Zweedse onderzoekers hebben een grote doorbraak bereikt in quantumcomputing die kunstmatige intelligentie-toepassingen aanzienlijk kan versnellen en de manier waarop AI-modellen worden getraind en ingezet kan transformeren.
Op 24 juni 2025 presenteerde een team onder leiding van promovendus Yin Zeng aan de Chalmers University of Technology een puls-gestuurde qubitversterker die een van de grootste uitdagingen bij het opschalen van quantumcomputers aanpakt: energieverbruik en warmteontwikkeling.
De innovatieve versterker wordt alleen geactiveerd bij het uitlezen van informatie uit qubits en verbruikt slechts een tiende van het vermogen van de beste huidige versterkers, zonder concessies te doen aan de prestaties. Deze drastische vermindering van het energieverbruik helpt voorkomen dat qubits hun quantumtoestand verliezen—een fenomeen dat decoherentie wordt genoemd—wat tot nu toe een belangrijke beperkende factor was in quantumcomputing.
"Dit is de meest gevoelige versterker die vandaag de dag met transistors gebouwd kan worden," legt Zeng uit, eerste auteur van de studie gepubliceerd in IEEE Transactions on Microwave Theory and Techniques. "We zijn erin geslaagd het energieverbruik terug te brengen tot slechts een tiende van dat van de beste huidige versterkers, zonder in te leveren op prestaties."
Het team gebruikte genetische programmering om slimme aansturing van de versterker mogelijk te maken, waardoor deze binnen slechts 35 nanoseconden kan reageren op inkomende qubitpulsen. Deze snelheid is cruciaal, omdat quantuminformatie in pulsen wordt verzonden en de versterker snel genoeg moet activeren om het uitlezen van qubits bij te houden.
Professor Jan Grahn, die het onderzoek superviseerde, merkt op: "Deze studie biedt een oplossing voor het toekomstige opschalen van quantumcomputers, waarbij de warmte die door deze qubitversterkers wordt gegenereerd een grote beperkende factor vormt."
De implicaties voor AI zijn diepgaand. Recente experimenten van onderzoekers aan de Universiteit van Wenen tonen aan dat zelfs kleinschalige quantumcomputers de prestaties van machine learning kunnen verbeteren met behulp van nieuwe fotonische quantumcircuits. Hun bevindingen suggereren dat de quantumtechnologie van vandaag niet alleen experimenteel is—ze kan nu al praktische voordelen opleveren voor specifieke AI-toepassingen.
Quantumcomputers maken gebruik van de principes van de quantummechanica, waardoor qubits zich in meerdere toestanden tegelijk kunnen bevinden. Hierdoor kunnen ze complexe problemen verwerken die ver buiten het bereik van klassieke computers liggen. Met slechts 20 qubits kan een quantumcomputer meer dan een miljoen verschillende toestanden tegelijk representeren.
Naarmate quantumcomputers worden opgeschaald met meer qubits, neemt hun rekenkracht exponentieel toe, maar ook de uitdaging om warmte te beheersen en decoherentie te voorkomen. De doorbraak van Chalmers pakt deze uitdaging direct aan en maakt mogelijk de ontwikkeling van grotere, stabielere quantumsystemen die specifiek zijn geoptimaliseerd voor AI-werkbelastingen.
Experts voorspellen dat quantum-versterkte AI een revolutie teweeg kan brengen in onder meer medicijnontwikkeling, materiaalkunde, financiële modellering en complexe optimalisatieproblemen die momenteel zelfs voor de krachtigste supercomputers onoplosbaar zijn.