Obliczenia kwantowe dla programistów: stan wiedzy na rok 2026, IBM Condor, Google Willow i plan działania
Obliczenia kwantowe weszły w fazę, którą badacze nazywają użyteczności kwantowe: nie jest odporny na błędy, nie jest gotowy do złamania szyfrowania RSA, ale jest w stanie rozwiązać problemy specyficzne — optymalizacja, symulacja chemiczna, uczenie maszynowe — szybsze niż jakiekolwiek inne Dostępny klasyczny superkomputer. Dla programisty oznacza to, że jest przestrzeń rzeczywistych problemów, w których można wykorzystać sprzęt kwantowy dostępny obecnie za pośrednictwem IBM Quantum i Google Quantum AI bezpośrednio z API.
Ten przewodnik oferuje uczciwy przegląd sytuacji na rok 2026, bez szumu i nadmiernego cynizmu: co jest dziś możliwe, co jest nadal perspektywiczne i co konkretnie możesz zrobić dzięki Qiskit e sprzęt IBM.
Czego się nauczysz
- Stan sprzętu: IBM Condor (433 kubitów) vs Google Willow (1000 kubitów)
- NISQ vs tolerancja na błędy: krytyczne rozróżnienie, które wiele artykułów ignoruje
- Qiskit v2.2: dlaczego jest 83 razy szybszy i co to oznacza dla rozwoju
- Co konkretnie możesz dziś zrobić jako programista w IBM Quantum
- Plan działania na lata 2026–2030: kiedy można spodziewać się przewagi kwantowej w rozwiązywaniu problemów praktycznych
- Jak uzyskać dostęp do prawdziwego sprzętu za darmo
Krajobraz sprzętowy 2026
IBM Quantum: od Eagle do Condor
IBM postępował zgodnie z precyzyjnym publicznym planem działania. W 2026 roku flagowy procesor e IBM Condor na 433 kubitach z mapą połączeń w kształcie ptaka. Najbardziej znaczącym postępem nie jest jednak liczba kubitów — lecz redukcja błędów bramek szybkości i lepszą spójność (czasy T1, T2), co pozwala na głębsze obwody zanim szum zniszczy informację kwantową.
IBM Quantum Hardware Timeline (qubit fisici):
2021: IBM Eagle — 127 qubit
2022: IBM Osprey — 433 qubit
2023: IBM Condor — 1121 qubit (in sviluppo)
2024: IBM Flamingo — interconnected processors
2025: IBM Heron — performance ottimizzata, noise ridotto
2026: IBM Kookaburra— next gen, targeting fault-tolerant
Metriche chiave IBM Heron (2025):
- 2-qubit gate error: ~0.1% (target per fault-tolerant: <0.01%)
- T1 (coherence time): ~300 microseconds
- T2 (dephasing time): ~200 microseconds
- Circuiti profondi supportati: ~100-200 gate layers prima del noise
Nota critica: numero di qubit != potenza computazionale.
Qualita dei qubit (error rate, coherence) > quantita di qubit.
Google Willow: 1000 kubitów i przełom 2024 r
Google ogłosiło Wierzba w grudniu 2024 r z skutkiem to zrobił news: rozwiązuje test obliczeniowy w 5 minut, który wymagałby 10 septylionów lat do klasycznego superkomputera. Ważne jest, aby zrozumieć, co to oznacza, a czego nie oznacza:
- Omawiany benchmark został stworzony specjalnie z myślą o komputerach kwantowych — Nie jest to bezpośredni problem praktyczny
- Prawdziwy przełom nastąpił korekcja błędu kwantowego poniżej progu: dodanie większej liczby kubitów fizycznych poprawia jakość kubitu logicznego zamiast go pogarszać, po raz pierwszy
- Jest to podstawowy warunek wstępny odpornych na błędy obliczeń kwantowych
Google Quantum AI Timeline:
2019: Sycamore (53 qubit) — "Quantum Supremacy" claim
2023: Sycamore+ improvements
2024: Willow (~105 qubit fisici, error correction below threshold)
2025-2026: Scale-up verso logical qubit demonstration
Target: Million-qubit fault-tolerant computer (2030+)
La distinzione NISQ vs Fault-Tolerant:
NISQ (Noisy Intermediate-Scale Quantum):
- Oggi: 100-1000 qubit fisici
- No error correction
- Algoritmi brevi per evitare decoerenza
- Utilita limitata ma reale per problemi specifici
Fault-Tolerant:
- Futuro: richiede 1000+ qubit fisici per ogni qubit LOGICO
- Full error correction
- Algoritmi arbitrariamente lunghi
- Rompe RSA, risolve chimica molecolare complessa
- Timeline realistica: 2030-2035
Qiskit v2.2: Dlaczego 83 razy szybciej ma znaczenie
Qiskit v2.2 (wydany w 2025 r.) całkowicie przepisał komponent transpilera który przekształca obwód logiczny w natywne operacje sprzętu fizycznego. Wynik: Obwody kompilowane 83 razy szybciej, z lepszą jakością optymalizacji.
Dla programisty oznacza to pętlę programowanie-kompilacja-uruchamianie na prawdziwym sprzęcie wystarczająco szybko, aby stanowić część normalnego przepływu pracy programistycznej, a nie jednodniowe zadanie wsadowe.
# Primo programma Qiskit: Bell State su IBM Quantum
# Requisiti: pip install qiskit qiskit-ibm-runtime
from qiskit import QuantumCircuit
from qiskit_ibm_runtime import QiskitRuntimeService, SamplerV2 as Sampler
from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager
# Autenticazione IBM Quantum (account gratuito su quantum.ibm.com)
service = QiskitRuntimeService(
channel='ibm_quantum',
token='YOUR_API_TOKEN' # da quantum.ibm.com/account
)
# Seleziona backend (sistemi reali disponibili con account gratuito)
backend = service.least_busy(operational=True, simulator=False)
print(f"Backend selezionato: {backend.name}")
print(f"Numero qubit: {backend.num_qubits}")
# Crea un circuito Bell State (due qubit entangled)
qc = QuantumCircuit(2, 2)
qc.h(0) # Hadamard sul qubit 0 — crea superposizione
qc.cx(0, 1) # CNOT controllato da qubit 0 su qubit 1 — crea entanglement
qc.measure([0, 1], [0, 1])
print("Circuito creato:")
print(qc.draw('text'))
# Transpile: converte per l'hardware fisico specifico
# NUOVO in v2.2: 83x piu veloce grazie al nuovo transpiler
pm = generate_preset_pass_manager(backend=backend, optimization_level=1)
isa_circuit = pm.run(qc)
print(f"\nGate dopo transpilation: {isa_circuit.count_ops()}")
# Esegui su hardware reale
sampler = Sampler(backend)
job = sampler.run([isa_circuit], shots=1024)
print(f"Job ID: {job.job_id()}")
print("In coda sull'hardware reale...")
result = job.result()
counts = result[0].data.c.get_counts()
print(f"\nRisultati (1024 shots): {counts}")
# Output atteso: {'00': ~512, '11': ~512} — il Bell state collassa in 00 o 11 con uguale probabilita
Co możesz zrobić już dziś na IBM Quantum
Dzięki bezpłatnemu kontu IBM Quantum zyskujesz dostęp do:
- Lokalne symulatory (Qiskit Aer) umożliwiające nieograniczony rozwój
- Prawdziwy sprzęt: 10 minut czasu kwantowego miesięcznie za darmo
- IBM Quantum Lab: Środowisko notebooków Jupyter w przeglądarce
- Nauka Qiskit: oficjalne kursy z certyfikatem
# Simulazione locale con Qiskit Aer — sviluppo gratuito e illimitato
from qiskit import QuantumCircuit
from qiskit_aer import AerSimulator
from qiskit.visualization import plot_histogram
# Simulatore locale — nessun account necessario
simulator = AerSimulator()
# Esempio: circuito a 3 qubit per generare stato GHZ
qc = QuantumCircuit(3, 3)
qc.h(0)
qc.cx(0, 1)
qc.cx(0, 2)
qc.measure_all()
# Esecuzione locale (istantanea)
from qiskit import transpile
compiled = transpile(qc, simulator)
result = simulator.run(compiled, shots=8192).result()
counts = result.get_counts()
print("Distribuzione GHZ state (ideale):")
for state, count in sorted(counts.items()):
percentage = count / 8192 * 100
print(f" |{state}⟩: {count} ({percentage:.1f}%)")
# Output ideale: |000⟩ 50%, |111⟩ 50%
# Simulazione con noise realistico (modello hardware IBM)
from qiskit_aer.noise import NoiseModel
from qiskit_ibm_runtime.fake_provider import FakeNairobiV2
fake_backend = FakeNairobiV2()
noise_model = NoiseModel.from_backend(fake_backend)
noisy_simulator = AerSimulator(noise_model=noise_model)
noisy_result = noisy_simulator.run(compiled, shots=8192).result()
noisy_counts = noisy_result.get_counts()
print("\nDistribuzione GHZ state (con noise realistico IBM):")
for state, count in sorted(noisy_counts.items()):
percentage = count / 8192 * 100
print(f" |{state}⟩: {count} ({percentage:.1f}%)")
# Output realistico: 00x e 11x appaiono per effetto del noise
Rzeczywiste przypadki użycia w 2026 r. (era NISQ)
Aby nie marnować zasobów, niezbędna jest szczera ocena obecnego stanu. To są przypadki użycia, w których kwantowy NISQ pokazał dziś prawdziwą wartość:
Casi d'uso con quantum advantage (NISQ 2026):
POSSIBILE OGGI:
- Ottimizzazione combinatoria (scheduling, routing) con QAOA
su problemi <50 variabili — quantum competitivo con euristici classici
- Simulazione chimica molecolare (VQE) per molecole small
(<20 atomi) — piu preciso di metodi classici approssimati
- Quantum kernel methods per classificazione ML su dataset piccoli
con feature ad alta dimensionalita
PROSPETTICO (2028-2030):
- Ottimizzazione su problemi >1000 variabili
- Simulazione di materiali e farmaci complessi
- Quantum advantage su ML dataset grandi
NON POSSIBILE PRIMA DEL 2035:
- Rompere RSA/ECDSA (richiede milioni di qubit logici)
- Rompere AES-256 (Grover aumenta il lavoro a 2^128 — ancora sicuro)
- Generale "solve everything faster"
Mito da sfatare: "I computer quantistici sono 1000x piu veloci"
Realta: Sono piu veloci SOLO per problemi con struttura quantistica
Per la maggior parte dei problemi classici, sono piu lenti
Jak zacząć: konto i konfiguracja
# Setup ambiente Qiskit (Python 3.9+)
pip install qiskit qiskit-ibm-runtime qiskit-aer
# Verifica installazione
python -c "import qiskit; print(qiskit.__version__)"
# 1.x.x
# Configurazione account IBM Quantum
# 1. Crea account su https://quantum.ibm.com
# 2. Ottieni API token da https://quantum.ibm.com/account
python -c "
from qiskit_ibm_runtime import QiskitRuntimeService
# Salva le credenziali in modo permanente (una tantum)
QiskitRuntimeService.save_account(
channel='ibm_quantum',
token='YOUR_API_TOKEN',
overwrite=True
)
print('Account configurato!')
"
# Test: lista dei backend disponibili
python -c "
from qiskit_ibm_runtime import QiskitRuntimeService
service = QiskitRuntimeService(channel='ibm_quantum')
backends = service.backends(operational=True, simulator=False)
for b in backends:
print(f'{b.name}: {b.num_qubits} qubit, queue: {b.status().pending_jobs} job')
"
Plan działania w zakresie obliczeń kwantowych na lata 2026–2032
- 2026 (obecnie): era NISQ — 100-1000 kubitów, ograniczona użyteczność w przypadku konkretnych problemów, Qiskit v2 do programowania, darmowy IBM Quantum do prototypowania
- 2027-2028: Kamień milowy w zakresie korekcji błędów — pierwsze demonstracje kubitów logicznych stabilne, głębsze obwody, prawdziwa optymalizacja chemiczna
- 2029-2030: Ustalona użyteczność kwantowa – problemy optymalizacji przemysłowej rozwiązany lepiej niż klasyczna, migracja PQC zakończona w większości organizacji
- 2030+: Kwant odporny na uszkodzenia — algorytmy o dowolnej długości, RSA wrażliwy (pilna migracja do PQC Teraz)
Wnioski
Obliczenia kwantowe w roku 2026 będą realne, dostępne i przydatne w przypadku określonego zestawu problemów — ale nie jest to powszechna rewolucja, którą często reklamują media. Jako programista, chwila najlepiej zacząć od i Teraz: Narzędzia (Qiskit v2) są dojrzałe, sprzęt jest dostępny jest bezpłatna, a krzywa uczenia się jest przystępna dla każdego, kto ma doświadczenie Python i podstawowa algebra liniowa.
Następny artykuł omawia podstawy niezwiązane z fizyką: kubity, superpozycja i splątanie wyjaśnione za pomocą matematycznej intuicji dostępnej dla każdego programisty.