A következő kötelező jelenet általában egy feldobott pénzérme. Amíg forog, állítólag egyszerre fej és írás, pontosan úgy, ahogy a qubit egyszerre nulla és egy. Ez sem igaz. Utána jön a sakk: a hagyományos gép egyenként végignézi a lépéseket, a kvantumgép pedig az összeset egyszerre. Ez már annyira leegyszerűsített, hogy inkább félrevezet, mint magyaráz.

A valóság nehezebben fér bele egy harmincmásodperces videóba. Viszont sokkal érdekesebb.

A kvantumszámítógép nem egy gyorsabb PC. Nem olyan gép, amelyre feltelepítjük a Windowst, majd négyszázmilliárdszor gyorsabban megnyitjuk az Excelt. Egy rendkívül speciális számítási eszköz, amely bizonyos problémák szerkezetét képes úgy kihasználni, ahogy egy klasszikus számítógép nem. A „bizonyos” szó itt nem apró jogi lábjegyzet. Ez az egész történet lényege. [1]

A milliárdszor elismételt tévedés

Kezdjük a sakkos példával. Egy kvantumgép valóban létrehozhat olyan állapotot, amely nagyon sok lehetséges klasszikus állapot amplitúdóit tartalmazza. Ettől azonban még nem kapjuk meg ingyen az összes választ.

Amikor megmérjük a rendszert, egyetlen eredményt látunk. Nem nyílik meg előttünk egy lista az összes sakkvariációval. Nem kapunk külön PDF-et minden lehetséges jövőről. Egy mérési eredményt kapunk, ráadásul valószínűségi módon. [2]

Ha a kvantumszámítógép tényleg csak annyit tudna, hogy minden lehetőséget egyszerre előállít, majd véletlenszerűen kidob közülük egyet, nem lenne túl hasznos. A nehéz rész az algoritmus. Úgy kell alakítani a kvantumállapotot, hogy a keresett válaszhoz vezető amplitúdók erősítsék, a rossz irányok amplitúdói pedig gyengítsék vagy kioltsák egymást.

Ezért félrevezető azt mondani, hogy a kvantumgép „mindent egyszerre kiszámol”. Az IBM saját oktatási anyaga külön figyelmeztet erre a közhelyre: a kvantumszámítás nem az összes lehetséges válasz egyidejű ellenőrzése, és nem is univerzálisan jobb a klasszikus számításnál. [1]

Egy rosszul megválasztott problémán a kvantumgép nem lesz csodafegyver. Legfeljebb egy elképesztően drága, sérülékeny és hideg módszer arra, hogy rossz választ kapjunk.

Mi a qubit valójában?

A klasszikus bit értéke 0 vagy 1. A qubit állapotát ezzel szemben két amplitúdó írja le:

|ψ⟩ = α|0⟩ + β|1⟩, ahol |α|² + |β|² = 1

Az α és β nem azt mondja meg, hogy a qubit „félig nulla, félig egy”. Ezek komplex számok is lehetnek, és a négyzetes abszolút értékükből kapjuk meg annak valószínűségét, hogy méréskor 0-t vagy 1-et látunk. A relatív fázisuk pedig legalább olyan fontos, mint a nagyságuk, mert ezen múlik az interferencia. [3]

Itt bukik el a forgó pénzérme. Egy feldobott érmének minden pillanatban van meghatározott helyzete, sebessége és forgása. Lehet, hogy mi nem tudjuk, melyik oldalára esik, de ez klasszikus bizonytalanság: az eredmény számunkra ismeretlen. A kvantum-szuperpozíció nem egyszerű tudáshiány. A különböző lehetséges állapotok amplitúdói együtt fejlődnek, és egymással interferálhatnak. [4]

Ráadásul a qubitet nem lehet büntetlenül „megnézni”. A mérés megváltoztatja a hozzáférhető kvantumállapotot, és a szuperpozícióból egy klasszikusan leolvasható eredmény lesz. Ezért nem használhatjuk a qubitet olyan memóriacellaként, amelyből bármikor kiolvassuk az összes benne rejlő lehetőséget.

Egy qubit önmagában még nem sok. Több qubit együtt viszont 2ⁿ számú klasszikus bázisállapot amplitúdóit hordozhatja. Tíz qubitnél 1024-et, ötvennél már több mint ezermilliárdot. Ez az exponenciálisan növekvő állapottér adja a lehetőséget. Nem a kész megoldást. Az algoritmusnak kell elérnie, hogy ebből az állapottérből a méréskor használható információ maradjon.

Az interferencia a valódi fegyver

A kvantumszámításról szóló népszerű magyarázatok rendszerint a szuperpozíciónál megállnak. Pedig önmagában nem ez végzi el a munkát. A valódi motor az interferencia.

Az amplitúdókat érdemes hullámokként elképzelni. Az azonos fázisú hullámok erősítik, az ellentétes fázisúak gyengítik vagy kioltják egymást. Egy jól felépített kvantumalgoritmus ezt használja fel: a rossz eredmények valószínűségi amplitúdóit lenyomja, a keresett eredményét pedig felerősíti.

Grover algoritmusa például egy rendezetlen keresési problémán nem N, hanem körülbelül √N lépésben találhat meg egy kijelölt elemet. Ez valódi gyorsítás, de nem végtelen és nem ingyenes. Az IBM oktatási anyaga azt is hozzáteszi, amit a marketingverziók szeretnek lehagyni: a klasszikus hardver óriási órajel- és érettségbeli előnye miatt a négyzetes gyorsítás a közeljövő reális feladatain könnyen eltűnhet a kvantumhardver többletköltségeiben. [5]

A kvantumalgoritmus tehát nem megkerüli a problémát. Más matematikai szerkezetet keres benne. Ha ilyen szerkezet nincs, vagy nem tudjuk kihasználni, nincs kvantumelőny sem.

Ez különösen fontos az AI kapcsán. A „kvantum-AI” már most jól eladható kifejezés, de a nagy dimenziójú kvantumállapot önmagában nem tesz jobbá egy gépi tanulási modellt. Az IBM kvantumos gépi tanulási anyaga nyíltan leírja: a legtöbb mai ML-problémát a klasszikus gépek hatékonyan oldják meg, és ezeken nem reális automatikus kvantumgyorsulást várni. [21]

Az összefonódás nem távirányítás

Az összefonódás két vagy több kvantumrendszer olyan közös állapota, amelyet nem lehet az egyes részek egymástól független állapotaival teljesen leírni. A mérések eredményei között olyan erős korreláció jelenhet meg, amelynek nincs klasszikus megfelelője. [3]

Innen már csak egy rossz mondat kell ahhoz, hogy megszülessen a „fénysebességnél gyorsabb kommunikáció”. Ha az egyik részecske mérése összefügg a másikéval, akkor majd az egyik oldalon üzenünk, a másikon pedig azonnal olvassuk.

Nem fogjuk.

Az egyedi mérési eredmény véletlenszerű. A távoli fél nem tudja pusztán a saját eredményéből megállapítani, hogy mi történt a másik oldalon. A korreláció csak akkor válik láthatóvá, amikor a két mérési adatsort klasszikus kommunikációval összehasonlítjuk. Ez legfeljebb fénysebességgel történhet. Ebből nem lesz fénysebességnél gyorsabb WhatsApp. [7][8]

Az összefonódás ettől még alapvető erőforrás. Fontos szerepet kap kvantumalgoritmusokban, hibajavításban, kvantumhálózatokban és teleportációs protokollokban. Csak éppen nem azt csinálja, amit a sci-fi címek ráírnak.

Mit bizonyított a Google 2019-ben?

2019 októberében a Google bejelentette, hogy elérte a „kvantumfölényt”. A Sycamore nevű, 53 működő szupravezető qubitet használó processzor egy véletlen kvantumáramkörből származó mintavételezési feladatot körülbelül 200 másodperc alatt hajtott végre. A Google akkori becslése szerint ugyanez a legjobb klasszikus szuperszámítógépnek körülbelül tízezer évig tartott volna. [9]

A számok tökéletesek voltak a címlapokra. A történet kevésbé.

Az elvégzett feladatot lényegében azért tervezték, hogy nagyon nehéz legyen klasszikus géppel szimulálni. Nem gyógyszert tervezett, nem optimalizált közlekedést, és nem oldott meg olyan üzleti problémát, amelyért bárki fizetett volna. A Google később maga is leírta, hogy a véletlenáramkör-mintavételezésnek nincs ismert gyakorlati kereskedelmi alkalmazása. [12]

Az IBM már a bejelentés idején vitatta a tízezer éves becslést. A vállalat szerint a Summit szuperszámítógép megfelelő tárhelyhasználattal körülbelül két és fél nap alatt szimulálhatta volna a feladatot. Ez akkor becslés volt, nem ténylegesen lefuttatott teljes kísérlet, de jól mutatta, mennyire függ a „kvantumelőny” az éppen ismert legjobb klasszikus algoritmustól. [10]

A klasszikus oldal aztán nem maradt mozdulatlan. Egy 2024-ben közölt, 1432 GPU-t használó kísérlet 86,4 másodperc alatt állított elő hárommillió mintát, és a szerzők szerint hétszer gyorsabb volt a 2019-es Sycamore-kísérletnél, ráadásul jobb minőségi mutatóval. [11]

Ez nem teszi értéktelenné a Google eredményét. A Sycamore megmutatta, hogy programozható kvantumhardver egy gondosan kiválasztott feladatban képes átlépni az akkori klasszikus lehetőségek határát. De nem bizonyította, hogy megszületett az általános célú kvantumszuperszámítógép. A határvonal mozgott. A klasszikus algoritmusok visszatámadtak. Pontosan így néz ki egy valódi technológiai verseny, amikor lehántjuk róla a sajtóközleményt.

A kvantumvilág legnagyobb ellensége: maga a fizika

A qubit nem azért nehéz, mert még nem gyártottunk belőle eleget. Azért nehéz, mert a környezet mindenáron kapcsolatba akar lépni vele.

Elektromos és mágneses zavarok, hőmérséklet-ingadozás, anyaghibák, mechanikai rezgések, kozmikus sugárzás: mind képesek tönkretenni a kényes kvantumállapotot. A szuperpozíció és az összefonódás elveszíti a koherenciáját. A számításban hiba jelenik meg, gyakran jóval azelőtt, hogy az algoritmus végére érnénk. [6]

Klasszikus gépnél egy bitet egyszerűen lemásolhatunk, és a másolatok többségi szavazásával javíthatjuk a hibát. Ismeretlen kvantumállapotot viszont nem lehet tetszőlegesen lemásolni. A kvantumos hibajavítás ezért több fizikai qubit összefonódott állapotába kódol egy logikai qubitet, majd segédmérésekkel próbálja felismerni a hibát anélkül, hogy közvetlenül kiolvasná és ezzel elpusztítaná a tárolt kvantuminformációt.

Itt válik félrevezetővé a puszta qubitszám. Ezer zajos fizikai qubit nem feltétlenül ér többet száz jó minőségűnél. A teljesítményt egyszerre határozza meg a méret, a műveletek pontossága, a sebesség, a kapcsolhatóság, a koherencia és az, hogy milyen mély áramkört képes a gép használható eredménnyel lefuttatni. [15]

A Google Willow processzorával 2025-ben fontos eredményt közölt. A kutatók 72 és 105 qubites processzorokon olyan felületi hibajavító kódokat futtattak, amelyeknél a kód méretének növelése már csökkentette, nem pedig növelte a logikai hibaarányt. Ezt nevezik küszöb alatti működésnek. [12]

Ez komoly eredmény. A tanulmány számai ugyanakkor kijózanítóak. A kutatók becslése szerint egyetlen, 10⁻⁶ ciklusonkénti hibaarányú logikai qubithez a jelenlegi paraméterek mellett 1457 fizikai qubitből álló, 27-es távolságú kód kellene. És ez még kvantummemória: az univerzális logikai műveletek, több logikai qubit összekapcsolása, a valós idejű dekódolás és a teljes rendszer skálázása további problémákat hoz. [12]

2026-ban a Google egy megerősítéses tanulással működő vezérlést is bemutatott, amely a Willow hibajavító rendszerének stabilitását mesterségesen előidézett sodródással szemben akár 3,5-szeresére javította. Ez érdekes találkozása az AI-nak és a kvantumtechnikának: nem a kvantumgép gyorsította fel a chatbotot, hanem a klasszikus tanulóalgoritmus próbálta életben tartani a kvantumállapotot. [13]

Az IBM 2029-re ígéri a Starling nevű, 200 logikai qubites és százmillió logikai kapuműveletre tervezett rendszerét. Ez ambiciózus mérnöki ütemterv. Egyelőre nem elkészült gép. A kettőt nem árt külön kezelni. [14]

Hol lehet tényleges haszna?

A legerősebb érv a kvantumszámítógép mellett nem az, hogy gyorsabban rendezi sorba az Excel-táblát. Hanem az, hogy a természet maga kvantumos.

Molekulák elektronállapotainak, kémiai reakcióknak és új anyagok tulajdonságainak pontos szimulálása klasszikus gépen gyorsan kezelhetetlenül bonyolulttá válhat. A kvantumprocesszor elvileg természetesebb módon képes reprezentálni ezeket az állapotokat. Emiatt a kémia, az akkumulátoranyagok, a katalizátorok, a műtrágyagyártás és a gyógyszerkutatás nem véletlenül kerülnek minden komolyabb kvantumprogram célkeresztjébe. Az amerikai energiaügyi minisztérium ARPA-E programja 2026-ban 37 millió dollárt irányzott elő kvantumos kémiai és anyagtudományi algoritmusok fejlesztésére. [19]

Az „elvileg” azonban itt is fontos.

A nagy molekulák pontos kvantumos szimulációjához hosszú, hibajavított számításokra lehet szükség. A jelenlegi gépek ehhez kicsik és zajosak. A 2025-ben publikált molekula- és anyagszimulációs kutatások is hangsúlyozzák, hogy a nagy léptékű elektronikus szerkezetproblémák ma még túl drágák a közeli jövő zajos hardverein. [20]

A gyógyszerkutatásban már vannak érdekes kísérletek. Egy 2025-ös Nature Biotechnology-tanulmány kvantum–klasszikus generatív modellel 15, KRAS fehérjét célzó molekulát tervezett és szintetizált; közülük kettőt további fejlesztésre ígéretesnek találtak. Ez jóval több egy látványos szimulációnál, mert a jelölteket fizikailag is elkészítették és vizsgálták. [17]

De ebből még nem lett kvantumgép által kifejlesztett rákgyógyszer. A folyamat hibrid volt, jelentős klasszikus gépi tanulást és hagyományos laboratóriumi ellenőrzést használt, és nem bizonyított általános kvantumelőnyt a legjobb klasszikus módszerekkel szemben. Egy 2026-os Nature Biotechnology-áttekintés röviden le is zárja a túlzást: a kvantumszámítógépek még nem képesek önállóan és ipari méretben biológiai problémákat megoldani. [16]

Optimalizálási feladatoknál hasonló a helyzet. Logisztika, portfóliók, gyártási ütemezés és hálózattervezés jól hangzik a bemutatókon, de a valós problémák kvantumáramkörré alakítása, az adatok betöltése, a zaj kezelése és az eredmény klasszikus utófeldolgozása sokszor elviszi az elméleti előnyt. A kvantumgép akkor lesz érdekes, ha a teljes folyamatot veri meg, nem csak a gondosan kiválasztott középső részfeladatot.

A következő NVIDIA talán nem is kvantumchipet gyárt

Az AI-ipar robbanása megmutatta, milyen gyorsan válhat stratégiai termékké valami, ami néhány évvel korábban szűk technológiai piacnak számított. Nemcsak GPU-ból lett hiány. HBM-memóriából, fejlett chipgyártási kapacitásból, adatközponti áramellátásból, transzformátorból és hűtésből is.

Az NVIDIA lett a hullám legismertebb nyertese. Mögötte azonban egész beszállítói lánc gazdagodott meg.

A kvantumiparnál ugyanez megtörténhet. Csakhogy itt még azt sem tudjuk biztosan, melyik hardverarchitektúra nyer. Ez pedig eldönti, miből lehet hiány.

A szupravezető gépeket néhány millikelvinre, az abszolút nulla fok közvetlen közelébe kell hűteni. A hígításos hűtők hélium-3 és hélium-4 izotópok keverékével érik el ezt a tartományt. [24]

A hélium-3 ritka, ezért első ránézésre tökéletes jelölt egy jövőbeli hiánytörténethez. Csakhogy a modern, kriogénfolyadék nélkül működő rendszerek zárt körben keringetik és újrahasználják a keveréket. Nem úgy fogyasztják, mint egy adatközpont az áramot. A gyártás felfutásakor ugyanakkor minden új rendszer kezdeti feltöltést, karbantartást és tartalékot igényel, ezért a skálázás így is nyomást tehet egy eleve szűk piacra. [25]

A berendezés maga valószínűleg nagyobb üzlet lesz, mint a benne lévő gáz. A Bluefors egyik nagy rendszere több mint ezer, 18 gigahertzes koaxiális vezetéket képes fogadni, miközben 10 millikelvin alatti hőmérsékletet tart. [26] Az Oxford Instruments 2025-ben már kifejezetten a jelenlegi hígításos hűtők mérethatárainak átlépésére tervezett, moduláris ProteoxQX rendszereket telepített. [27]

Az anyagminőség szintén kritikus. A szupravezető qubitben nem az számít, hogy van-e valahol a világon néhány tonna niobium vagy tantál, hanem az, hogy abból képesek-e atomi szinten tiszta, kontrollált felületű és reprodukálható vékonyréteget gyártani. NIST-kísérletekben a niobium tantálbevonata két-ötszörösére növelte a qubitek élettartamát, egyes mintáknál 300–600 mikroszekundumos tartományt elérve. [28] Az amerikai energiaügyi minisztérium külön kutatási irányként kezeli a tantálalapú áramkörök veszteségeinek csökkentését. [29]

Az Európai Unió már most kritikus nyersanyagként tartja számon többek között a héliumot, a niobiumot, a tantált, a galliumot és az indiumot. A lista nem azt jelenti, hogy ezek holnap elfogynak. Azt jelenti, hogy gazdaságilag fontosak, az ellátásuk koncentrált, a helyettesítésük vagy újrahasznosításuk pedig problémás lehet. [22][23]

A csapdázott ionos és semlegesatomos gépek más ellátási láncot építenek. Az IonQ rendszerei itterbiumot, újabb fejlesztései báriumot használnak, a műveleteket pedig precíziós lézerek végzik. [30][31] A QuEra rubídiumatomokat tart helyben lézeres optikai csipeszekkel. [32] Ezeknél nem feltétlenül az atom fogy el: egy gépben elenyésző mennyiség van belőle. A szűk keresztmetszet inkább a lézer, az optika, a detektor, a vákuum és az a mérnöki tudás lehet, amely ezeket hónapokon át stabilan együtt működteti.

A fotonikus irány megint más gyártókat emelhet fel. Integrált optikai áramkörök, egyfoton-források és -detektorok, szilíciumfotonika, lítium-niobát vagy indium-foszfid kerülhet a középpontba. A 2026-os szakirodalom már a nagyléptékű, monolitikus kvantumfotonikai áramkörök integrációját vizsgálja, de a skálázás, a veszteség, a források és a detektorok egységes gyártása továbbra is nyitott mérnöki probléma. [34]

Ezért óvatosan kell bánni a „kvantum miatt elfogy az X fém” típusú jóslatokkal. A kvantumchipekben felhasznált nyersanyag tömege kicsi lehet a világpiac más iparágaihoz képest. A profit nagyobb része nem feltétlenül a bányában keletkezik, hanem a tisztításban, a speciális rétegleválasztásban, a kriogenikában, a precíziós lézerekben, a mérőműszerekben és a vezérlőszoftverben.

Az aranyláz lapátárusai már megjelentek. A Bluefors és az Oxford Instruments hűtőrendszereket, a Keysight és más műszergyártók mikrohullámú mérő-, tervező- és vezérlőeszközöket szállítanak. A vezérlés skálázása önálló problémává vált: a szobahőmérsékletű elektronika és a hideg processzor közötti kábelezés hőt visz be, zajt okoz, foglalja a helyet és egyre nehezebben bővíthető. [33]

Lehet, hogy a következő NVIDIA egy ma még alig ismert kriogenikai vagy kvantumvezérlési vállalat lesz. És az is lehet, hogy maga az NVIDIA lesz az.

Nem új laptop jön, hanem új számítási segédprocesszor

A kvantumszámítógép valószínű jövője nem az, hogy leváltja a klasszikus gépet. Inkább az, hogy egy új gyorsítóként beépül a meglévő számítási környezetbe.

A CPU előkészíti a feladatot. A GPU szimulál, optimalizál, tanít és valós időben dekódolja a hibajavítás mérési adatait. A QPU lefuttatja azt a szűk kvantumos részfeladatot, amelyben valóban előnye lehet. Az eredmény visszakerül a klasszikus rendszerbe ellenőrzésre és utófeldolgozásra.

Az IBM ezt „kvantumközpontú szuperszámítógépnek” nevezi, és kifejezetten CPU-k, GPU-k és QPU-k közös számítási szövetéről beszél. [36] Az NVIDIA CUDA-Q platformja ugyanebbe az irányba épít egységes programozási modellt, amely egy programon belül képes CPU-, GPU- és QPU-erőforrásokat kezelni. [35] Az Oak Ridge National Laboratory már helyszíni hibrid klaszterrel vizsgálja, hogyan illeszthető kvantumprocesszor a klasszikus nagy teljesítményű számítástechnikába. [37]

Ez üzletileg fontosabb lehet, mint a qubitszámok versenye. Aki a hibrid rendszer szoftveres és hardveres csatlakozási pontját uralja, az könnyen olyan pozícióba kerülhet, mint az NVIDIA a GPU-knál: nem feltétlenül ő gyárt minden alkatrészt, de rajta keresztül fut a használható ökoszisztéma.

Ezért aki a kvantumipar jövőjét csak a processzorok qubitszámából akarja megjósolni, ugyanazt a hibát követi el, mint aki az AI-robbanás elején csak a chatbotokat figyelte. Nem vette észre a HBM-memóriát, a félvezetőgyártást, az adatközponti áramot, a hűtést és a szoftveres bezárást.

A következő nagy nyertes lehet kvantumchipgyártó. Lehet hűtéstechnikai cég. Lehet lézergyártó, mérőműszeres beszállító vagy kontrollszoftver. És az is lehet, hogy megint az NVIDIA.

Egy biztos: nem az fog nyerni, aki a leghangosabban mondja ki, hogy „kvantum”. Hanem az, aki nélkül a gép nem tud működni.

Források és további olvasmányok

1. IBM Quantum Learning: Quantum computing context. https://quantum.cloud.ibm.com/learning/courses/use-a-qc-today/quantum-computing-context
2. IBM Quantum Learning: Quantum computing fundamentals. https://quantum.cloud.ibm.com/learning/courses/quantum-business-foundations/quantum-computing-fundamentals