Компания QuSolve решает сложные оптимизационные задачи для промышленных предприятий. Например, для оптимизации транспортировки продукции по железной дороге нужно перебрать миллионы вариантов сценариев. Классические компьютеры будут перебирать их десятки лет, а существующие квантовые компьютеры пока не позволяют даже подступиться к таким задачам. Команда QuSolve научилась использовать преимущества квантовых вычислений на классических компьютерах и быстро проводить сложные расчеты — для этого и необходим солвер.

До начала 2022 года QuSolve делала вычисления на японском солвере Fixstars. Теперь команда в тестовом режиме использует собственную разработку. Собственный солвер позволяет QuSolve ускорить вычисления и еще более персонализировать их под клиента. Бизнес-процессы динамичны, поэтому нужно иметь доступ к внутреннему программному коду солвера, чтобы быстро менять настройки, адаптировать их под ситуацию, собирать статистику поведения системы.

QuSolve планирует, что ее солвер успешно заменит аналоги от зарубежных провайдеров, которые покинули российский рынок в марте 2022 года. Речь, в том числе, идет об IBM, которая продвигает свой солвер CPLEX, и другой американской компании – Gurobi. QuSolve также планирует предоставлять свой солвер другим компаниям, занимающимся вычислениями. Это позволит российским игрокам оставаться независимыми от зарубежных решений.

“В России, как известно, нет дефицита в сильных математиках и инженерах, но они работают, в основном, на иностранном программном обеспечении и оборудовании. Это ограничивает применимость солверов в решении задач, существующих в российском бизнесе. Выпустив свой собственный солвер, мы сможем полностью замкнуть контур вычислений внутри компании и обеспечить таким образом 100% импортозамещение оптимизационных расчетов для промышленности,” – объясняет Дмитрий Васильков, основатель и генеральный директор QuSolve.

Задачи комбинаторной оптимизации можно найти во многих сферах: от сортировки городских велосипедов по станциям до оптимального расположения нефтяных скважин. Для каждого клиента QuSolve проводит анализ производственных процессов и предлагает решения по их оптимизации. Крупнейший клиент – НЛМК. QuSolve является первой в России компанией, которая не только решает наукоемкие бизнес-задачи, но и консультирует по ряду аспектов в реализации и интеграции квантовых вычислений в промышленности. Является резидентом “Сколково”.

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.

В Таганроге создали систему передачи данных на основе квантовой физики
"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.

Запущен первый квантовый суперкомпьютер за пределами Северной Америки
Запущен первый квантовый суперкомпьютер за пределами Северной Америки
"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.