9 آگوست 2024 -نوشته توماس مورستین، گفتگو -اعتبار: دامنه عمومی Pixabay/CC0
اپراتورهای شبکه برق، مانند شبکه ملی در بریتانیا، برای برنامه ریزی توسعه شبکه و برنامه ریزی زمانی که انرژی باید از منابع مختلف تولید شود، به رایانه های با کارایی بالا متکی هستند. این مشکلات به دلیل گذار به انتشار کربن صفر خالص بزرگتر و پیچیده تر می شوند و اکنون به مرزهای بزرگ ترین ابررایانه های جهان نیز می رسند.
محاسبات کوانتومی راه جدیدی را برای پیشرفت باز می کند. گروه تحقیقاتی من در دانشگاه آکسفورد بررسی می‌کند که چگونه محاسبات کوانتومی می‌تواند برای انتقال خالص صفر ارزش ارائه دهد. من و همکارم Xiangyue Wang اخیرا مقاله‌ای را در مجله Joule منتشر کردیم که فرصت‌های امیدوارکننده‌ای را برای محاسبات کوانتومی برای کمک به بهینه‌سازی برنامه‌ریزی و بهره‌برداری از شبکه‌های برق خالص صفر شناسایی می‌کند.
طی پنج سال آینده، شبکه ملی قصد دارد 30 میلیارد پوند برای به روز رسانی زیرساخت های شبکه برق به عنوان بخشی از انتقال بریتانیا به شبکه کربن زدایی شده هزینه کند. سرمایه گذاری های بزرگی نیز برای فناوری های کم کربن از جمله باد، خورشیدی، هسته ای و باتری ها برنامه ریزی شده است. علاوه بر این، میلیون‌ها وسیله نقلیه الکتریکی (EV) و پمپ حرارتی به شبکه‌های توزیع محلی اضافه می‌شوند تا حمل و نقل و گرمایش را کربن‌زدایی کنند.
تصمیم‌گیری‌های برنامه‌ریزی، از جمله مکان ساخت انرژی‌های تجدیدپذیر، زمان ارتقای خطوط انتقال الکتریکی، و نحوه راه‌اندازی شارژرهای EV، مستقیماً بر میزان بالا بودن صورت‌حساب‌های انرژی، دفعات قطع برق و سرعت بریتانیا تأثیر می‌گذارد. اهداف با میلیاردها دلار سرمایه گذاری در شبکه، بسیار مهم است که برنامه ریزان شبکه درک کنند که چگونه این پول را عاقلانه خرج کنند.
علاوه بر برنامه ریزی شبکه، راه اندازی یک شبکه صفر خالص نیز یک مشکل بهینه سازی چالش برانگیز است زیرا جریان های برق شبکه باید با تقاضا مطابقت داشته باشد در حالی که همیشه در محدوده ایمن باقی می مانند. در غیر این صورت، شبکه خطر قطع برق را تهدید می کند. این امر به دلیل تغییرپذیری و عدم قطعیت تولید باد و خورشید دشوارتر می شود.
چالش دیگر برقی‌سازی حمل‌ونقل و گرمایش است که در هنگام بازگشت مردم از محل کار، تقاضا را متمرکز می‌کند. یک راه حل این است که زمان شارژ EV ها و زمان کارکرد پمپ های حرارتی را تنظیم کنید. تغییرات کوچک در استفاده، که در میلیون‌ها خانه جمع می‌شود، می‌تواند معادل خروجی نیروگاه‌های بزرگ باشد. با این حال، این به طور قابل توجهی تعداد دستگاه هایی را در شبکه که نیاز به برنامه ریزی دارند افزایش می دهد و زمان بندی را بسیار دشوارتر می کند.
در سال 2019، گوگل برتری کوانتومی را نشان داد – حل مشکلی که هیچ کامپیوتر کلاسیکی نمی‌توانست آن را در هر زمان ممکن حل کند – با تکمیل یک مسئله شبیه‌سازی فیزیک در 200 ثانیه. حل همین مشکل یک ابررایانه کلاسیک معادل 10000 سال با استفاده از بهترین الگوریتم شناخته شده در آن زمان نیاز داشت. این یک مسابقه مداوم بین محققانی بود که بر روی گسترش محدودیت‌های محاسبات کلاسیک و کوانتومی کار می‌کردند. رایانه‌های کوانتومی اکنون به مقیاس و بلوغی رسیده‌اند که می‌توانند ارزش ملموسی برای صنایعی از جمله داروسازی و مالی ارائه دهند.
رایانه‌های کلاسیک اطلاعات را در رشته‌هایی از بیت‌ها ذخیره می‌کنند، جایی که هر بیت دارای مقدار 0 یا 1 است. عملیات منطقی روی بیت‌ها برای محاسبه استفاده می‌شود. در یک کامپیوتر کوانتومی، واحد اصلی اطلاعات بیت کوانتومی یا «کیوبیت» است. کیوبیت ها را می توان به روش های مختلفی ساخت، به عنوان مثال با استفاده از مدارهای ابررسانا یا اتم هایی که توسط لیزر به دام افتاده اند.
هنگامی که اندازه گیری می شود، یک کیوبیت مانند یک بیت کلاسیک به عنوان 0 یا 1 خوانده می شود. با این حال، در یک کامپیوتر کوانتومی، کیوبیت ها را می توان با استفاده از اصول فیزیک کوانتومی – قوانین حاکم بر رفتار ذرات زیراتمی – کنترل کرد. این به کامپیوترهای کوانتومی اجازه می‌دهد که مقادیر زیادی از اطلاعات کلاسیک را تنها با چند کیوبیت نمایش دهند و انواع خاصی از محاسبات را انجام دهند که عملاً برای رایانه‌های کلاسیک غیرممکن است.
محققان محاسبات کوانتومی را در عصر کوانتومی در مقیاس متوسط پر سر و صدا (NISQ) توصیف می کنند. انتظار می رود رایانه های کوانتومی بزرگ و همه منظوره برای حداقل یک دهه دور از دسترس باقی بمانند. با این حال، دستگاه های NISQ در حال حاضر نویدبخش مشکلات بهینه سازی شبکه ترکیبی هستند. اینها مشکلات مربوط به تصمیمات بهم پیوسته بله یا خیر است که مجموعه ای از امکانات را به طور تصاعدی ایجاد می کند، مانند تصمیم گیری در مورد مکان ساخت ژنراتورهای جدید، خطوط انتقال برای ارتقاء و راه اندازی یا تعطیلی کدام نیروگاه های خاص.
همچنین مجموعه گسترده‌تری از فرصت‌ها وجود دارد که در آن محاسبات کوانتومی مورد بررسی قرار نگرفته است. محاسبات کوانتومی می‌تواند سرعت شبیه‌سازی و بهینه‌سازی جریان‌های برق شبکه را افزایش دهد. همچنین می‌تواند یادگیری ماشینی را تسریع کند – استفاده از الگوریتم‌هایی که عملکرد آنها را هنگام قرار گرفتن در معرض داده‌ها بهبود می‌بخشد. این می تواند به اپراتورهای شبکه کمک کند تا از داده های متر هوشمند با حجم بالا برای بهبود پیش بینی، زمان بندی و برنامه ریزی استفاده کنند. با دستگاه‌های کوچک NISQ، یک رویکرد امیدوارکننده این است که آنها را با هم متحد کنیم.
کامپیوترهای کلاسیک را از رده خارج کرده و از آنها برای شتاب بخشیدن به بخش های خاصی از الگوریتم های پیچیده که برای محاسبات کوانتومی مناسب هستند استفاده می کنند.
علیرغم مراحل اولیه تحقیقات محاسبات کوانتومی شبکه برق، در حال حاضر ابتکارات صنعتی برای توسعه الگوریتم‌های کوانتومی در حال انجام است که می‌تواند گسترش شبکه و زمان‌بندی هوشمند شارژ EV را امکان‌پذیر کند.
با توجه به هدف کربن زدایی، انرژی مورد نیاز برای کامپیوترهای کوانتومی یک نگرانی بالقوه است، به ویژه انرژی برای خنک کردن، زیرا کامپیوترهای کوانتومی اغلب به دمای بسیار پایین (نزدیک به صفر مطلق یا -273.15 درجه سانتیگراد) برای عملکرد قابل اعتماد نیاز دارند. با این حال، تحقیقات نشان می‌دهد که وقتی یک کامپیوتر کوانتومی می‌تواند با استفاده از عملیات‌های کمتر نسبت به یک کامپیوتر کلاسیک مشکلی را حل کند، این می‌تواند در مصرف انرژی نیز صرفه‌جویی کند. برای مثال، نمایش برتری کوانتومی گوگل نه تنها سرعت محاسبات را به شدت افزایش داد، بلکه مصرف انرژی را تا ضریب 557000 کاهش داد.
