همه چیز درباره محاسبات و کامپیوترهای کوانتومی

محاسبات کوانتومی یک رویکرد جدید برای محاسبه است که از اصول فیزیک بنیادی برای حل سریع مسائل بسیار پیچیده استفاده می کند. رایانه‌های دیجیتال چندین دهه است که پردازش اطلاعات را برای ما آسان‌تر کرده‌اند، اما کامپیوترهای کوانتومی آماده هستند تا محاسبات را به سطح کاملاً جدیدی برسانند.

کامپیوترهای کوانتومی نشان دهنده یک رویکرد کاملاً جدید برای محاسبات هستند. آنها پتانسیل حل مسائل آماری بسیار پیچیده را دارند که فراتر از محدودیت های رایانه های امروزی است. محاسبات کوانتومی به تنهایی می‌تواند تا سال 2035 ارزشی نزدیک به 1.3 تریلیون دلار داشته باشد. سرمایه‌گذاران از انواع مختلف گروه ها آمادگی خود را برای سرمایه گذاری در این حوزه اعلام کرده اند، در این راستا سرمایه‌گذاران دولتی به تنهایی متعهد شده‌اند که 34 میلیارد دلار در این زمینه پرداخت کنند. شایان ذکر است که دولت ایالات متحده در سال 2022، 1.8 میلیارد دلار بودجه برای سرمایه گذاری در این مسیر اعلام کرد و تا انتهای سال کل سرمایه گذاری خود را به 3.7 میلیارد دلار رساند.

یک کامپیوتر کوانتومی چگونه کار می کند؟

محاسبات کوانتومی چگونه کار می کند: محاسبات کلاسیک، فناوری که لپ تاپ و تلفن هوشمند شما را نیرو می دهد، بر روی بیت ها ساخته شده است. بیت واحدی از اطلاعات است که می تواند صفر یا یک را ذخیره کند. در مقابل، محاسبات کوانتومی بر روی بیت‌های کوانتومی یا کیوبیت‌هایی ساخته شده است که می‌توانند صفر و یک را ذخیره کنند. کیوبیت ها می توانند هر ترکیبی از صفر و یک را به طور همزمان نشان داده که به آن برهم نهی می گویند و یکی از ویژگی های اساسی هر حالت کوانتومی به حساب می آید.

هنگامی که یک کامپیوتر کلاسیک مشکلی را با چندین متغیر حل می کند، باید هر بار که متغیری عوض می شود، یک محاسبه جدید انجام دهد. هر محاسبه یک مسیر واحد به یک نتیجه واحد است. کامپیوترهای کوانتومی، با این حال، می توانند بسیاری از مسیرها را به صورت موازی از طریق برهم نهی کاوش کنند.

علاوه بر این، کیوبیت ها می توانند با یکدیگر تعامل داشته باشند که این امر به عنوان درهم تنیدگی شناخته می شود. درهم تنیدگی به کیوبیت ها اجازه داده تا به صورت نمایی مقیاس شوند. به عنوان مثال، دو کیوبیت می توانند چهار بیت اطلاعات را ذخیره و پردازش کنند، سه کیوبیت می توانند هشت بیت را پردازش کنند و غیره. این مقیاس نمایی به کامپیوتر کوانتومی قدرت بسیار بیشتری نسبت به کامپیوترهای کلاسیک می دهد.

سازمان‌های فناوری بزرگ در حال حاضر روی فناوری کوانتومی به عنوان یک چشم انداز بزرگ تمرکز کرده‌اند. در سال 2019، گوگل ادعا کرد که رایانه کوانتومی آن تنها در 200 ثانیه مشکلی را که برای یک کامپیوتر کلاسیک 10000 سال طول می‌کشد، حل کرده است (اگرچه سایر سازمان‌های فناوری و دانشگاهیان در مورد صحت ادعای گوگل تردید دارند).

حتی اگر ادعای گوگل دقیق بود، این دستاورد بیشتر یک جهش تئوری به جلو بود تا عملی، زیرا مشکلی که کامپیوتر کوانتومی آن حل کرد، در دنیای واقعی کاربرد نداشت. اما ما به سرعت به زمانی نزدیک می شویم که کامپیوترهای کوانتومی تاثیر واقعی بر زندگی ما خواهند داشت.

کامپیوترهای کوانتومی در چه مواردی استفاده می شوند؟

کامپیوترهای کلاسیک امروزی نسبتاً ساده هستند. آنها با مجموعه محدودی از ورودی‌ها کار کرده و از یک الگوریتم استفاده و یک پاسخ را بیرون می‌دهند. باید توجه داشت بیت‌هایی که ورودی‌ها را رمزگذاری می‌کنند، اطلاعاتی را درباره یکدیگر به اشتراک نمی‌گذارند. کامپیوترهای کوانتومی متفاوت هستند، زمانی که داده ها به کیوبیت ها وارد می شوند، کیوبیت ها با کیوبیت های دیگر تعامل داشته و امکان انجام بسیاری از محاسبات مختلف را به طور همزمان فراهم می کنند. به همین دلیل است که رایانه‌های کوانتومی می‌توانند بسیار سریع‌تر از رایانه‌های کلاسیک کار کنند. اما این پایان داستان نیست: رایانه‌های کوانتومی مانند رایانه‌های کلاسیک تنها یک پاسخ واضح ارائه نداده، بلکه طیف وسیعی از پاسخ های ممکن را ارائه می دهند.

برای محاسباتی که دامنه محدودی دارند، کامپیوترهای کلاسیک همچنان ابزار ترجیحی هستند. اما برای مسائل بسیار پیچیده، کامپیوترهای کوانتومی می توانند با محدود کردن دامنه پاسخ های ممکن در زمان صرفه جویی کنند.

کامپیوترهای کوانتومی چه زمانی در دسترس خواهند بود؟

طی چند سال آینده، بازیگران اصلی محاسبات کوانتومی، و همچنین گروه کوچکی از استارت‌آپ‌ها، به طور پیوسته تعداد کیوبیت‌هایی را که رایانه‌هایشان می‌توانند مدیریت کنند، افزایش خواهند داد و نحوه عملکرد فناوری را بهبود خواهند بخشید. با این حال، انتظار می رود پیشرفت در محاسبات کوانتومی کند باقی بماند. بر اساس گفتگوهای ما با مدیران فناوری، سرمایه گذاران و دانشگاهیان در محاسبات کوانتومی، 72 درصد معتقدند که تا سال 2035 شاهد یک کامپیوتر کوانتومی کاملاً مقاوم در برابر خطا خواهیم بود. 28 درصد باقی مانده فکر می کنند که این نقطه عطف تا سال 2040 یا بعد از آن محقق نخواهد شد.

اما برخی از کسب و کارها قبل از آن شروع به استخراج ارزش از کوانتوم خواهند کرد و در ابتدا، مشاغل خدمات کوانتومی را از طریق ابر دریافت خواهند کرد. در این مسیر چندین شرکت بزرگ محاسباتی قبلاً ارائه ابر کوانتومی خود را اعلام کرده اند.

برخی از موانع توسعه محاسبات کوانتومی چیست؟

یکی از موانع اصلی پیشرفت محاسبات کوانتومی، فرار بودن کیوبیت ها است. در حالی که بیت در رایانه های کلاسیک امروزی در حالت یک یا صفر است، یک کیوبیت می تواند هر ترکیب ممکن از این دو باشد. هنگامی که یک کیوبیت وضعیت خود را تغییر می دهد، ورودی ها می توانند از بین بروند یا تغییر داده شوند و دقت نتایج را کاهش دهند. یکی دیگر از موانع توسعه این است که یک کامپیوتر کوانتومی که در مقیاس مورد نیاز برای دستیابی به پیشرفت های قابل توجه کار می کند، به طور بالقوه به میلیون ها کیوبیت برای اتصال نیاز دارد. تعداد کمی از کامپیوترهای کوانتومی که امروزه وجود دارند به این عدد نزدیک نیستند.

در اینجا برخی از چالش‌های دیگر پیش روی فناوری‌هایی که می‌توانند محاسبات کوانتومی را در مقیاس پشتیبانی کنند، وجود دارد:

دروازه های دو کیوبیتی با کیفیت بالا در مقیاس

حفظ وفاداری بالا (به معنی دقت و قابلیت اطمینان بیشتر از 99.99 درصد) برای کامپیوترهای کوانتومی مقاوم به خطا مورد نیاز است. انجام این کار در مقیاس دشوار خواهد بود.

سرعت

کیوبیت ها باید حالت کوانتومی خود را حفظ کرده تا بتوانند با یکدیگر تعامل داشته باشند، با توجه به اینکه در شرایط محیطی خاص، در نهایت تخریب می شوند. برای اینکه کامپیوترهای کوانتومی در مقیاس کار کنند، بخش عملیات باید خیلی سریع حرکت کرده تا محاسبات قبل از اینکه کیوبیت ها کاهش پیدا کنند، کامل شود.

شبکه چند کیوبیتی اتصال یا شبکه کردن کیوبیت ها به یکدیگر از نظر تئوری می تواند کامپیوترهای کوانتومی را بسیار قدرتمندتر کند. چالش کلیدی در اینجا اتصال کیوبیت ها به تراشه ها یا از یک کامپیوتر کوانتومی فیزیکی به کامپیوتر دیگر است.

کنترل کیوبیت فردی در مقیاس

با افزایش تعداد کیوبیت ها، کنترل تک تک کیوبیت ها پیچیده تر می شود. قدرت خنک کننده و کنترل محیطی همانطور که کامپیوترهای کوانتومی بزرگتر می شوند، اندازه و توان مورد نیاز تجهیزات خنک کننده، هم از نظر هزینه و هم از نظر محیطی، گرانتر می شوند. در حال حاضر، تامین انرژی یک کامپیوتر کوانتومی به اندازه کافی برای اتصال میلیون‌ها کیوبیت هزینه زیادی دارد.

قابلیت ساخت

تولید تعداد زیادی کامپیوتر کوانتومی مستلزم خودکارسازی فرآیندهای تولید و آزمایش است. تولید برخی از کامپیوترهای کوانتومی ممکن است نیازمند توسعه تکنیک‌های تولید کاملاً جدید باشد.

چگونه کامپیوترهای کلاسیک و کامپیوترهای کوانتومی می توانند با هم کار کنند؟

در ابتدا به آرامی محاسبات کوانتومی در کنار محاسبات کلاسیک برای حل مسائل چند متغیره استفاده خواهد شد. یک مثال؟ رایانه‌های کوانتومی می‌توانند دامنه راه‌حل‌های ممکن برای یک مشکل مالی یا لجستیکی را محدود کنند و به شرکت کمک کرده تا سریع‌تر به بهترین راه‌حل دست یابد. این نوع پیشرفت آهسته تر تا زمانی که محاسبات کوانتومی به اندازه کافی پیشرفت کند تا پیشرفت های مهم تری را ارائه دهد، معمول خواهد بود.

برخی از موارد استفاده تجاری بالقوه برای رایانه های کوانتومی چیست؟

کامپیوترهای کوانتومی چهار قابلیت اساسی دارند که آنها را از کامپیوترهای کلاسیک امروزی متمایز می کند:

شبیه سازی کوانتومی

شبیه سازی کوانتومی این کامپیوترها موجب می شود تا مولکول‌های پیچیده را مدل‌سازی کنند، که در نهایت ممکن است به کاهش زمان توسعه برای شرکت‌های شیمیایی و دارویی کمک کند. دانشمندانی که به دنبال تولید داروهای جدید هستند باید ساختار یک مولکول را بررسی کرده تا بفهمند چگونه با مولکول های دیگر برهمکنش می کند. برای کامپیوترهای امروزی تقریبا غیرممکن است که شبیه سازی های دقیق را ارائه کنند، زیرا هر اتم به روش های پیچیده ای با اتم های دیگر تعامل دارد. اما کارشناسان بر این باورند که کامپیوترهای کوانتومی به اندازه کافی قدرتمند هستند تا بتوانند حتی پیچیده ترین مولکول های بدن انسان را مدل کنند. این امکان را برای توسعه سریعتر داروهای جدید و درمانهای جدید و تحول آفرین باز می کند.

بهینه سازی و جستجو

هر صنعتی به نوعی به بهینه سازی متکی است. ربات ها در کجای کارخانه بهتر قرار می گیرند؟ کوتاه ترین مسیر برای کامیون های تحویل یک شرکت چیست؟ تقریباً بی نهایت سؤال وجود دارد که برای بهینه سازی کارایی و ایجاد ارزش باید به آنها پاسخ داده شود. با محاسبات کلاسیک، شرکت‌ها باید محاسبات پیچیده را یکی پس از دیگری انجام دهند، که با توجه به متغیرهای بالقوه بسیار از یک موقعیت، می‌تواند فرآیندی زمان‌بر و پرهزینه باشد. از آنجایی که یک کامپیوتر کوانتومی قادر است با چندین متغیر به طور همزمان کار کند، می توان از آن برای محدود کردن سریع دامنه پاسخ های ممکن استفاده کرد. از محاسبات کلاسیک می توان برای به صفر رساندن یک پاسخ دقیق استفاده کرد.

هوش مصنوعی کوانتومی

رایانه‌های کوانتومی پتانسیل کار با الگوریتم‌های بهتری را داشته که می‌توانند یادگیری ماشین را در طیف متنوعی از صنایع، از خودرو گرفته تا داروسازی، تغییر دهند. به ویژه، رایانه های کوانتومی می توانند ورود وسایل نقلیه خودران را تسریع کنند. شرکت هایی مانند فورد، جنرال موتورز، فولکس واگن، و تعداد زیادی استارت آپ در حوزه حمل و نقل، داده های تصویری را از طریق شبکه های عصبی پیچیده اجرا می کنند. توانایی رایانه‌های کوانتومی برای انجام محاسبات پیچیده چندگانه با متغیرهای متعدد به طور همزمان امکان آموزش سریع‌تر چنین سیستم‌های هوش مصنوعی را فراهم می‌کند.

تجزیه به عوامل اول

امروزه کسب‌وکارها از اعداد اول بزرگ و پیچیده به‌عنوان مبنای تلاش‌های خود برای رمزگذاری استفاده می‌کنند، اعدادی که برای رایانه‌های کلاسیک بسیار بزرگ بوده و قابل پردازش نیستند. محاسبات کوانتومی می‌تواند از الگوریتم‌هایی برای حل آسان این اعداد اول پیچیده استفاده کند، فرآیندی که به آن تجزیه به عوامل اول می‌گویند. هنگامی که رایانه‌های کوانتومی به اندازه کافی پیشرفت کنند، فناوری‌های رمزگذاری کوانتومی جدید برای محافظت از خدمات آنلاین مورد نیاز خواهند بود. دانشمندان در حال حاضر روی رمزنگاری کوانتومی کار کرده و تخمین می‌زنند که رایانه‌های کوانتومی تا اواخر این دهه برای تجزیه قدرتمند خواهند بود.

همانطور که این قابلیت ها همگام با قدرت محاسباتی کوانتومی توسعه می یابند، موارد استفاده افزایش می یابد.

چه صنایعی بیشترین سود را از محاسبات کوانتومی می برند؟

تحقیقات نشان می دهد که چندین صنعت به طور خاص بر اساس موارد استفاده که در بخش قبل مورد بحث قرار گرفت، بیشترین مزایای کوتاه مدت را از محاسبات کوانتومی به دست می آورند. در مجموع ارزش در معرض خطر برای این صنایع می تواند تریلیون ها دلار باشد.

داروسازی

محاسبات کوانتومی پتانسیل ایجاد انقلابی در تحقیق و توسعه ساختارهای مولکولی در صنعت بیوداروها را دارد. با فناوری‌های کوانتومی، تحقیق و توسعه داروها می‌تواند کمتر به آزمون و خطا وابسته باشد و در نتیجه کارآمدتر شود.

مواد شیمیایی

محاسبات کوانتومی می تواند برای بهبود طراحی کاتالیست مورد استفاده قرار گیرد، که می تواند صرفه جویی در فرآیندهای تولید موجود را ممکن کند. کاتالیزورهای نوآورانه همچنین می توانند جایگزینی مواد پتروشیمی با مواد اولیه پایدارتر یا تجزیه کربن برای استفاده از CO2 را ممکن کنند.

تحرک

محاسبات کوانتومی می تواند منجر به یک اکوسیستم تحرکی شود که کاملاً متصل، هوشمند و سازگار با محیط زیست باشد. تغییرات به تبادل سریع و روان حجم وسیعی از داده ها بین رایانه های داخل خودرو و رایانه های جاهای دیگر بستگی دارد. رایانه‌های کوانتومی می‌توانند این مقادیر زیاد از داده‌ها را به روشی پردازش کنند که رایانه‌های موجود نمی‌توانند این کار را انجام دهند و این نوع تبادل داده را به یک امکان واقعی تبدیل می‌کند.

خودرو

در بخش تحرک، صنعت خودرو می تواند از محاسبات کوانتومی در تحقیق و توسعه، طراحی محصول، مدیریت زنجیره تامین، تولید، و مدیریت تحرک و ترافیک بهره مند شود. برای مثال، محاسبات کوانتومی می‌تواند برای کاهش هزینه‌های تولید با بهینه‌سازی فرآیندهای پیچیده چند رباتی از جمله جوشکاری، چسب‌کاری و رنگ‌آمیزی استفاده شود.

مالی

موارد استفاده از محاسبات کوانتومی در امور مالی در آینده کمی بیشتر خواهد بود. وعده بلندمدت محاسبات کوانتومی در امور مالی در مدیریت ریسک نهفته است. یک مثال می تواند سبد محصول وام بهینه سازی شده کوانتومی باشد که بر وثیقه تمرکز دارد تا به وام دهندگان اجازه دهد تا پیشنهادات خود را بهبود بخشند. زمانی که یک کامپیوتر کوانتومی مقاوم به خطا در دسترس باشد، تخمین می زنیم که موارد استفاده در امور مالی می تواند 622 میلیارد دلار ارزش ایجاد کند.

این پنج صنعت احتمالاً در ابتدا بیشترین سود را از محاسبات کوانتومی خواهند برد. اما رهبران در هر بخش می‌توانند برای پیشرفت‌های کوانتومی اجتناب‌ناپذیر سال‌های آینده آماده شوند.

به غیر از محاسبات، سایر فناوری های کوانتومی چیست؟

بر اساس تجزیه و تحلیل مک کینزی، محاسبات کوانتومی هنوز سال ها با کاربرد تجاری گسترده فاصله دارد. سایر فناوری‌های کوانتومی مانند ارتباطات کوانتومی و سنجش کوانتومی می‌توانند خیلی زودتر در دسترس قرار گیرند.

ارتباطات کوانتومی پروتکل های رمزگذاری قوی را فعال کرده که می تواند امنیت اطلاعات حساس را تا حد زیادی افزایش دهد. این ارتباطات می تواند به تسهیل عملکردهای زیر کمک کند:

امنیت کامل هنگام انتقال اطلاعات بین مکان ها. پروتکل‌های رمزگذاری کوانتومی از پروتکل‌های کلاسیک ایمن‌تر هستند، که بیشتر آنها احتمالاً زمانی که رایانه‌های کوانتومی به قدرت محاسباتی بیشتری دست یابند یا بتوانند با الگوریتم‌های کارآمدتر کار کنند، می‌توانند شکسته شوند.

توان محاسباتی کوانتومی پیشرفته در دو نوع مهم پردازش کوانتومی: پردازش کوانتومی موازی (که در آن چندین پردازنده به هم متصل هستند و همزمان محاسبات مختلف را از یک مشکل انجام می‌دهند) و محاسبات کوانتومی کور (جایی که ارتباطات کوانتومی دسترسی به کامپیوترهای کوانتومی در مقیاس بزرگ از راه دور را در ابر فراهم می کند). هر دو نوع پردازش با درهم تنیدگی ذرات کوانتومی ممکن می شود. درهم تنیدگی زمانی اتفاق می‌افتد که ذرات کوانتومی مانند کیوبیت‌ها دارای ویژگی‌های متصل هستند، به این معنی که ویژگی‌های یک ذره را می‌توان با اعمالی که برای ذره دیگر انجام می‌شود دستکاری کرد.

سنجش کوانتومی امکان اندازه گیری دقیق تری را نسبت به قبل فراهم می کند، از جمله خواص فیزیکی مانند دما، میدان های مغناطیسی و چرخش. به‌علاوه، زمانی که حسگرهای کوانتومی بهینه‌سازی شدند و اندازه آنها کاهش یافت، می‌توانند داده‌هایی را که نمی‌توانند توسط حسگرهای فعلی ضبط شوند، اندازه‌گیری کنند.

بازارهای ارتباطات کوانتومی و سنجش کوانتومی در حال حاضر کوچکتر از بازار محاسبات کوانتومی هستند، اما پیش بینی می شود تا سال 2030، می توانند 13 میلیارد دلار درآمد ایجاد کنند.

چگونه سازمان ها می توانند اطمینان حاصل کنند که استعداد محاسبات کوانتومی مورد نیاز خود را دارند؟

شکاف استعداد گسترده ای بین نیاز کسب و کار به محاسبات کوانتومی و تعداد متخصصان کوانتومی موجود برای رفع این نیاز وجود دارد. این شکاف مهارتی می‌تواند ایجاد ارزش بالقوه را تا 1.3 تریلیون دلار به خطر بیاندازد. شکاف استعداد توسط شرکت هایی با اندازه های مختلف، متفاوت احساس می شود. استارت‌آپ‌های کوچکی که در فضای کوانتومی کار می‌کنند، معمولاً از آزمایشگاه‌های تحقیقاتی دانشگاه رشد می‌کنند و اغلب به داوطلبان ماهر دسترسی مستقیم دارند. شرکت های بزرگتر ممکن است ارتباط کمتری با این استعدادها داشته باشند.

تحقیقات مک کینزی نشان داده است که برای هر سه فرصت شغلی کوانتومی تنها یک نامزد کوانتومی واجد شرایط وجود دارد. تا سال 2025، مک‌کینزی پیش‌بینی می‌کند که کمتر از 50 درصد مشاغل کوانتومی پر خواهند شد، مگر اینکه تغییرات قابل‌توجهی در بخش استعداد یا نرخ پیش‌بینی‌شده ایجاد مشاغل کوانتومی ایجاد شود.

در اینجا پنج درس به دست آمده از سفر استعدادهای هوش مصنوعی وجود دارد که می تواند به سازمان ها کمک کند تا استعدادهای کوانتومی مورد نیاز خود را برای بدست آوردن ارزش ایجاد کنند:

نیازهای استعداد خود را به وضوح تعریف کنید.

در روزهای اولیه هوش مصنوعی، برخی از سازمان ها دانشمندان داده را بدون درک روشنی از مهارت های مورد نیاز استخدام می کردند. برای جلوگیری از خطای مشابه با کوانتوم، سازمان‌ها باید ابتدا زمینه‌های احتمالی برنامه‌هایی را که یک تیم محاسباتی کوانتومی روی آن کار می‌کنند، شناسایی کنند و سپس اطمینان یابند که استخدام‌های جدید از پس‌زمینه‌های مختلف می‌آیند.

زودتر روی مترجمان سرمایه گذاری کنید.

با ایجاد سر و صدا در اطراف هوش مصنوعی، نقش مترجمان تجزیه و تحلیل برای کمک به رهبران در شناسایی و اولویت بندی چالش هایی که به بهترین وجه برای حل هوش مصنوعی مناسب است، حیاتی شد. در مورد کوانتوم، نیاز مشابهی وجود دارد: مترجمانی با پیشینه مهندسی، کاربردی و علمی که می توانند به سازمان ها در درک فرصت ها و بازیگران در اکوسیستم به سرعت در حال گسترش کمک کنند.

مسیرهایی را برای خط لوله استعدادهای متنوع ایجاد کنید.

بسیاری از اولین مدل‌های هوش مصنوعی همان سوگیری‌هایی را منعکس می‌کردند که در اطلاعاتی که برای آموزش آنها استفاده می‌شد، وجود داشت. همچنین اغلب کمبود افراد با دیدگاه‌ها و تجربه‌های متنوع در ساخت و آزمایش مدل‌ها وجود داشت که به موضوع سوگیری کمک می‌کرد. در حالی که هنوز برای دانستن تمام خطراتی که ممکن است از کوانتوم به وجود بیاید، خیلی زود است، اگر نیروی کار کوانتومی متنوع و قدرتمندی برای کار با این فناوری جدید وجود نداشته باشد، می‌توانیم منتظر چالش‌های مشابه باشیم. تلاش در سطح دانشگاه و همچنین در آموزش K-12 مورد نیاز است.

ایجاد سواد فناوری برای همه.

برای اینکه کارکنان در تمام سطوح یک سازمان، پتانسیل یک فناوری جدید را درک کنند، به درک اولیه از نحوه کارکرد آن و کارهایی که می تواند انجام دهد، نیاز دارند. با کوانتوم، رهبران کسب و کار و همچنین کارگران بالا و پایین زنجیره تامین، در بازاریابی، زیرساخت های فناوری اطلاعات، امور مالی و موارد دیگر نیاز به تسلط اولیه در موضوعات کوانتومی دارند.

استراتژی های توسعه استعداد را فراموش نکنید.

شرکت‌ها به شدت بر جذب استعدادها در زمان‌های رشد فناوری تمرکز می‌کنند، اما این تنها بخشی از پازل استعداد است. برای حفظ متخصصان، شرکت ها باید مسیرهای روشنی را برای توسعه استعدادها ایجاد کنند. یک شرکت داروسازی هم به هدف کار خود در توسعه موارد استفاده که به نجات جان افراد کمک می کند و هم به آزادی که به تیم خود ارائه می دهد، متمایل است.