Идеи из квантовой механики помогут в решении задач металлургии
Один из способов эффективно и быстро справиться с задачами такого масштаба - использовать алгоритмы, вдохновленные квантовыми технологиями (quantum-inspired). В промышленности и в частности в металлургии их применяют там, где необходимо оптимизировать производственную себестоимость, сократить затраты времени, энергии, ресурсов и даже снизить воздействие на окружающую среду. В России всего несколько команд прикладных математиков работают над такими алгоритмами, и с точки зрения промышленного применения они во многом опережают западных коллег.
"Любой процесс, где есть слово "расписание", "последовательность", "график", включает задачи оптимизации. В некоторых случаях результат можно получить без сложных вычислений, и он будет достаточно точным: например, при составлении школьного расписания, - рассказал "РГ" генеральный директор компании "Квантовые системы" Дмитрий Васильков. - Но даже здесь может случиться ошибка в комбинации и тогда расписание будет неудобным для учеников или преподавателей. Если применять более сложные расчеты, можно сделать более точную оптимизацию и учесть интересы всех сторон, тогда расписание будет на несколько процентов экономить время преподавателей и упрощать логистику учеников. В случае школы это может быть незначительный эффект. Но если мы говорим о масштабном производстве, оптимизация работы всего на несколько процентов означает экономию большого количества ресурсов".
Задачи оптимизации решаются с помощью перебора и сопоставления комбинаций, объясняет эксперт. На компьютере можно перебрать небольшое количество переменных. Например, произведение всех натуральных чисел от 1 до 6 или 6! - это 720 различных последовательностей, а 10! - это уже 3 628 800. Количество шагов очень сильно растет при росте размера задачи. "Так, оптимизация графика сталелитейного производства - это задача с тысячами, а то и с десятками тысяч переменных. То же можно сказать про оптимизацию транспортировки продукции по железной дороге: у каждой позиции свои габариты, масса, номенклатура. Существует несколько видов железнодорожных вагонов, и для каждого из них - свой ряд требований по способу погрузки и размещения продукции. Задача - разложить ее в вагоны так, чтобы она своевременно уехала заказчику при минимальных расходах на перевозку", - говорит Васильков.
Решать подобные задачи с помощью классических алгоритмов на суперкомпьютерах невозможно: перебор вариантов займет сотни лет, считает предприниматель. Квантовый компьютер, который способен найти не просто оптимальное, а лучшее решение из всех возможных за минуты и даже секунды, находится сейчас в зачаточном состоянии. Для решения практических задач бизнеса у квантового компьютера должны быть сотни тысяч кубит, наименьших единиц информации этого вычислительного устройства (аналог бита в обычном компьютере. - Ред.). Это очень много. Для сравнения, сейчас самые большие компьютеры достигают всего ста кубит.
На производстве оптимизация работы на 2-3 процента приводит к колоссальной экономии
"В этой ситуации, когда обычные компьютеры недостаточно мощны, а квантовые вычисления недоступны, приходят на помощь более жизнеспособные и эффективные quantum-inspired алгоритмы. Они сохраняют баланс между точностью решения, скоростью и возможностью реализации. По сути это применение идей из квантовой механики и физики на обычном компьютере. Так, например, используется явление туннелирования, когда микрочастица может проходить сквозь препятствия, - объясняет Дмитрий Васильков. - В алгоритмах это проявляется как обход энергетических барьеров при параллельном поиске оптимума".
Интересно, что разработчики quantum-inspired алгоритмов вдохновляются не только современной физикой, но и опытом сталелитейного производства. Один из самых популярных алгоритмов - имитация отжига, он напоминает поведение материалов во время их нагревания и медленного охлаждения, добавляет эксперт.
Основная ценность квантово-вдохновленных алгоритмов в том, что они применимы на практике здесь и сейчас и доступны любому производству
Алгоритм работает так же: систему "нагревают", то есть, с одной стороны, приводят ее в заведомо неоптимальное состояние, но с другой - дают возможность динамично меняться. "Дальше алгоритм на каждом шаге выбирает новое состояние системы и "понижает температуру" - интенсивность процесса оптимизации. Алгоритм останавливается по достижении точки, при которой условная температура процесса равна нулю. При правильном выборе параметров алгоритма конечное состояние системы будет близко к оптимальному - небольшая погрешность в точности компенсируется многократным выигрышем в скорости", - говорит Васильков.
Так, рассказывает он, не прибегая к квантовому компьютеру, можно ускорять вычисления на классических машинах от десяти до десяти тысяч раз, что в итоге позволяет сократить время поиска и повысить точность. То, что раньше рассчитывалось за сутки или часы, теперь можно посчитать за минуты и секунды. Затраты на внедрение quantum-inspired решений через несколько месяцев полностью окупятся и начнут приносить прибыль, помогая достичь высокого уровня эффективности производства.
"Угрожает ли создание квантового компьютера quantum-inspired алгоритмам? - спрашивает эксперт. И тут же сам отвечает: - Нет. Пока непонятно, удастся ли вообще создать квантовый компьютер нужных масштабов, так как очень сложно поддерживать большую квантовую систему в стабильном состоянии длительное время. Все существующие сейчас кубиты нестабильны и имеют срок жизни, достаточный для реализации лишь простых демонстрационных алгоритмов".
Основная же ценность квантово-вдохновленных алгоритмов в том, что они применимы на практике здесь и сейчас и доступны любому производству. Они позволяют обойтись без квантового компьютера для большинства процессов оптимизации. А когда на рынке наконец появятся квантовые компьютеры необходимой мощности, quantum-inspired алгоритмы можно будет перенести на них практически бесшовно. Поэтому можно сказать, что quantum-inspired алгоритмы помогают транслировать научные достижения в практически применимые методы оптимизации, резюмирует Дмитрий Васильков.
Инфографика "РГ" / Александр Чистов / Ирина Фурсова
