ซื้อ
ตลาด
🔥
ตลาดคาดการณ์

ภัยคุกคามของคอมพิวเตอร์ควอนตัมต่อ Bitcoin: การประเมินความก้าวหน้าและความเป็นไปได้

ความก้าวหน้าในการแก้ไขข้อผิดพลาดควอนตัมและหลักฐานพื้นฐานทำให้คอมพิวเตอร์ควอนตัมที่ใช้งานได้ใกล้ความจริงมากขึ้น AI กำลังเร่งความก้าวหน้าในจุดคอขวดสำคัญ

23/09/2026 17:13อ่านประมาณ 15 นาที

คำถามว่าคอมพิวเตอร์ควอนตัมอาจเป็นอันตรายที่แท้จริงต่อเครือข่าย Bitcoin ได้หรือไม่นั้นถูกพูดคุยกันมากว่าสิบปีแล้ว เมื่อผมพบ Bitcoin ครั้งแรกเมื่อกว่า 13 ปีก่อน นี่เป็นหัวข้อถกเถียงที่จริงจังอยู่แล้ว

หลายสิ่งเปลี่ยนแปลงไปมากตั้งแต่สมัยแรกที่ผมยังเป็นมือใหม่ที่ไม่รู้เรื่องและพยายามทำความเข้าใจพื้นฐาน ทั้งความก้าวหน้าทางทฤษฎีและการปรับปรุงทางวิศวกรรมเชิงปฏิบัติได้เกิดขึ้น

การพัฒนาที่สำคัญสองประการเกิดขึ้นตั้งแต่นั้น ซึ่งเปลี่ยนโอกาสที่คอมพิวเตอร์ควอนตัมที่ทำงานได้จะปรากฏภายในทศวรรษหน้าหรือประมาณนั้นอย่างมีนัยสำคัญ ซึ่งไม่ได้หมายความว่าเครื่องจักรดังกล่าวจะกลายเป็นที่แพร่หลายหรือเข้าถึงได้ง่ายแม้สำหรับผู้ที่มีเงินทองมากมาย

ถึงกระนั้น ก็มีโอกาสจริงที่เครื่องจักรที่ใช้งานได้หลายเครื่องจะถูกสร้างในปีต่อๆ ไป

การปรับปรุงการแก้ไขข้อผิดพลาด

ความก้าวหน้าครั้งสำคัญแรกอยู่ที่การแก้ไขข้อผิดพลาด เพื่อชดเชยสัญญาณรบกวนตามธรรมชาติที่มาพร้อมกับการจัดการวัตถุในระดับที่เล็กมาก การสร้างคิวบิตตรรกะที่มีประโยชน์เพียงตัวเดียวต้องใช้คิวบิตทางกายภาพที่ซ้ำซ้อนหลายตัว

ก่อนหน้านี้ วิธีที่ดีที่สุดคือ surface codes — การจัดเรียงคิวบิตทางกายภาพจำนวนมากในตารางและใช้บางส่วนเป็น check qubits ที่ตรวจสอบเพื่อนบ้านเป็นประจำเพื่อหาข้อผิดพลาดใน superposition โดยไม่ทำลายมัน ทุกช่องว่างในตารางต้องถูกเติมด้วย check qubit

ความต้องการ check qubits นี้เพิ่มค่าใช้จ่ายพิเศษที่อาจเข้าใกล้ 1,000 คิวบิตทางกายภาพต่อคิวบิตตรรกะ ปัญหาทวีความรุนแรงขึ้นในขนาดใหญ่ขึ้นเพราะ check qubit สามารถตรวจสอบเพื่อนบ้านที่อยู่ติดกันเท่านั้น ดังนั้นทุกกลุ่มของคิวบิตต้องมีตัวตรวจสอบที่เว้นระยะเท่ากัน

โค้ด Quantum low-density parity-check (qLDPC) ขจัดข้อจำกัดนี้ พวกมันให้ check qubits ติดตามคิวบิตอื่นๆ ในระยะทางไกล — ไม่ว่าจะผ่านรอยต่อที่เชื่อมต่อส่วนชิปต่างๆ หรือโดยการเลื่อนอะตอมทางกายภาพโดยใช้การออกแบบอะตอมที่เป็นกลาง ผลลัพธ์คือจำนวนคิวบิตทางกายภาพที่จำเป็นสำหรับคิวบิตตรรกะที่เชื่อถือได้ลดลงถึง 10 เท่า

นั่นคือการปรับปรุงที่มีความหมาย มันยังไม่ได้แสดงถึงเครื่องจักรที่ทำงานได้อย่างสมบูรณ์ แต่มันแสดงถึงการเพิ่มประสิทธิภาพที่แท้จริงในวิศวกรรมที่จะรองรับคอมพิวเตอร์ควอนตัมที่ทำงานได้

ความก้าวหน้าในการพิสูจน์พื้นฐาน

การพัฒนาครั้งที่สองตอบคำถามที่ลึกซึ้งกว่า: การเพิ่มคิวบิตทางกายภาพมากขึ้นลดสัญญาณรบกวนของระบบโดยรวมจริงๆ หรือไม่แทนที่จะเพิ่มขึ้น สิ่งนี้ยังคงเป็นทฤษฎีในตอนนี้ และสิ่งสำคัญคือต้องจำไว้ว่ายังไม่มีคอมพิวเตอร์ควอนตัมที่ทำงานได้อย่างสมบูรณ์ใดๆ ทำการคำนวณแบบ end-to-end ที่คอมพิวเตอร์คลาสสิกไม่สามารถเทียบได้

Google ทำการทดลองกับชิป Sycamore (และต่อมา Willow) เพื่อทดสอบผลของการเพิ่มคิวบิตทางกายภาพมากขึ้น เพื่อให้ชัดเจนอย่างสมบูรณ์ นี่ไม่ใช่การสาธิตการคำนวณ — มันแสดงให้เห็นว่าข้อมูลสามารถเก็บไว้ในหน่วยความจำได้โดยไม่เสื่อมสลาย

นักวิจัยใช้คิวบิตตรรกะที่ทำจากกลุ่มคิวบิตทางกายภาพ 17, 49 และ 101 ตัว พวกเขาแสดงให้เห็นว่าอัตราข้อผิดพลาดตรรกะ — ความถี่ที่ข้อมูลเสียหาย — ลดลงเมื่อจำนวนคิวบิตทางกายภาพเพิ่มขึ้น การทดสอบผ่านเกณฑ์สำคัญ: คิวบิตตรรกะที่สร้างจากคิวบิตทางกายภาพอิสระรักษาความสอดคล้องได้นานกว่าคิวบิตทางกายภาพเดี่ยวใดๆ ที่มันมี

อีกครั้ง นี่ไม่ใช่การก้าวกระโดดไปสู่คอมพิวเตอร์ควอนตัมที่ทำงานได้อย่างสมบูรณ์ซึ่งเหนือกว่าเครื่องจักรคลาสสิก แต่มันเป็นความก้าวหน้าที่แท้จริงในการตรวจสอบสมมติฐานพื้นฐานข้อหนึ่งที่การคำนวณควอนตัมต้องพึ่งพา

AI

นี่ไม่ใช่เพียงพื้นที่เดียวที่โซลูชันที่ดีกว่าเกิดขึ้น ปัญญาประดิษฐ์ (AI) ตอนนี้มีบทบาทสำคัญในระบบเหล่านี้ มันถูกใช้ในการอ่านและถอดรหัสข้อมูลจากคอมพิวเตอร์ควอนตัม — จุดคอขวดสำคัญสำหรับการใช้เครื่องจักรดังกล่าวในขนาดใหญ่

AI ยังช่วยพัฒนาอัลกอริทึมควอนตัมใหม่ที่ปรับให้เหมาะกับอุปกรณ์เหล่านี้ เมื่อพิจารณาว่า AI เพิ่งช่วยแก้ — หรือแม้แต่พิสูจน์หักล้าง — การคาดเดาทางคณิตศาสตร์ที่สำคัญ ไม่ไกลเกินจริงที่จะจินตนาการว่า AI ทำให้เกิดความก้าวหน้าในสาขานี้เช่นกัน

เทคนิคเดียวกันนี้ถูกนำไปใช้ในการออกแบบวงจรควอนตัมทางกายภาพที่สร้างด้วยสถาปัตยกรรมที่แตกต่างกัน การค้นหาเค้าโครงที่เหมาะสมที่สุดสำหรับเกทควอนตัมในพื้นที่ทางกายภาพเพื่อลดสัญญาณรบกวนในระดับควอนตัม โดยไม่สร้างพื้นที่ว่างมากเกินไปจนทำให้เกิดความหน่วงหรือไร้ประสิทธิภาพ เป็นความท้าทายที่ซับซ้อนมาก

ปัจจัยนี้สามารถเร่งความก้าวหน้าในปัญหาพื้นฐานที่ยังคงอยู่ได้อย่างมาก

แนวโน้มข้างหน้า

ท้ายที่สุด ในมุมมองของผม มันลดลงเหลือคำถามเดียว: สมมติฐานที่ว่าการเพิ่มคิวบิตทางกายภาพมากขึ้นลดสัญญาณรบกวนเป็นจริงสำหรับการคำนวณจริงและการจัดการข้อมูลควอนตัมอย่างแข็งขันหรือไม่?

หากสมมติฐานนั้นเป็นจริง และไม่ถูกพิสูจน์หักล้างในการทดลองในอนาคตอันใกล้ ผมเชื่อว่ามีโอกาสตามความเป็นจริงที่คอมพิวเตอร์ควอนตัมที่ใช้งานได้จะถูกผลิตขึ้นภายในสิบปีข้างหน้า

ทรัพยากรมหาศาลถูกทุ่มเทให้กับปัญหานี้ มีความก้าวหน้าที่มีนัยสำคัญ — แม้จะไม่ท่วมท้น — ในแต่ละชิ้นส่วนของปริศนา และถ้าสิ่งใดเป็นไปได้โดยพื้นฐาน มนุษย์มักจะหาทางทำให้สำเร็จ

ผมไม่ได้บอกว่าถึงเวลาต้องตื่นตระหนก แต่อย่าปฏิเสธความเป็นไปได้

บทความนี้อยู่ใน ฉบับพิมพ์ ล่าสุดของ Bitcoin Magazine, The Quantum Issue

แชร์ไปยัง

X (Twitter)Telegram

ข้อจำกัดความรับผิดชอบ: เนื้อหาในบทความนี้มาจากสื่อภายนอก ใช้เพื่อการอ้างอิงเท่านั้น และไม่ถือเป็นคำแนะนำการลงทุน คริปโตและผลิตภัณฑ์ทางการเงินอื่นมีความเสี่ยงจากความผันผวนของราคาสูง โปรดตัดสินใจอย่างรอบคอบ

บทความที่เกี่ยวข้อง

HYPE เข้าใกล้ $115 ขณะที่กิจกรรมการซื้อขายแบบโทเค็นบน Hyperliquid พุ่งสูงขึ้น

HYPE ของ Hyperliquid เพิ่มขึ้น 274% นับตั้งแต่ต้นปี ใกล้ถึง $100 โดยได้รับการสนับสนุนจากสถาบันในด้านโทเค็นและปริมาณการซื้อขาย HIP-3 รายเดือน 115 พันล้านดอลลาร์

36 นาทีที่แล้วอ่านประมาณ 18 นาที

XRP มูลค่าเกือบ 20 ล้านดอลลาร์ถูกดูดออกจากกระเป๋าเงินดิจิทัลหลายพันใบ

ผู้โจมตีขโมย XRP มูลค่าเกือบ 20 ล้านดอลลาร์สหรัฐจากผู้ใช้ D'CENT App Wallet หลายพันคน ใน 6 ระลอก ระหว่างวันที่ 15 ถึง 20 กันยายน

5 ชั่วโมงที่แล้วอ่านประมาณ 9 นาที

กระแสเงินลงทุน Bitcoin ETF ตั้งแต่ต้นปีกลับมาเป็นบวกในวันที่มียอด 1 พันล้านดอลลาร์

กองทุน Bitcoin ETF แบบ spot ของสหรัฐฯ มียอดไหลเข้าสุทธิเกือบ 1 พันล้านดอลลาร์ในวันจันทร์ ส่งผลให้กระแสเงินลงทุนตั้งแต่ต้นปีกลับมาเป็นบวกเป็นครั้งแรกนับตั้งแต่เดือนเมษายน

5 ชั่วโมงที่แล้วอ่านประมาณ 15 นาที

BlackRock คาดการณ์ว่าเอเจนต์ AI จะจ่ายเงินผ่านสเตเบิลคอยน์บน Ethereum และ Arc

ทีมสินทรัพย์ดิจิทัลของ BlackRock เผยแพร่เอกสารวิจัยโดยโต้แย้งว่าเอเจนต์ AI จะใช้สเตเบิลคอยน์ โดยมี Ethereum และ Arc ของ Circle เป็นโครงสร้างพื้นฐานการชำระราคา

7 ชั่วโมงที่แล้วอ่านประมาณ 18 นาที