกิดขึ้นในการวางแผนเครือข่าย การกำหนดเส้นทาง การจัดตารางเวลา การกำหนดราคา การบรรทุกสินค้า และการจัดการการหยุดชะงัก การมอบประสบการณ์ที่น่าจดจำให้ลูกค้าด้วยการนำเสนอเนื้อหาแบบส่วนตัวและการให้คำแนะนำที่ทันเวลาและเกี่ยวข้องนั้นขับเคลื่อนโดยโมเดล AI ที่พัฒนาอย่างต่อเนื่อง อย่างไรก็ตาม ปัญหาความซับซ้อนมักจะขยายตัวแบบยกกำลังตามขนาดปัญหา

NC State ร่วมกับ Delta Air Lines สืบสวนการประยุกต์ใช้เทคโนโลยีควอนตัมกับการปรับตารางการจัดสรรประตูสายการบิน กรณีการใช้งานที่มีศักยภาพสำหรับสายการบิน ได้แก่ การจำลองการจัดการการหยุดชะงักที่มีประสิทธิภาพมากขึ้น การวางแผนเครือข่ายสายการบิน และการปรับให้เหมาะสมของปริมาณสินค้าทางอากาศ

Quantum computing use cases for airlines

สำหรับอุตสาหกรรมโลจิสติกส์ที่กำลังเผชิญกับการเร่งตัวอย่างมีนัยสำคัญในการค้าออนไลน์ คอมพิวเตอร์ควอนตัมอาจสามารถสนับสนุนการปรับเส้นทางทั่วโลกให้เหมาะสมและการปรับให้เหมาะสมใหม่บ่อยครั้งเพื่อสร้างบริการขนส่งหลายรูปแบบที่มีกำไรและบริการส่งของไมล์สุดท้าย การประมวลผลเชิงควอนตัมอาจช่วยจำลองผลกระทบของการหยุดชะงักด้านโลจิสติกส์ด้วยความแม่นยำที่ดีขึ้น และสนับสนุนกระบวนการโลจิสติกส์ที่ยั่งยืน เช่น การปรับให้เหมาะสมในการขนส่งทางตู้คอนเทนเนอร์

โซลูชันแบบผสมผสานระหว่างคลาสสิกและควอนตัมอาจปรับปรุงการสร้างโปรไฟล์ลูกค้าและการแนะนำการดำเนินการที่ดีที่สุดถัดไปที่เกี่ยวข้องสำหรับอุตสาหกรรมค้าปลีกและสินค้าอุปโภคบริโภค การสร้างสรรค์ผลิตภัณฑ์ใหม่อย่างต่อเนื่องเป็นปัจจัยสำคัญสำหรับอุตสาหกรรมเหล่านี้ และการประมวลผลเชิงควอนตัมอาจมีบทบาทสำคัญในการพัฒนาและทดสอบผลิตภัณฑ์ใหม่ การปรับให้เหมาะสมของห่วงโซ่อุปทานอาจสนับสนุนความพยายามของบริษัทในการรับมือกับความซับซ้อนและจัดการสมดุลระหว่างการขาดแคลนสินค้าคงคลังและส่วนเกินได้ดีขึ้น

คอมพิวเตอร์ควอนตัมเป็นเครื่องมือในการมองปัญหาเหล่านี้ในรูปแบบใหม่ นักวิทยาศาสตร์ยังคงทดลองหาอัลกอริทึมที่ดีกว่าเพื่อนำมาใช้กับปัญหาเหล่านี้ ในการเตรียมพร้อมสำหรับการประมวลผลเชิงควอนตัมเชิงพาณิชย์ บริษัทชั้นนำกำลังระบุและทดสอบกรณีการใช้งานที่สร้างความสามารถด้านควอนตัมภายในองค์กร ยิ่งออกแบบกรณีการใช้งานได้ดีเท่าไหร่ ก็ยิ่งมีโอกาสมากขึ้นที่จะสร้างมูลค่าทางธุรกิจ ตัวอย่างเช่น กรณีการใช้งานในการคลายความยุ่งเหยิงของการหยุดชะงักในตารางการบินและพนักงาน กรณีการใช้งานนี้แสดงศักยภาพเพราะมีโอกาสที่จะเสนอโซลูชันที่เป็นเกมเชนเจอร์สำหรับปัญหาธุรกิจหลักในอนาคต มีทางเลือกคลาสสิกที่มีอยู่แม้จะยังไม่ดีพอ และอัลกอริทึมควอนตัมได้แสดงให้เห็นแล้วว่ามีประสิทธิภาพในการเลือกสถานการณ์ที่ดีที่สุดในการจำลอง Monte Carlo ที่ใช้ในการธนาคารและการเงิน กรณีการใช้งานเชิงกลยุทธ์เช่นนี้คำนึงถึงความเป็นไปได้ทางเทคนิคในระยะใกล้ พิจารณาศักยภาพของเทคโนโลยีการประมวลผลเชิงควอนตัมที่จะเหนือกว่าทางเลือกคลาสสิก และประเมินผลกระทบทางธุรกิจที่คาดการณ์ไว้ ซึ่งกำหนดโดยผลลัพธ์ตลาด ผลกระทบด้านการแข่งขัน และผลกระทบทางการเงิน สำหรับปัญหาธุรกิจหลักบางประการ แม้แต่ข้อได้เปรียบเล็กน้อยก็อาจมีผลกระทบที่สำคัญ

อ่านเพิ่มเติม

ดูแหล่งข้อมูลเหล่านี้เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับกรณีการใช้งานการประมวลผลเชิงควอนตัมในอุตสาหกรรมค้าปลีกและสินค้าอุปโภคบริโภค รวมถึงการเดินทางและการขนส่ง

บริการทางการเงิน

ธนาคาร ตลาดการเงิน และบริษัทประกันภัยมุ่งเน้นการจัดการความเสี่ยง บริษัทการเงินยักษ์ใหญ่อย่าง JPMorgan Chase และ Goldman Sachs หวังว่าการประมวลผลเชิงควอนตัมจะให้ความได้เปรียบในการคำนวณความน่าจะเป็น ช่วยให้พวกเขาจัดการภัยคุกคามและโอกาสที่เกี่ยวข้องกับพอร์ตการลงทุนได้ดียิ่งขึ้น คอมพิวเตอร์ควอนตัมยังอาจช่วยให้ผู้เชี่ยวชาญด้านการเงินปรับปรุงการจำลอง Monte Carlo ซึ่งเป็นโมเดลทางคณิตศาสตร์ที่ทำนายผลลัพธ์ที่เป็นไปได้ของต้นไม้การตัดสินใจที่ซับซ้อนเพื่อเพิ่มกำไรสูงสุด ด้านอื่นๆ ของการทดลองควอนตัม ได้แก่ การตรวจจับการฉ้อโกง การป้องกันการฟอกเงิน การให้คะแนนเครดิต การสร้างโปรไฟล์ลูกค้าที่แม่นยำ การจัดการความเสี่ยงที่มีประสิทธิภาพมากขึ้น และการปรับโมเดลการกำหนดราคาให้เหมาะสม

นักวิจัย IBM พัฒนาอัลกอริทึมควอนตัมที่ทำงานได้ดีกว่าแนวทางดั้งเดิมของการสุ่มตัวอย่าง Monte Carlo ในการจำลอง Monte Carlo คอมพิวเตอร์จะสุ่มตัวอย่างจำนวนมากจากการกระจายความน่าจะเป็นที่กำหนดเพื่อดูว่าผลลัพธ์ใดน่าจะเป็นไปได้มากที่สุด การลดข้อผิดพลาดในผลลัพธ์ที่ทำนายของการจำลอง Monte Carlo ลงด้วยปัจจัย 1/X1/X ต้องการตัวอย่างแบบดั้งเดิมเพิ่มขึ้น X2X^2 เท่า แต่ต้องการตัวอย่างควอนตัมเพิ่มขึ้นเพียง XX เท่า คุณสามารถมองผลกระทบของข้อความนี้ได้สองแบบ: (1) คุณสามารถไปถึงระดับความเชื่อมั่นที่กำหนดได้เร็วกว่าด้วยคอมพิวเตอร์ควอนตัม หรือ (2) สำหรับเวลาที่กำหนด คอมพิวเตอร์ควอนตัมสามารถให้ความเชื่อมั่นในคำตอบได้มากกว่าโซลูชัน Monte Carlo แบบคลาสสิก

Quadratic speedup over Monte Carlo

ตามรายงาน "Getting Your Financial Institution Ready for the Quantum Computing Revolution" ของ IBM Institute for Business Value สถาบันการเงินสำรวจการประมวลผลเชิงควอนตัมเพื่อเร่งการคำนวณที่ซับซ้อนอย่างมากและปรับปรุงความแม่นยำ เพื่อจุดประสงค์นี้ นักวิจัย IBM ได้สร้างเครื่องจำลองการเงินควอนตัมสำหรับการกำหนดราคาออปชัน โดยใช้เครื่องมือซอฟต์แวร์และอัลกอริทึมควอนตัมที่พัฒนาโดย IBM เพื่อกำหนดราคาออปชันที่ขยายขนาดได้ดีกว่าวิธีการดั้งเดิม สมาชิกของ IBM Quantum® Network ทดลองกับการเงินและการประมวลผลเชิงควอนตัม

JPMorgan Chase ร่วมมือกับ IBM Quantum เพื่อทำนายราคาของออปชันทางการเงิน และเพื่อปรับปรุงการตรวจจับการฉ้อโกงและการกำหนดความน่าเชื่อถือด้านเครดิต

PayPal ร่วมมือกับ IBM เพื่อหาวิธีใช้การประมวลผลเชิงควอนตัมสำหรับการตรวจจับการฉ้อโกง การดำเนินงานด้านความเสี่ยงด้านเครดิต และความปลอดภัยโดยรวม

HSBC กำลังทำงานร่วมกับ IBM เพื่อเร่งความพร้อมด้านการประมวลผลเชิงควอนตัม HSBC วางแผนที่จะสำรวจการใช้การประมวลผลเชิงควอนตัมสำหรับการกำหนดราคาและการปรับพอร์ตโฟลิโอให้เหมาะสม เพื่อเดินหน้าสู่เป้าหมาย net zero และเพื่อลดความเสี่ยงและกิจกรรมการฉ้อโกง อ่านเพิ่มเติมได้ที่บทความนี้: "HSBC Working with IBM to Accelerate Quantum Computing Readiness."

อ่านเพิ่มเติม

  • สำรวจกรณีการใช้งานการประมวลผลเชิงควอนตัมสำหรับบริการทางการเงินโดยอ่านรายงานจาก IBM Institute for Business Value: "Exploring Quantum Computing Use Cases for Financial Services."

  • สำหรับภาพรวมของวิธีการทางเทคนิคของการประมวลผลเชิงควอนตัมที่ใช้ได้กับการเงิน อ้างอิงบทความนี้โดยทีม IBM Quantum ที่ตีพิมพ์ใน IEEE Transactions of Quantum Engineering: "Quantum Computing for Finance: State-of-the-Art and Future Prospects."

การดูแลสุขภาพและวิทยาศาสตร์ชีวิต

มีปัญหาที่ต้องการการประมวลผลอย่างเข้มข้นหลากหลายในภาคนี้ ซึ่งขับเคลื่อนโดยข้อมูลในโลกจริงและข้อมูลจีโนมที่เพิ่มขึ้นอย่างมากซึ่งการประมวลผลแบบดั้งเดิมไม่สามารถรับมือได้อย่างเพียงพอ

ในด้านการดูแลสุขภาพ การประมวลผลเชิงควอนตัมอาจช่วยแก้ปัญหาที่ซับซ้อนในการวินิจฉัยโรค การแพทย์แบบเฉพาะบุคคล และการกำหนดราคาประกัน

ในด้านวิทยาศาสตร์ชีวิต การประมวลผลเชิงควอนตัมอาจส่งเสริมการค้นพบยาใหม่และโครงสร้างโปรตีน

บทบาทหลักของโครงสร้างโปรตีนสามมิติ (3D) ในการค้นพบยาได้รับการศึกษามาหลายปี การทำนายโครงสร้าง 3D จากลำดับหลักของกรดอะมิโนเป็นที่รู้จักในชื่อปัญหาการพับโปรตีน นักวิจัย IBM แสดงให้เห็นว่าการประมวลผลเชิงควอนตัมสามารถใช้จัดการปัญหานี้ได้อย่างไร

Cleveland Clinic กำลังเป็นพันธมิตรกับ IBM โดยมีภารกิจในการเร่งความก้าวหน้าของการค้นพบในด้านการดูแลสุขภาพและวิทยาศาสตร์ชีวิตอย่างพื้นฐานผ่านการใช้การประมวลผลประสิทธิภาพสูงบน hybrid cloud ปัญญาประดิษฐ์ (AI) และเทคโนโลยีการประมวลผลเชิงควอนตัม อ่านเพิ่มเติมได้ที่: "Cleveland Clinic and IBM Unveil Landmark 10-Year Partnership to Accelerate Discovery in Healthcare and Life Sciences."

Amgen ร่วมกับ IBM Quantum สำรวจ quantum machine learning สำหรับการสร้างแบบจำลองสุขภาพประชากรโดยอ้างอิงจากบันทึกสุขภาพอิเล็กทรอนิกส์ อ่านเพิ่มเติมได้ที่: "Quantum Kernels for Real-World Predictions Based on Electronic Health Records."

อ่านเพิ่มเติม

  • สำรวจกรณีการใช้งานการประมวลผลเชิงควอนตัมสำหรับการดูแลสุขภาพในรายงานจาก IBM Institute for Business Value: "Exploring Quantum Computing Use Cases for Healthcare."

  • สำรวจกรณีการใช้งานการประมวลผลเชิงควอนตัมสำหรับวิทยาศาสตร์ชีวิตโดยอ่านข้อมูลเชิงลึกจาก IBM Institute for Business Value: "Exploring Quantum Computing Use Cases for Life Sciences."

การผลิตอุตสาหกรรมแบบไม่ต่อเนื่อง

การผลิตอาจกลายเป็นผู้รับประโยชน์รายแรกๆ จากการประมวลผลเชิงควอนตัม กรณีการใช้งานในด้านเคมีและวัสดุ รวมถึงการประยุกต์ใช้การปรับให้เหมาะสมในการวางแผนการผลิต การผลิต โลจิสติกส์และห่วงโซ่อุปทาน รวมถึง machine learning สำหรับการควบคุมคุณภาพ ล้วนเป็นพื้นที่ที่มีศักยภาพที่การประมวลผลเชิงควอนตัมอาจมีผลกระทบ กราฟิกนี้แสดงการจัดหมวดหมู่ของกรณีการใช้งานการประมวลผลเชิงควอนตัมที่มีศักยภาพในการผลิต

Potential quantum computing use cases

บริษัทหลายแห่งกำลังสำรวจการประยุกต์ใช้การประมวลผลเชิงควอนตัมที่มีศักยภาพในการผลิตอวกาศ ยานยนต์ และอิเล็กทรอนิกส์

การประยุกต์ใช้ควอนตัมในอวกาศและการป้องกันประเทศ ได้แก่ การปรับเส้นทางบิน ไดนามิกของไหลเชิงการคำนวณ และการพัฒนาวัสดุ

อุตสาหกรรมยานยนต์อาจได้รับประโยชน์จากการประมวลผลเชิงควอนตัมในหลากหลายด้าน เช่น การออกแบบและพัฒนาแบตเตอรี่ใหม่ การตรวจสอบและตรวจพิสูจน์ซอฟต์แวร์ ระบบอัตโนมัติในโรงงาน การควบคุมคุณภาพ และระบบช่วยเหลือผู้ขับขี่ขั้นสูง Daimler Mercedes-Benz ใช้การประมวลผลเชิงควอนตัมในการปรับโลจิสติกส์การขนส่งและเคมีของแบตเตอรี่ยานยนต์ให้เหมาะสม Ben Boeser ผู้อำนวยการด้านนวัตกรรมของหน่วย R&D ในอเมริกาเหนือของบริษัท กล่าวว่าการพัฒนาและทำให้เทคโนโลยีแบตเตอรี่ที่มีความหนาแน่นพลังงานสูงขึ้นสมบูรณ์อาจ "ปลดล็อกโอกาสมูลค่าพันล้านดอลลาร์" การจำลองคุณสมบัติและพฤติกรรมระดับโมเลกุลต่างๆ ทั้งหมดนั้นเกินกว่าพลังการประมวลผลปัจจุบันแม้แต่ซูเปอร์คอมพิวเตอร์ในปัจจุบัน การประมวลผลเชิงควอนตัมเสนอแนวทางที่เป็นไปได้ในการเร่งกระบวนการจำลอง Boeser ตั้งข้อสังเกตว่า "กระบวนการหลายปีในการทดสอบและตรวจสอบเทคโนโลยีแบตเตอรี่ใหม่อาจแปลเป็นโอกาสที่พลาดไปในตลาดหากงานนี้ล่าช้า" ซึ่งเป็นเหตุผลที่ Daimler Mercedes-Benz ทำงานร่วมกับ IBM Quantum เพื่อใช้ประโยชน์จากควอนตัมสำหรับการวิจัยแบตเตอรี่เมื่อเทคโนโลยีก้าวหน้าขึ้น

ในอิเล็กทรอนิกส์ การประมวลผลเชิงควอนตัมอาจปรับปรุงปริมาณงานการผลิตด้วยการจัดตารางโรงงานแบบไดนามิกที่ซับซ้อน ปรับประสิทธิภาพผลิตภัณฑ์ เช่น ประสิทธิภาพ พลังงาน และพื้นที่ของชิป และแม้กระทั่งเร่งการนำวัสดุขั้นสูงออกสู่ตลาดด้วยการจำลองโมเลกุลที่ใหญ่กว่าและแม่นยำกว่า JSR กำลังเป็นพันธมิตรกับ IBM Quantum เพื่อสำรวจว่าการประมวลผลเชิงควอนตัมสามารถส่งเสริมการวิจัยชิปเซมิคอนดักเตอร์ได้อย่างไร โดยเฉพาะในการพัฒนาและผลิต photoresists

อ่านเพิ่มเติม

  • อ่านรายงาน IBM Institute for Business Value เกี่ยวกับวิธีที่การประมวลผลเชิงควอนตัมอาจช่วยอุตสาหกรรมอิเล็กทรอนิกส์ในการพัฒนาวัสดุ การออกแบบผลิตภัณฑ์ และการผลิตที่ชาญฉลาดกว่า: "Exploring Quantum Computing Use Cases for Electronics."
  • Daimler-Benz กำลังสำรวจว่าการประมวลผลเชิงควอนตัมสามารถส่งเสริมการพัฒนาวัสดุใหม่สำหรับแบตเตอรี่ ปรับปรุงเทคนิคการผลิตยานยนต์ และเพิ่มประสบการณ์ผลิตภัณฑ์ได้อย่างไร

การผลิตกระบวนการอุตสาหกรรม

"เรารู้ดีในใจเราว่ามีความท้าทายระดับโลกที่ยิ่งใหญ่ที่เราจะต้องรับมือในอนาคตอันใกล้ เมื่อการประมวลผลเชิงควอนตัมขยายตัวจนสร้างการเปลี่ยนแปลงอย่างสิ้นเชิง เราจะพร้อม" Dr. Vijay Swarup รองประธานฝ่ายวิจัยและพัฒนาที่ ExxonMobil กล่าว ExxonMobil และ IBM ร่วมกันสาธิตความก้าวหน้าในการใช้คอมพิวเตอร์ควอนตัมเพื่อคำนวณปริมาณที่สังเกตได้ทางอุณหพลศาสตร์อย่างแม่นยำ แสดงให้เห็นว่าควอนตัมสามารถเป็นเครื่องมือรุ่นต่อไปสำหรับนักเคมีและวิศวกรเคมีที่พัฒนาโซลูชันพลังงานขั้นสูงได้อย่างไร กรณีการใช้งานสำหรับ ExxonMobil ไม่ได้จบแค่นั้น เพราะพวกเขามุ่งมั่นที่จะแก้ปัญหาพลังงานที่ซับซ้อน ดูว่าExxonMobil ใช้คอมพิวเตอร์ควอนตัมเพื่อขนส่งเชื้อเพลิงที่สะอาดขึ้นอย่างไร

IBM กำลังทำงานร่วมกับ Mitsubishi Chemical ซึ่งเป็นพันธมิตร IBM Quantum Network ผ่าน IBM Quantum Keio Hub บนการประยุกต์ใช้ควอนตัมที่มีศักยภาพหลากหลาย สิ่งพิมพ์ปี 2019 ของพวกเขา "Computational Investigations of the Lithium Superoxide Dimer Rearrangement on Noisy Quantum Devices" อาจเป็นพื้นฐานสำหรับการพัฒนาแบตเตอรี่ในอนาคต บทความ EE Times "Battery Research Advances Quantum Computing Capabilities," ให้ข้อมูลเพิ่มเติมเกี่ยวกับงานวิจัยนี้ ซึ่งตามมาด้วยงานวิจัยอีกสองชิ้นอย่างรวดเร็ว — ชิ้นหนึ่งเกี่ยวกับ "Applications of Quantum Computing for Investigations of Electronic Transitions in Phenylsulfonyl-Carbazole TADF Emitters" และอีกชิ้นเกี่ยวกับ "Quantum-Classical Computational Molecular Design of Deuterated High-Efficiency OLED Emitters." ภารกิจของพวกเขาคือการสร้างแบบจำลองและวิเคราะห์โครงสร้างระดับโมเลกุลเชิงลึกของวัสดุ OLED ใหม่ที่มีศักยภาพ

อ่านเพิ่มเติม

ดูแหล่งข้อมูลที่ระบุไว้ที่นี่เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่คอมพิวเตอร์ควอนตัม IBM กำลังส่งผลกระทบต่ออุตสาหกรรมเหล่านี้

สาธารณูปโภค

"สาธารณูปโภคมีบทบาทสำคัญในการช่วยให้อุตสาหกรรม บริษัท และผู้บริโภคบรรลุเป้าหมาย net-zero" Gregor Pillen ผู้จัดการทั่วไป IBM DACH กล่าว "อย่างไรก็ตาม การบรรลุเป้าหมายนั้นต้องการเทคโนโลยีที่ซับซ้อนเพื่อช่วยให้สาธารณูปโภคสามารถทำนายและปรับตารางการจ่ายไฟได้ดียิ่งขึ้นเพื่อตอบสนองความต้องการ รวมถึงเพิ่มการใช้พลังงานสะอาดและพลังงานหมุนเวียน การประมวลผลเชิงควอนตัมเสนอความสามารถในการคำนวณเพื่อช่วยให้สาธารณูปโภครับมือกับอนาคตที่ยั่งยืนยิ่งขึ้นนี้"

ในฐานะส่วนหนึ่งของความพยายามลดคาร์บอน E.ON ได้ร่วมมือกับ IBM เพื่อสำรวจศักยภาพของการประมวลผลเชิงควอนตัมในการปรับโครงสร้างพื้นฐานพลังงานแบบกระจายศูนย์ที่เพิ่มขึ้นของโลกให้เหมาะสม "คุณเสียบรถยนต์ไฟฟ้าเพื่อชาร์จแบตเตอรี่ และคุณอาจมีแผงโซลาร์เซลล์ที่จ่ายไฟให้บ้านและรถ แต่คุณจะขายพลังงานส่วนเกินนั้นให้เพื่อนบ้านได้ไหม? ทำไมคุณต้องรับพลังงานจากระยะทางหลายพันกิโลเมตรที่ผลิตในโรงไฟฟ้าที่เผาก๊าซ?" Corey O'Meara หัวหน้าด้าน quantum computing เทคโนโลยีดิจิทัลของ E.ON ตั้งคำถาม (ดู "IBM Panel Highlights Quantum Role in Sustainability") อัลกอริทึมการประมวลผลเชิงควอนตัมอาจเป็นกุญแจสำคัญในการจัดการความซับซ้อนที่เกิดขึ้นเมื่อมีการเชื่อมต่อสินทรัพย์เพิ่มเติมเข้ากับระบบสายส่งไฟฟ้า

ศักยภาพของการประมวลผลเชิงควอนตัมในการช่วยค้นพบวัสดุใหม่ที่ออกแบบมาเพื่อปรับปรุงการผลิต การส่ง และการเก็บพลังงาน เป็นเหตุผลหนึ่งที่ bp จับมือกับ IBM Quantum เพื่อบรรลุเป้าหมาย net-zero

Woodside Energy พันธมิตรของ IBM กำลังทดลองอัลกอริทึมใหม่เพื่อลดค่าใช้จ่ายในการถ่ายโอนข้อมูลระหว่างระบบคลาสสิกและควอนตัม ทำให้เป็นไปได้ที่จะใช้ quantum kernels กับข้อมูลสตรีม

ในอุตสาหกรรมโทรคมนาคม การประมวลผลเชิงควอนตัมแสดงศักยภาพในการนำเสนอโซลูชันสำหรับการกำหนดเส้นทางการจราจรเครือข่ายและการปรับสมดุลโหลดงาน การบริโภค GHG/พลังงาน และการแบ่งกลุ่มลูกค้าตามบริบท Vodafone กำลังร่วมมือกับ IBM Quantum เพื่อช่วยตรวจสอบและพัฒนากรณีการใช้งานควอนตัมที่มีศักยภาพในโทรคมนาคม

อ่านเพิ่มเติม

  • อ่านรายงาน McKinsey เกี่ยวกับวิธีที่การประมวลผลเชิงควอนตัมอาจเร่งการพัฒนาเทคโนโลยีสภาพอากาศเพื่อเปลี่ยนแปลงการต่อสู้กับการเปลี่ยนแปลงสภาพอากาศ: "Quantum Computing Might Just Save the Planet."

สรุปสาระสำคัญ

การประมวลผลเชิงควอนตัมคาดว่าจะส่งผลกระทบอย่างแรงในภาคเคมีและปิโตรเลียม การกระจายสินค้าและโลจิสติกส์ บริการทางการเงิน การดูแลสุขภาพและวิทยาศาสตร์ชีวิต และภาคการผลิต

ตัวอย่างการประยุกต์ใช้การประมวลผลเชิงควอนตัม ได้แก่:

  • การจำลองไดนามิกส์ควอนตัมเพื่อส่งเสริมการค้นพบวัสดุ
  • การจัดการความเสี่ยงและโอกาสที่เกี่ยวข้องกับพอร์ตการลงทุนทางการเงิน
  • การค้นพบยาใหม่และโครงสร้างโปรตีน
  • การปรับระบบพลังงานแบบกระจายศูนย์ให้เหมาะสม

การประมวลผลเชิงควอนตัมสามารถช่วยแก้การประยุกต์ใช้ที่เกี่ยวข้องกับ

  • การจำลองธรรมชาติ
  • ปัญญาประดิษฐ์
  • การปรับให้เหมาะสม

ผู้นำทางธุรกิจควรเตรียมพร้อมสำหรับเทคโนโลยีใหม่นี้โดยการประเมินความพร้อมตอนนี้ ซึ่งทำได้โดยการระบุผู้สนับสนุนด้านการประมวลผลเชิงควอนตัม การประเมินว่าพื้นที่ใดของธุรกิจที่อาจได้รับผลกระทบจากการประมวลผลเชิงควอนตัม การพัฒนาชุดทักษะที่เหมาะสม และการทดลองกับคอมพิวเตอร์ควอนตัมจริง ไปต่อที่โมดูลถัดไปเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับทรัพยากรการประมวลผลเชิงควอนตัมของ IBM และวิธีที่องค์กรของคุณสามารถเตรียมความพร้อมด้านควอนตัมได้

Source: IBM Quantum docs — updated 5 พ.ค. 2569
English version on doQumentation — updated 7 พ.ค. 2569
This translation based on the English version of 7 พ.ค. 2569