Svenska forskare har nått ett stort genombrott inom kvantdatorer som kan komma att dramatiskt påskynda tillämpningar av artificiell intelligens och förändra hur AI-modeller tränas och används.
Den 24 juni 2025 presenterade ett team lett av doktoranden Yin Zeng vid Chalmers tekniska högskola en pulsdriven kvantbitsförstärkare som adresserar en av de största utmaningarna för att skala upp kvantdatorer: energiförbrukning och värmeutveckling.
Den innovativa förstärkaren aktiveras endast vid avläsning av information från kvantbitar och förbrukar bara en tiondel av energin som dagens bästa förstärkare kräver, utan att tumma på prestandan. Denna dramatiska minskning av energiförbrukningen hjälper till att förhindra att kvantbitar förlorar sitt kvanttillstånd—ett fenomen känt som dekoherens—vilket länge varit en stor begränsande faktor för kvantdatorer.
"Det här är den känsligaste förstärkaren som kan byggas idag med transistorer," förklarar Zeng, förstaförfattare till studien som publicerats i IEEE Transactions on Microwave Theory and Techniques. "Vi har lyckats minska dess energiförbrukning till bara en tiondel av vad dagens bästa förstärkare kräver, utan att kompromissa med prestandan."
Forskargruppen använde genetisk programmering för att möjliggöra smart styrning av förstärkaren, vilket gör att den kan reagera på inkommande kvantbitspulser på bara 35 nanosekunder. Denna hastighet är avgörande eftersom kvantinformation överförs i pulser, och förstärkaren måste aktiveras tillräckligt snabbt för att hinna med avläsningen.
Professor Jan Grahn, som varit handledare för forskningen, påpekar: "Den här studien erbjuder en lösning för framtida uppskalning av kvantdatorer, där värmeutvecklingen från dessa kvantbitsförstärkare utgör en stor begränsande faktor."
Konsekvenserna för AI är djupgående. Nyliga experiment av forskare vid Wiens universitet har visat att även småskaliga kvantdatorer kan förbättra maskininlärningsprestanda med hjälp av nya fotoniska kvantkretsar. Deras resultat tyder på att dagens kvantteknik inte bara är experimentell—den kan redan nu ge praktiska fördelar för specifika AI-tillämpningar.
Kvantdatorer utnyttjar kvantmekanikens principer, vilket gör att kvantbitar kan existera i flera tillstånd samtidigt. Detta gör det möjligt att bearbeta komplexa problem långt bortom klassiska datorsystem. Med bara 20 kvantbitar kan en kvantdator representera över en miljon olika tillstånd samtidigt.
När kvantdatorer skalas upp med fler kvantbitar ökar deras beräkningskraft exponentiellt, men utmaningen att hantera värme och förhindra dekoherens växer också. Genombrottet vid Chalmers adresserar denna utmaning direkt och kan bana väg för större och mer stabila kvantsystem, särskilt optimerade för AI-arbetslaster.
Experter förutspår att kvantförstärkt AI kan revolutionera områden som läkemedelsutveckling, materialvetenskap, finansiell modellering och komplexa optimeringsproblem som idag är olösliga även för de kraftfullaste superdatorerna.