Основные выводы:
- Исследовательское сообщество достигло квантового превосходства в 2026 году, выполнив вычисления за пределами возможностей классических методов с результатами, которые можно строго проверить.
- IBM Quantum Nighthawk r2, наш самый быстрый на сегодняшний день процессор, поддерживает точные схемы с более чем 7 500 квантовыми операциями на 120 программируемых кубитах и обеспечивает до 100 000 выборок в секунду, что в 25 раз превышает показатели Heron.
- Прогресс на пути к 100 миллионам операций и созданию IBM Quantum Starling — отказоустойчивого компьютера, который IBM планирует выпустить в 2029 году, — поддерживается подробными планами, определяющими параллельное совместное проектирование памяти, l-ответвителей, декодеров и криогенных систем.
- Модель направленного выполнения и новые управляемые рабочие процессы в IBM Quantum Functions масштабируют гибридные квантово-классические рабочие нагрузки до миллиардов выборок.
- Новые инструменты — Qiskit Fermions, Qiskit Bosons, мапперы оптимизации — и 39 клиентских проектов превращают подтвержденное превосходство в практические приложения.
Два года назад мы предсказали, что первые демонстрации квантового превосходства появятся к концу 2026 года, если сообщества специалистов по квантовым и высокопроизводительным вычислениям будут работать вместе. В этом году мы сделали это вместе. Исследователи выполнили вычисления, выходящие за рамки чисто классических методов, причем с результатами, которые можно строго проверить. Это сочетание производительности и надежности делает нынешний год годом превосходства.
Но превосходство — это веха, а не конечный пункт назначения. Мы доказали, что квантовые компьютеры могут превосходить классические методы, и теперь началась гонка за тем, чтобы сделать их полезными. Мы создаем эти инструменты для решения сложных задач в самых разных областях — от устойчивой энергетики и материаловедения до разработки лекарств и финансовой оптимизации. Это задачи, требующие гораздо большего, чем просто один результат, превосходящий эталонные показатели.
Именно поэтому на конференции IBM Quantum Developer Conference 2026 (QDC 2026) мы отслеживаем наш прогресс по четырем направлениям, которые ведут нас от превосходства к полезным приложениям: (1) превосходство с использованием передовых схем, (2) путь к IBM Quantum Starling, (3) путь к интеграции и (4) путь к практическим приложениям.
Прогресс на этих направлениях приближает нас к нашей конечной цели: квантово-вычислительной платформе, опирающейся на реальные рабочие процессы. Ниже мы рассмотрим каждое из них по очереди, начиная с фундамента: процессоров, созданных для скорости.
Превосходство с использованием передовых схем
Основой полезной квантовой суперкомпьютерной платформы является железо, созданное для скорости, что делает передовые схемы не только возможными, но и экономически эффективными.
В этом году мы представили IBM Quantum Nighthawk r2, наш самый передовой процессор на сегодняшний день, созданный для запуска точных схем с более чем 7 500 квантовыми операциями. Его связность в виде квадратной решетки на 120 программируемых кубитах (458 физических кубитов) позволяет выполнять схемы, симуляция которых представляет собой гораздо большую сложность для классических методов. Кроме того, являясь нашим самым быстрым процессором на сегодняшний день, его архитектура высокоскоростного сброса кубитов достигает до 100 000 выборок в секунду, что обеспечивает 25-кратный прирост пропускной способности по сравнению с IBM Quantum Heron.
Мы уже начали использовать Nighthawk r2 для воспроизведения демонстраций превосходства этого года, и пользователи также активно применяют его в работе. Запускайте передовые схемы с помощью наших практических руководств, которые включают эксперимент по эргодичности на 64 кубитах и анализ классических «теней» (classical shadows) на 96 кубитах. Изучите руководства: Начало эргодичности и Классические тени.
Фактически, клиенты и партнеры, включая E.ON, Algorithmiq и Q-CTRL, к настоящему моменту выполнили более 34 миллиардов схем на Nighthawk r2, согласно расчетам нашей команды, сообщив о повышении производительности до 19 раз по сравнению с предыдущими процессорами IBM Quantum.
Команда IBM наблюдала ту же тенденцию в собственных исследованиях. Один из экспериментов по симуляции реальных магнитных материалов, проведенный ранее в этом году совместно с Окриджской национальной лабораторией, обеспечил 12-кратное ускорение, выдав результаты, согласующиеся с экспериментами по рассеянию нейтронов. Между тем эксперимент Algorithmiq по симуляции квантовой динамики гетерогенного материала, впервые продемонстрированный на IBM Quantum Heron в рамках результатов по квантовому превосходству этого года, теперь выполняется на Nighthawk r2 в 8 раз быстрее. Читайте полный анонс Nighthawk r2 в блоге IBM Quantum.
Благодаря использованию связности квадратной решетки Nighthawk r2, расширенный эксперимент Algorithmiq также позволяет создавать схемы, симуляция которых значительно сложнее для ведущих классических методов на основе тензорных сетей. При фиксированной точности эти классические методы потребовали бы примерно на 240% больше памяти, чем для первоначальной реализации на тяжелых гексагонах, даже несмотря на то, что сама квантовая вычислительная операция выполняется в 8 раз быстрее.
Закономерность очевидна: рост пропускной способности процессора и его связности позволяет одновременно ускорять квантовые рабочие нагрузки и глубже погружать их в режимы, бросающие вызов классическим вычислениям.
Скорость и качество Nighthawk r2 позволили добиться значительного прогресса в реализации дорожной карты IBM Quantum Roadmap. Возросшая пропускная способность процессора вывела нас на частоту сброса 100 кГц. Это позволило нам без ущерба для качества надежно выполнять схемы с более чем 7 500 квантовыми операциями с использованием вероятностного усиления ошибок. Благодаря этому две ключевые вехи удалены из нашей дорожной карты разработки. Посмотрите, какое место эти вехи занимают в более широкой дорожной карте разработки IBM Quantum.
С момента развертывания систем настройка на базе ИИ еще больше повысила качество устройств, улучшив двухкубитные вентили с высокими показателями ошибок до 7 раз. Эти новые достижения расширят возможности демонстраций на Nighthawk r2.
Nighthawk также зарекомендовал себя как исключительный испытательный стенд для исправления ошибок. Сочетая возможности на уровне импульсов, от которых зависят эти исследования (измерение в процессе работы схемы, быстрая классическая обратная связь, управление в реальном времени), с его скоростью и связностью квадратной решетки, Nighthawk r2 позволяет исследователям применять эти возможности в масштабах, требуемых реальными кодами. Ранние демонстрации уже выполняют множество циклов измерения синдромов от начала до конца, используя функционал циклов Qiskit через платформу IBM Quantum Platform. Чтобы подробнее узнать о том, как начать изучение возможностей Nighthawk r2 по исправлению ошибок на платформе IBM Quantum Platform, прочитайте блог для практикующих специалистов QDC.
Для ускорения этих исследований мы размещаем Nighthawk r2 на той же площадке, что и систему Umbra Окриджской национальной лаборатории — высокопроизводительную вычислительную платформу на базе графических процессоров AMD Instinct™ MI355X и процессоров AMD EPYC™ 5-го поколения.
Объединение этих двух систем позволяет исследователям совместно проектировать алгоритмы квантового исправления ошибок, задействуя как квантовые, так и классические ресурсы, а не изолированно, продвигаясь к возможностям, которые в конечном итоге обеспечат ценные приложения в таких областях, как химия и материаловедение. Мы создали эту новую платформу совместного проектирования для квантового исправления ошибок в сотрудничестве с компаниями AMD и Центром квантовых наук Министерства энергетики США, базирующимся в Окриджской национальной лаборатории. Читайте полный анонс платформы совместного проектирования ORNL, IBM и AMD в блоге IBM Quantum.
Эта работа согласуется с более широкими целями миссии Genesis Mission Министерства энергетики США, которая нацелена на создание к концу 2028 года 100 логических кубитов, выполняющих 100 000 сложных операций.
В совокупности эти достижения показывают, что скорость — это больше, чем просто спецификация. Это важнейшая возможность, которая делает передовые цепи рентабельными и превращает Nighthawk в полигон для будущей коррекции ошибок.
Путь к Starling
Создание квантовых схем масштабом в 100 миллионов операций потребует отказоустойчивого квантового компьютера — такого, который выполняет ценные схемы за минуты, а не за месяцы. Первым таким компьютером станет IBM Quantum Starling, выпуск которого запланирован на 2029 год. Ознакомьтесь с более подробным разбором прогресса этого года на пути к IBM Quantum Starling в нашем блоге Path to Starling.
Создание уникальной в своем роде системы означает параллельное проектирование ее компонентов, когда опыт, полученный при работе над одним компонентом, меняет конструкцию другого. Для Starling эта работа по совместному проектированию ведется в шести ключевых областях: физика устройств, QPU, модульные декодеры, межмодульные соединения, модульная криогеника и проводка, а также модульная управляющая электроника.
Однако независимо от того, как мы будем двигаться по этому пути, наша цель остается прежней: модульные логические запоминающие устройства в сочетании с логическими процессорами, соединенные l-ответвителями и использующие магические состояния для реализации конструкции, которая требует примерно в 10 раз меньше физических кубитов, чем другие отказоустойчивые архитектуры.
Начнем с памяти, в которой будут храниться логические кубиты Starling. Наш процессор IBM Quantum Loon, впервые представленный на QDC 2025, теперь объединяет компоненты с коррекцией ошибок qLDPC-процессора на одном кристалле с измеренной производительностью, сравнимой с Nighthawk r2.
Конструктивные усовершенствования сократили количество элементов Loon с самым высоким процентом брака — джозефсоновских переходов — более чем в два раза, примерно с 5 000 до 2 000. Такое сокращение стало возможным благодаря усовершенствованному qLDPC-коду, которому требуется всего пять соединений кубитов вместо шести, а также инновационным разработкам в области ответвителей. Меньшее количество компонентов означает более простой чип, который проще производить и который менее подвержен ошибкам, во многом благодаря более плотным внутрисхемным соединениям, известным как c-ответвители. Узнайте больше о физике устройств, лежащей в основе c-ответвителей и нашей отказоустойчивой архитектуры, в нашем видео на канале IBM Research в YouTube.
Не менее важно надежно объединить эти модули, поскольку для Starling потребуется более 100 межчиповых соединений, которые мы называем l-ответвителями, работающих согласованно. Недавняя демонстрация подтвердила нашу способность надежно связывать два процессора Nighthawk с помощью четырех l-ответвителей со средней точностью передачи состояний 99% (лучший результат — 99,3%). Такой уровень повторяемости делает модульное масштабирование реалистичным, и это раннее подтверждение возможностей подключения, от которых будет зависеть Starling. Узнайте больше о недавней демонстрации l-ответвителей.
Остальная часть нашего стека коррекции ошибок не отстает. Декодеры, которые обнаруживают и исправляют ошибки в реальном времени, теперь соответствуют производительности, необходимой для Starling, и мы разрабатываем специализированный чип-декодер для дальнейшего продвижения. Что касается управления, наши новейшие криогенные управляющие ASIC теперь соответствуют производительности вентилей комнатной электроники.
В основе всего лежит новая конструкция на базе модульной криогеники, которая поддерживает температуру всей системы на достаточно низком для работы уровне и теперь составляет основу будущих систем. В этом году мы впервые объединили два криогенных модуля в единую систему, достигнув рабочей температуры менее чем за пять дней и охлаждения ниже 15 милликельвинов. Откройте для себя нашу модульную криогенную архитектуру, которая составляет основу будущих квантовых систем.
Прогресс в отношении каждого компонента влияет на дизайн остальных, поэтому создание Starling параллельно, а не в виде последовательного контрольного списка, является правильным подходом для столь сложной системы.
Путь к интеграции
Масштабирование преимуществ для практических применений означает выход за рамки ландшафта отдельных схем. Будущие рабочие нагрузки требуют сотен миллионов, если не миллиардов выборок, распределенных между квантовыми и классическими ресурсами.
Демонстрации, подобные оценке эха Лошмидта для операторов на Nighthawk r2, иллюстрируют это. Количество их выборок и время выполнения показывают, что запускать по одной схеме за раз далеко не достаточно. Задача состоит в том, чтобы предоставить исследователям больше контроля над выполнением рабочей нагрузки, не жертвуя при этом скоростью, которая делает ее жизнеспособной. Другими словами, нам необходимо выйти за рамки единичных схем.
Наш ответ — модель направленного выполнения, лежащая в основе пути интеграции. Вместо того чтобы рассматривать квантовый компьютер как черный ящик, который выполняет одну схему и возвращает результат, она дает исследователям больше контроля и прозрачности над всеми вычислениями без ущерба для производительности. Это достигается за счет единого компонуемого набора инструментов с открытым исходным кодом Qiskit. Прочитайте недавний блог о направленном выполнении, чтобы получить полное представление о том, как масштабируются рабочие нагрузки, и ознакомиться с сопутствующими инструментами для направленного выполнения.
Два новшества развивают эту модель для разработчиков. Во-первых, Backend v3, выпуск которого запланирован на 2027 год, совершенствует интерфейс бэкенда для описания полноценной квантовой программы. Он рассматривает классическую предварительную обработку, выполнение квантовых вычислений и классическую постобработку как единое целое, а не фокусируется на изолированных запусках схем.
Мы также представляем новые инструменты профилирования, которые позволяют разработчикам оценивать стоимость и использование рабочей нагрузки до ее запуска, проверять ее временные характеристики и анализировать шум локально. Большая видимость означает лучшую оптимизацию и более низкие затраты, что вычеркивает еще один этап из нашей дорожной карты. В нашем блоге для практиков новые инструменты профилирования обсуждаются более подробно. Чтобы увидеть их в действии, пройдите учебное руководство по инструментам профилирования, которое оценивает использование, проверяет время выполнения схем и предварительно просматривает смягчение ошибок перед выделением времени QPU.
Предоставление разработчикам контроля также означает интеграцию в инструменты, которые они уже используют. В этом году мы открыли официальный репозиторий агентных навыков Qiskit с открытым исходным кодом — упакованные инструкции, которые обучают ИИ-ассистента программирования лучшим практикам Qiskit.
Первые навыки охватывают именно те задачи, которые замедляют работу разработчиков, такие как миграция кода и выбор методов смягчения ошибок для заданной схемы. А открытый репозиторий означает, что сообщество может развивать эти навыки и вносить свой вклад. Исследуйте репозиторий агентных навыков Qiskit с открытым исходным кодом и вносите свой вклад на GitHub.
Все это объединяется в главном релизе этого направления: управляемых рабочих процессах, новой возможности в стеке технологий IBM Quantum Functions (ранее Qiskit Functions). Ознакомьтесь с готовыми функциями со всей экосистемы в каталоге IBM Quantum Functions.
Вместо того чтобы вручную объединять вычислительные среды, команды теперь могут запускать и повторно использовать свои квантово-классические рабочие процессы на управляемой инфраструктуре. Эта инфраструктура обеспечивает высокопамятные и ускоренные графическими процессорами классические вычисления, параллелизм для запуска сканирования параметров из одного развертывания, постоянное хранилище, переживающее любой отдельный рабочий процесс, и тарификацию на основе использования в платформе.
Эти возможности лежат в основе крупномасштабных гибридных рабочих процессов, которые мы сегодня исследуем вместе с нашими партнерами, включая эксперименты с миллионами сэмплов и распределенным выполнением на квантовых и HPC-ресурсах. Вместе они превращают специализированный конвейер в многоразовый ресурс — то, что команда может развертывать повторно и масштабировать без необходимости создавать заново каждый раз, параллельно закладывая основу для более совместной работы со временем. Они также подводят нас к очередному контрольному этапу на нашей карте развития (Development Roadmap). Разверните свой первый управляемый рабочий процесс с помощью этого пошагового руководства на IBM Quantum Platform.
Влияние уже заметно в масштабе. Наши квантово-классические рабочие процессы для квантовой диагонализации на основе сэмплов (SQD) эволюционировали от выполнения с открытым контуром к замкнутым, параллельным и распределенным рабочим процессам, разработанным для крупномасштабных гибридных вычислительных сред.
Например, ученые из IBM и RIKEN выполнили свой исходный рабочий процесс SQD приблизительно 5x faster при выполнении в 100 раз большего объема вычислений, чем в исходном исследовании. Cleveland Clinic и RIKEN также использовали эти интегрированные возможности платформы для автоматической обработки примерно 608 миллионов сэмплов для моделирования биологически значимых структур, что примерно в 33 раза быстрее, чем без автоматизации рабочих процессов. Примените автоматизацию рабочих процессов на практике с помощью этого учебного руководства по SQD, которое объединяет квантовые и распределенные классические вычисления для поиска энергии основного состояния молекулы. В качестве альтернативы попробуйте наше учебное руководство по QCSC Prefect, которое оркеструет рабочий процесс SQD на квантовых и классических ресурсах HPC.
Скомпонованные вместе, эти элементы образуют единый высокопроизводительный уровень для гибридных квантово-классических рабочих процессов — историю интеграции, стоящую за быстрым запуском миллиардов сэмплов.
Путь к практическим применениям
Именно здесь преимущество встречается с реальным миром. Та же верифицируемость, которая сделала убедительными демонстрации квантового преимущества в этом году, превращает квантовый результат в то, на основе чего бизнес может принимать решения.
Этот переход уже идет в химии, материаловедении, энергетике и финансах. Только в 2026 году у нас 39 активных или завершенных проектов с промышленными клиентами. Многие из этих проектов сейчас работают в масштабах, измеряемых миллионами сэмплов, что отражает сдвиг от демонстраций концепта к рабочим процессам, разработанным с учетом реальных вычислительных потребностей. Ознакомьтесь с реальными исследованиями и результатами клиентов на нашей странице кейсов.
Чтобы сделать этот прогресс систематическим, а не эпизодическим, мы опираемся на прикладные области, где квантовые вычисления доказуемо полезны: симуляция гамильтониана, оптимизация, квантовое машинное обучение и дифференциальные уравнения в частных производных. Каждая из них опирается на алгоритмы с доказуемыми гарантиями, а эвристические квантовые методы позволяют нам уже сейчас начать исследование незаполненного пространства между сегодняшним оборудованием и этими алгоритмами во всех четырех вычислительных областях.
Оптимизация является наиболее очевидным тестовым примером с четко определенными задачами и решениями, которые легко проверить. В прошлом году Рабочая группа по квантовой оптимизации (Quantum Optimization Working Group) — одна из нескольких исследовательских групп под руководством сообщества, в которых мы с гордостью принимаем участие, — создала открытую библиотеку Quantum Optimization Benchmarking Library. С тех пор эта работа переросла в рецензируемую статью в Nature Computational Science и публичный трекер. Изучите Quantum Optimization Benchmarking Library и внесите свой вклад через ее публичный репозиторий.
Все чаще эти усилия по бенчмаркингу дополняются крупномасштабными промышленными экспериментами. Например, компания E.ON сообщила о 15-кратном ускорении на Nighthawk r2 по сравнению с процессором предыдущего поколения Heron в экспериментах по применению квантового машинного обучения для оптимизации энергосетей. В отдельной работе E.ON и Qoro распределили задачу оптимизации с 1 710 переменными по нескольким квантовым процессорам с использованием спектрального разбиения и упаковки схем (circuit packing) — в рамках рабочего процесса, в котором было использовано около 20 миллионов сэмплов.
Эксперименты такого масштаба подчёркивают, насколько крупными могут быть практические задачи оптимизации, и показывают, почему пропускная способность, стоимость сэмпла и оркестрация рабочих процессов становятся важнейшими показателями прогресса.
Строгий бенчмаркинг, проводимый сообществом, — это то, что мы надеемся увидеть и в менее зрелых вычислительных областях. Новые рабочие группы по симуляции гамильтониана, квантовому машинному обучению, дифференциальным уравнениям в частных производных и другим направлениям занимаются именно этим. Изучите квантовые рабочие группы и узнайте, как принять участие.
Чтобы превратить цели в результаты, мы расширяем наш инструментарий приложений. Наш сопоставитель оптимизации (optimization mapper) в Qiskit уже используется такими клиентами, как Allstate, и на подходе новые инструменты оптимизации. А пока попробуйте сопоставитель оптимизации самостоятельно в нашем учебном руководстве по Warm-start QAOA, которое сопоставляет задачу максимального разреза (max-cut) с квантовым гамильтонианом и решает ее с помощью QAOA с теплым стартом.
Что касается симуляции, эти методы уже справляются с практически значимыми задачами химии. Например, для симуляции белок-лигандных комплексов размером до 12 635 атомов, имеющих значение для взаимодействия лекарств и белков, Cleveland Clinic, RIKEN и IBM запустили схемы, сгенерировавшие 1,75 миллиарда сэмплов за 139 часов. Прочтите полное исследование белок-лигандных комплексов от Cleveland Clinic, RIKEN и IBM на arXiv.
Квантовая диагонализация на основе сэмплов продолжает развиваться для поддержки работ такого масштаба, и новая пара навыков агента Qiskit теперь помогает принимать наиболее сложные архитектурные решения при симуляции фермионных систем. К ним относятся навык для Qiskit Fermions, который помогает выбрать кодирование и проверить его с помощью ffsim, а также навык для Qiskit SQD, который выбирает классический солвер собственных значений, наилучшим образом подходящий для вашей задачи. Вместе с самим Qiskit Fermions и альфа-релизом Qiskit Bosons эти достижения закрывают этап инструментов сопоставления полезности (utility mapping tools) на нашей карте развития и расширяют наш растущий набор инструментов для симуляции. Узнайте больше о Qiskit Fermions, Qiskit Bosons, ffsim и новых навыках агентов Qiskit в блоге для специалистов QDC.
Наконец, мы развиваем экосистему с помощью новых функций приложений, подкрепленных реальными исследованиями и созданных совместно с партнерами по квантовой экосистеме. К ним относятся функции оптимизации, функция, возвращающая квантовые векторы признаков для любой классической модели, и функция для симуляции динамики Ферми — Хаббарда. Выходящие в течение осени, все они доступны в каталоге IBM Quantum Functions Catalog. Ознакомьтесь с последними функциями приложений и партнерами по экосистеме в IBM Quantum Functions Catalog.
На этом пути четкие цели с встроенной верификацией и растущий набор инструментов делают для приложений то же, что скорость сделала для преимущества: превращают надежные результаты в приложения, которые исследователи могут использовать и масштабировать.
Мы достигли поставленных целей и поднимаем планку.
В этом году мы выполнили задачи из нашей дорожной карты по всем направлениям — от целевых показателей шлюзов и скорости Nighthawk до управляемых рабочих процессов, бенчмаркинга оптимизации и новых инструментов сопоставления полезности — и продвинули вперед каждый компонент Starling параллельно.
Обновленная дорожная карта IBM Quantum возглавляется процессором IBM Quantum Nighthawk r3, нашим следующим процессором, разработанным для выполнения 10 000 квантовых операций на 520 программируемых кубитах. В 2027 году, используя те же стратегии, которые позволили нам осуществить недавнюю демонстрацию l-куплера, мы планируем объединить два процессора Nighthawk r3 в единую систему из 1040 кубитов. Узнайте, что будет дальше, в нашей обновленной дорожной карте разработки.
Мы ускорили выполнение передовых цепей, усовершенствовали каждый компонент на пути к отказоустойчивой Starling посредством параллельного сопроектирования, создали уровень интеграции, который выполняет миллиарды выборок на высокой скорости, и расширили возможности инструментов, переносящих проверяемость из стадии квантового превосходства в практические приложения.
Мы решили некоторые из самых сложных проблем на пути к полезным квантовым вычислениям, и те, что остались — именно те задачи, которые это сообщество решает лучше всего. Демонстрации, которые сделали этот год годом квантового превосходства, никогда не были заслугой только нашей команды, и то, что ждет нас впереди, тоже принадлежит не нам одним. Это год, когда квантовое превосходство стало реальностью — теперь помогите нам сделать его полезным и начните создавать вместе с нами на IBM Quantum Platform.
