Jeden centymetr kwadratowy kontra superkomputer. Polacy w zespole, który udowodnił przewagę kwantową

Rok 2019. W laboratorium D-Wave Systems pod Vancouver inżynierowie wpatrują się w surowe dane z najnowszego procesora kwantowego Advantage. Ma 5640 kubitów — rekord, którym firma chwali się w komunikacie prasowym. Ale Andy King, fizyk prowadzący eksperymenty, widzi coś więcej niż marketingową liczbę. Widzi wzór. Krzywą, która zachowuje się tak, jak przewiduje równanie Schrödingera — fundamentalne prawo mechaniki kwantowej, zapisane sto lat temu przez Austriaka z charakterystycznymi okularami. Sześć lat później, w lipcu 2025 roku, wynik tych obserwacji trafia na łamy Science. Komunikat jest jednoznaczny: procesor kwantowy D-Wave dokonał obliczeń, których najlepsze superkomputery i algorytmy tensorowe nie były w stanie powtórzyć w rozsądnym czasie. Po raz pierwszy w historii maszyna kwantowa — ta sama, którą można kupić za kilka milionów dolarów — przekroczyła granicę tego, co osiągalne klasycznie. Nie w sztucznie spreparowanym teście. W prawdziwym problemie fizycznym. W symulacji materii kwantowej, która od dziesięcioleci stanowiła Świętego Graala fizyki obliczeniowej.

Jeden centymetr kwadratowy kontra superkomputer

Sercem eksperymentu nie jest abstrakcyjny algorytm na tablicy. To fizyczny układ nadprzewodzący, schłodzony do temperatury 15 milikelwinów — zimniejszy niż przestrzeń międzygwiazdowa. Na powierzchni kilku centymetrów kwadratowych mieszczą się setki pętli niobu, z których każda może znajdować się w superpozycji dwóch stanów kwantowych. Razem tworzą one programowalny układ, który pod kontrolą zewnętrznego pola magnetycznego ewoluuje zgodnie z hamiltonianem Isinga — modelem opisującym oddziaływania między spinami w szkle spinowym.

Problem, który King i jego 62 współautorów postawili przed procesorem, był klasycznym koszmarem obliczeniowym: symulacja kwantowego wygaszania (quantum quench) w trójwymiarowym szkle spinowym. W uproszczeniu: wyobraźmy sobie sieć miliona magnesów, z których każdy oddziałuje z sąsiadami w sposób częściowo losowy. Gdy nagle zmieniamy pole magnetyczne, układ ewoluuje, produkując splątanie kwantowe między spinami. Dla komputera klasycznego śledzenie tej ewolucji oznacza wykładniczo rosnącą złożoność — każdy dodatkowy spin podwaja przestrzeń stanów.

Tymczasem procesor kwantowy D-Wave nie musi symulować tej ewolucji — on ją realizuje. Fizycznie. W tym samym czasie, w którym superkomputer MPS (matrix product state) potrzebowałby miesięcy na przybliżone rozwiązanie, kwantowy annealer zwraca próbki zgodne z równaniem Schrödingera w mikrosekundach.

Kluczowym odkryciem zespołu było potwierdzenie, że splątanie w symulowanym układzie podlega prawu powierzchniowemu (area-law scaling). Oznacza to, że ilość splątania nie rośnie z objętością układu, tylko z jego powierzchnią — co paradoksalnie ułatwia procesorowi kwantowemu zadanie i jednocześnie tłumaczy, dlaczego metody klasyczne wciąż jako-tako działały dla mniejszych układów. Problem polega na tym, że dla układów wielkoskalowych — takich, które mają znaczenie praktyczne — nawet metody tensorowe i sieci neuronowe zaczynają odstawać. Procesor Advantage2, użyty w eksperymencie, pokonał je wszystkie.

O tym, jak fundamentalne jest to odkrycie, świadczy sposób, w jaki zespół je zweryfikował. Porównali wyniki annealera z aż pięcioma różnymi podejściami klasycznymi: sieciami tensorowymi MPS, metodą time-dependent variational principle (TDVP), sieciami neuronowymi (neural quantum states), symulacjami Monte Carlo i algorytmem belief propagation. Żadne z nich nie osiągnęło dokładności procesora kwantowego w rozsądnym czasie. Kluczowe słowo: rozsądnym. Metody klasyczne teoretycznie mogłyby osiągnąć tę samą precyzję, ale czas potrzebny na obliczenia rósł tak szybko z rozmiarem układu — właśnie według skalowania stretched-exponential — że dla największych testowanych układów żaden superkomputer nie dałby rady.

Rys. 1. Porównanie czasu obliczeń: procesor kwantowy D-Wave Advantage2 kontra najlepsze metody klasyczne (MPS, TDVP, sieci neuronowe). Oś pionowa w skali logarytmicznej. Źródło: King A. et al., Beyond-classical computation in quantum simulation, Science (2025), DOI: 10.1126/science.ado6285.

To nie jest teoretyczny dowód wyższości kwantowej w rodzaju eksperymentu Google z 2019 roku (o którym zresztą kilka miesięcy później chińscy naukowcy pokazali, że da się go odtworzyć klasycznie). To praktyczna demonstracja na rzeczywistym problemie fizycznym — symulacji materii kwantowej — który interesuje naukowców niezależnie od tego, czy wierzą w komputery kwantowe.

Jest w tym pewna ironia. D-Wave przez lata była krytykowana przez środowisko akademickie za to, że jej annealery nie są "prawdziwymi" komputerami kwantowymi — w przeciwieństwie do maszyn bramkowych Google czy IBM. Tymczasem to właśnie annealer D-Wave jako pierwszy dostarczył praktyczny dowód, że fizyczny układ nadprzewodzący może przeprowadzić obliczenie poza klasycznym zasięgiem. Nie poprzez uniwersalną korekcję błędów, której nikt jeszcze nie opanował w skali produkcyjnej. Poprzez bezpośrednie wykorzystanie fizyki.

Wyścig, który zmienia architekturę obliczeń

Praca ukazała się w momencie, gdy rynek obliczeń kwantowych przechodzi z fazy laboratoryjnej do wczesnej komercjalizacji. D-Wave, notowana na NYSE od 2022 roku, sprzedaje swoje procesory klientom takim jak Lockheed Martin, Google (przed budową własnego układu), Los Alamos National Laboratory i Volkswagen. Cena pojedynczej maszyny to około 15 milionów dolarów. Rynek obliczeń kwantowych — obejmujący annealery D-Wave, komputery bramkowe IBM, Google, IonQ, Rigetti i Quantinuum — ma według McKinsey osiągnąć wartość 850 miliardów dolarów do 2040 roku.

Ale sedno pracy Kinga i zespołu nie leży w komercyjnym sukcesie jednej firmy. Leży w architektonicznym przesunięciu, które ta praca dokumentuje. Przez dekady postęp obliczeniowy oznaczał szybsze tranzystory. Teraz oznacza fundamentalnie inny sposób liczenia — taki, w którym natura wykonuje obliczenia za nas.

Annealing kwantowy, technologia D-Wave, działa inaczej niż komputery bramkowe IBM czy Google. Zamiast wykonywać sekwencję bramek logicznych na kubitach, annealer koduje problem w krajobrazie energetycznym układu fizycznego i pozwala mu naturalnie osiąść w stanie o najniższej energii, który reprezentuje rozwiązanie. To podejście ma ograniczenia — nie każdy problem da się tak zakodować — ale dla problemów optymalizacyjnych i symulacji materii kwantowej jest zaskakująco skuteczne.

Rys. 2. Fizyczna realizacja eksperymentu — widok układu nadprzewodzącego D-Wave Advantage2. 5640 kubitów w temperaturze 15 mK, kontrolowanych zewnętrznym polem magnetycznym. Źródło: King A. et al., Science (2025), DOI: 10.1126/science.ado6285.

Rys. 3. Ewolucja splątania kwantowego w symulowanym szkle spinowym. Ilość splątania podlega prawu powierzchniowemu (area-law) — rośnie z powierzchnią, nie objętością układu — co tłumaczy skuteczność procesora kwantowego. Źródło: King A. et al., Science (2025), DOI: 10.1126/science.ado6285.

Współautorzy pracy podkreślają, że ich wyniki nie oznaczają końca obliczeń klasycznych. Metody tensorowe, sieci neuronowe i symulacje Monte Carlo pozostaną niezbędne jeszcze przez lata — zwłaszcza do weryfikacji wyników kwantowych. Ale po raz pierwszy mamy twardy dowód, że dla konkretnej, nietrywialnej klasy problemów fizycznych, architektura kwantowa osiąga rezultat poza zasięgiem równoważnych czasowo metod klasycznych. Stretched-exponential scaling — matematyczny termin opisujący, jak wysiłek obliczeniowy klasycznych algorytmów rośnie z rozmiarem problemu — został empirycznie potwierdzony.

Eksperyment ma też znaczenie praktyczne wykraczające poza fizykę teoretyczną. Szkła spinowe to nie tylko akademicki model — to matematyczny szkielet problemów optymalizacyjnych, które pojawiają się wszędzie: od trasowania logistyki, przez projektowanie leków (protein folding), po optymalizację portfeli finansowych. Jeśli annealer D-Wave radzi sobie z najtrudniejszym wariantem tego problemu — symulacją kwantowej dynamiki — to istnieje realna ścieżka do zastosowań komercyjnych w ciągu najbliższych 3-5 lat, a nie dekad, jak wcześniej prognozowano. Volkswagen używa już annealerów D-Wave do optymalizacji tras taksówek w Pekinie i Barcelonie. Różnica między tamtymi wdrożeniami a obecną pracą polega na tym, że po raz pierwszy mamy naukowy dowód, że maszyna robi coś, czego nie da się zastąpić zwykłym serwerem.

Kraków w kwantowej układance

Wśród sześćdziesięciu trzech nazwisk na liście autorów dwie należą do Polaków: Marek M. Rams i Jacek Dziarmaga z Uniwersytetu Jagiellońskiego. Ich obecność na łamach Science w tej konkretnej pracy nie jest przypadkiem — to efekt dwudziestu lat budowania kompetencji w dziedzinie, którą przez długi czas uważano za niszową.

Zespół Dziarmagi na UJ od lat specjalizuje się w numerycznych symulacjach układów kwantowych, ze szczególnym uwzględnieniem przejść fazowych i dynamiki nierównowagowej — dokładnie tych zjawisk, które procesor D-Wave miał za zadanie modelować. Rams, którego prace nad sieciami tensorowymi (MPS — matrix product states) są cytowane setki razy, był jednym z autorów odpowiedzialnych za porównanie wyników kwantowego annealera z najlepszymi dostępnymi metodami klasycznymi. To właśnie ta część pracy — rygorystyczna walidacja, że procesor naprawdę robi coś poza zasięgiem superkomputerów — była kluczowa dla przyjęcia artykułu przez Science.

Polska scena kwantowa nie kończy się na UJ. Centrum Optycznych Technologii Kwantowych na Uniwersytecie Warszawskim, kierowane przez prof. Konrada Banaszka, pracuje nad fotonowymi źródłami pojedynczych fotonów dla komunikacji kwantowej. Wrocławski zespół prof. Artura Ekerta — jednego z pionierów kryptografii kwantowej — rozwija teoretyczne podstawy bezpieczeństwa kwantowego, a poznańska grupa prof. Adama Miranowicza publikuje w Physics Reports prace o ultrastrong coupling w układach kwantowych.

Co więcej, Polska ma już pierwsze wdrożenia. W 2023 roku Poznańskie Centrum Superkomputerowo-Sieciowe jako pierwszy ośrodek w Europie Środkowo-Wschodniej uruchomiło dostęp do komputera kwantowego — konkretnie IBM Quantum System One w niemieckim Ehningen, dostępnego zdalnie przez chmurę. Projekt QPoland, konsorcjum łączące UJ, UW, UAM, AGH i instytuty PAN, uzyskał finansowanie z programu TEAM-NET Fundacji na rzecz Nauki Polskiej (17,5 mln zł na lata 2022–2026) na badania nad kwantowymi technologiami informacyjnymi.

W kontekście globalnego wyścigu technologicznego warto odnotować, że Polska nie kupuje gotowych rozwiązań — buduje własną warstwę badawczą. Rams i Dziarmaga nie są przypadkowymi współautorami w cudzym projekcie. Są partnerami, których zaproszono do flagowej publikacji D-Wave, ponieważ ich kompetencje w symulacjach tensorowych były niezbędne do wiarygodnego porównania kwantowo-klasycznego. To model współpracy, który polskie środowisko naukowe powinno skalować: od ekspertyzy do współautorstwa, od współautorstwa do własnych projektów.

Czego brakuje? Przede wszystkim bezpośredniego dostępu do sprzętu. Polska nie posiada własnego komputera kwantowego — korzystamy zdalnie z IBM w Niemczech. Dla badań podstawowych to wystarcza. Ale jeśli chcemy, żeby następny przełom — powiedzmy, pierwszy polski start-up kwantowy — miał polski adres, potrzebujemy własnej infrastruktury. Koszt? Pojedynczy annealer D-Wave to ~15 mln dolarów. Dla porównania: jeden SuperFAST — nowy superkomputer klasy petaskalowej właśnie instalowany w Krakowie — kosztuje ponad 200 mln złotych. Zakup maszyny kwantowej przez konsorcjum polskich uczelni mieszczący się w budżecie jednego dużego grantu infrastrukturalnego nie jest fantazją — jest decyzją polityczną.

Inna sprawa to kapitał ludzki. Dziarmaga i Rams są w ścisłej światowej czołówce, ale to pokolenie 50+. Prawdziwe pytanie brzmi: czy ich doktoranci za 5 lat będą zakładać firmy w Krakowie, czy w Vancouver?

Deadline? Wyścig kwantowy nie ma daty granicznej, ale ma punkty bez powrotu. Pierwszy z nich — demonstracja praktycznej przewagi kwantowej — właśnie został zaliczony, z polskim udziałem. Następny — pierwszy komercyjnie użyteczny problem rozwiązany wyłącznie na komputerze kwantowym — eksperci D-Wave szacują na 2027–2028. Jeśli polska fizyka kwantowa chce być przy tym stole, a nie tylko go obserwować, decyzje o kolejnej rundzie finansowania — programy FNP, NCN OPUS, partnerstwa przemysłowe — muszą zapaść w ciągu najbliższych 12 miesięcy.

Źródła

King, A. et al. (2025). "Beyond-classical computation in quantum simulation." Science, eado6285. DOI: 10.1126/science.ado6285

D-Wave Systems Inc. (2024). Advantage2™ Quantum Processing Unit: Technical Overview. Burnaby, BC.

McKinsey & Company (2024). Quantum Computing: An Emerging Ecosystem and Industry Use Cases.

QPoland Consortium (2022). Kwantowe technologie informacyjne — od podstaw do zastosowań. Projekt TEAM-NET FNP.

Arute, F. et al. (2019). "Quantum supremacy using a programmable superconducting processor." Nature, 574, 505–510.

Holewa, P. et al. (2024). "High-throughput quantum photonic devices emitting indistinguishable photons in the telecom C-band." Nature Communications, 15, 66.

Miranowicz, A. et al. (2024). "Quantum amplification and simulation of strong and ultrastrong coupling of light and matter." Physics Reports, 1025, 1–93.