คำถามที่ถูกถามผิดที่สุดเกี่ยวกับ quantum computing คือ "มันเร็วกว่าคอมพิวเตอร์ปกติแค่ไหน" เพราะคำตอบที่ถูกต้องกว่าคือ "มันแก้ปัญหาคนละแบบกับคอมพิวเตอร์ปกติ" และปีนี้คือปีที่เส้นแบ่งระหว่างสิ่งที่ทำได้จริงกับสิ่งที่ยังเป็นแค่ paper บน arXiv ชัดเจนขึ้นเรื่อย ๆ
Qubit ไม่ใช่บิตที่เร็วขึ้น
บิตปกติมีค่าเป็น 0 หรือ 1 เท่านั้น แต่ qubit อยู่ในสถานะซ้อนทับ (superposition) ที่เป็นทั้ง 0 และ 1 พร้อมกันได้ และเมื่อ qubit หลายตัวพันกัน (entanglement) มันจะร่วมกันเข้ารหัสความเป็นไปได้จำนวนมหาศาลในโครงสร้างเดียว. นี่คือเหตุผลที่ Google อ้างว่าชิป Sycamore ทำโจทย์เฉพาะทางหนึ่งเสร็จใน 200 วินาที ขณะที่ซูเปอร์คอมพิวเตอร์ทั่วไปต้องใช้เวลานับหมื่นปี. แต่ตรงนี้ต้องระวัง เพราะโจทย์นั้นถูกออกแบบมาให้ quantum computer ได้เปรียบสุด ๆ มันไม่ได้แปลว่าคอมพิวเตอร์ควอนตัมเร็วกว่าคอมพิวเตอร์ทั่วไปในทุกงาน
ปัญหาตัวจริงคือ Error ไม่ใช่ความเร็ว
สิ่งที่ขวางทางควอนตัมมาตลอดหลายสิบปีไม่ใช่พลังการคำนวณ แต่คือความเปราะบางของ qubit ที่พังง่ายมากจากสิ่งรบกวนรอบตัว แม้แต่ความร้อนเพียงเสี้ยววินาทีก็ทำให้ข้อมูลเพี้ยนได้ทันที นี่คือจุดที่ชิป Willow ของ Google สร้างความฮือฮาปลายปี 2567 ด้วยการรวม physical qubit 280 ตัวเข้าด้วยกันจนได้ logical qubit หนึ่งตัวที่รักษาสถานะได้นานถึง 20 นาที เทียบกับสถิติเดิมที่อยู่ได้แค่ระดับไมโครวินาที และที่สำคัญกว่าคือมันตรวจจับและแก้ error แบบเรียลไทม์ได้ ซึ่งเป็นก้าวสำคัญของ fault-tolerant quantum computing ที่ทุกคนในวงการรอมานาน
ความคืบหน้าล่าสุดในปี 2026 ยังเดินหน้าต่อในทิศทางนี้อย่างต่อเนื่อง งานวิจัยเดือนมิถุนายนแสดงให้เห็นการใช้ neutral atom ทำ quantum error correction แบบ scalable ได้เป็นครั้งแรก ด้วยเทคนิค mid-circuit atom reloading ที่แก้ปัญหา atom หลุดหายระหว่างการทำงานได้สำเร็จตลอด 90 รอบการวัด ขณะเดียวกันฝั่ง photonic quantum computing ก็มีความคืบหน้าด้าน manufacturing โดยผลิต quantum-dot device ระดับ foundry-compatible ได้เป็นพัน ๆ ตัวพร้อมคุณภาพโฟตอนที่ใกล้เคียงสมบูรณ์แบบ ซึ่งทำให้ networked photonic quantum computing ดูจับต้องได้มากขึ้นกว่าที่เคย
AI กำลังเข้ามาช่วยแก้ปัญหา Error Correction
หนึ่งในความน่าสนใจของปีนี้คือการที่ LLM ถูกใช้ช่วยออกแบบ error-correcting code เอง โดยให้โมเดลภาษาลองปรับแก้โปรแกรม Python เพื่อเสนอ code candidate แบบ qLDPC แล้วให้ระบบตรวจสอบความถูกต้องอย่างเข้มงวด ซึ่งใช้ต้นทุนการประมวลผลเพียงราวสี่ร้อยดอลลาร์ต่อรอบ นอกจากนี้ยังมีงานวิจัยที่ใช้เทคนิค neural transfer เพื่อถ่ายโอนความรู้จาก error-correcting code ขนาดเล็กไปช่วยเทรน decoder ขนาดใหญ่ ทำให้ neural decoder ที่มีศักยภาพสูงเริ่มคุ้มค่าทางเศรษฐศาสตร์เป็นครั้งแรก นี่คือสัญญาณว่าสายงาน machine learning และ quantum error correction กำลังหลอมรวมกันอย่างจริงจัง
สิ่งที่ทำได้จริงในตอนนี้
-
จำลองโมเลกุลระดับเคมี ยังเป็นการใช้งานที่ใกล้ความจริงที่สุด เพราะธรรมชาติของ qubit เหมาะกับการจำลองระบบควอนตัมอื่น ๆ อย่างการจัดเรียงอิเล็กตรอนในโมเลกุล ซึ่งช่วยงานค้นคว้ายาและวัสดุใหม่
-
Hybrid quantum-classical computing คือแนวทางที่ใช้งานได้จริงในระยะสั้น โดยให้ควอนตัมทำเฉพาะส่วนที่มันได้เปรียบ ส่วนที่เหลือให้คอมพิวเตอร์ปกติทำต่อ
-
Quantum key distribution สำหรับความปลอดภัยข้อมูลเริ่มมีการทดลองใช้งานจริงในบางองค์กรแล้ว
-
Benchmark แบบ in-situ ที่วัด error ทั้ง physical และ logical ได้จากข้อมูล syndrome ระหว่างรันอัลกอริทึมจริง ทำให้ calibration แบบเรียลไทม์เป็นไปได้มากขึ้น
สิ่งที่ยังเป็นงานวิจัยล้วน ๆ
-
Fault-tolerant quantum computer ขนาดใหญ่ที่ใช้งานได้ทั่วไป ยังห่างไกลจากความจริง เพราะการรวม physical qubit นับพันนับหมื่นตัวให้เสถียรยังเป็นโจทย์เปิด
-
การถอดรหัส RSA/ECC ด้วย Shor's algorithm ในระดับที่กระทบระบบความปลอดภัยจริง เช่น Bitcoin หรือ Ethereum ยังต้องรอ machine ที่ทรงพลังกว่าปัจจุบันมาก งานวิเคราะห์ด้วยแบบจำลอง Monte Carlo ประเมินว่าโอกาสที่เครื่องระดับนั้นจะเกิดขึ้นภายในปี 2035 อยู่ที่ประมาณหนึ่งในหก และปัญหาคอขวดจริง ๆ คือเรื่อง governance มากกว่าฟิสิกส์
-
Quantum networking และ distributed quantum computing เช่นการส่ง teleported gate ระหว่าง solid-state qubit ที่อยู่ไกลกัน ยังอยู่ในขั้นทดลองในแล็บ
-
Quantum machine learning ที่ได้เปรียบจริง เพิ่งมีหลักฐานทางทฤษฎีว่าเป็นไปได้ในบางเงื่อนไข แต่ยังไม่มี use case ที่ใช้งานเชิงพาณิชย์ชัดเจน
ทำไมต้องแยกให้ชัดว่าอะไรจริง อะไรวิจัย
วงการนี้เต็มไปด้วยคำว่า "breakthrough" ที่ถูกใช้พร่ำเพรื่อ ทำให้คนนอกสายแยกยากว่าอะไรคือความก้าวหน้าที่เปลี่ยนเกม กับอะไรคือ paper อีกฉบับในกองที่มีมากกว่าสองร้อยฉบับต่อปีในวารสารเดียว. เกณฑ์ง่าย ๆ ที่ใช้แยกได้คือ ถ้างานวิจัยพูดถึง "logical qubit ที่เสถียรขึ้น" หรือ "error rate ลดลง" นั่นคือกำลังแก้ปัญหาพื้นฐานที่สุดของสายนี้ แต่ถ้าพูดถึง "quantum advantage" สำหรับโจทย์เฉพาะทางแคบ ๆ ให้ตั้งคำถามเสมอว่าโจทย์นั้นมีประโยชน์ใช้งานจริงหรือถูกเลือกมาเพื่อโชว์ผลลัพธ์ที่สวยงาม
ทิศทางของปี 2026 ชี้ไปทางเดียวกันชัดขึ้นทุกที นั่นคือฮาร์ดแวร์กำลังขยับจาก "พิสูจน์แนวคิด" ไปสู่ "ผลิตได้จริงในระดับอุตสาหกรรม" ทั้งในสาย neutral atom และ photonic ขณะที่ software stack ของ error correction ก็เริ่มโตเร็วขึ้นเพราะมี AI มาช่วยออกแบบและถอดรหัส แต่ระยะห่างจากจุดนี้ไปถึงเครื่องที่ทำลายการเข้ารหัสของอินเทอร์เน็ตยังคงห่างเป็นปีต่อปีเช่นเดิม