Use cases of quantum computing in the energy industry

253

ผู้แปล ศุภณัฐ สามห้วย
บทความต้นฉบับ (ภาษาอังกฤษ) โดย ดร. จิรวัฒน์ ตั้งปณิธานนท์, CQT & QTFT, https://bit.ly/2m6QTCt

ปัจจุบันปริมาณการใช้พลังงานของโลก นั้นมีการเติบโตประมาณเฉลี่ย 2.3% ต่อปี ตามรายงานของ Energy Information Administration และคาดการว่าจะสูงถึง 700 พันล้านล้าน Btu ต่อปีภายในปี 2040

ซึ่งแม้ในเวลานี้เชื้อเพลิงฟอสซิลจะยังสามารถเป็นแหล่งพลังงานหลักของโลกได้ แต่อย่างไรก็ตามพลังงานทดแทนนั้นจำเป็นต้องได้รับการพัฒนาอย่างต่อเนื่องและเร่งด่วน เนื่องจากผลกระทบทางด้านสิ่งแวดล้อมและทรัพยากรที่มีอยู่อย่างจำกัด โดยปัจจุบันแหล่งพลังงานหมุนเวียนที่ใช้กันอย่างแพร่หลาย คือ พลังงานน้ำ, พลังงานลม และพลังงานไฟฟ้าจากโซลาร์เซลล์

ข้อมูลจาก Bloomberg New Energy Finance คาดการณ์ว่าพลังงานลมและแสงอาทิตย์จะคิดเป็น 50% ของปริมาณการใช้พลังงานของโลกภายในปี 2050 คิดเป็นมูลค่าการลงทุนประมาณ 10 ล้านล้านเหรียญ ดอลล่าสหรัฐ

การผลิตกระแสไฟฟ้าทั่วโลก ที่มา: Bloomberg NEF

การเพิ่มประสิทธิภาพระบบพลังงาน (Energy system optimization)

การพัฒนาระบบการจัดการพลังงานที่มีประสิทธิภาพจึงมีความสำคัญ เนื่องจากต้องรองรับความต้องการพลังงานทดแทนที่เพิ่มขึ้น เพราะแม้ว่าแหล่งพลังงานหมุนเวียนจะมีอย่างไม่จำกัดและ และปราศจากต้นทุนของวัตถุดิบ แต่ก็ยังเป็นเรื่องยากที่จะควบคุมคุณภาพได้ เนื่องจากมีปัจจัยภายนอกที่ไม่สามารถควบคุมได้ อาทิเช่น ความผันผวนของแสงรังสีจากดวงอาทิตย์, สภาพอากาศ และความเร็วลม

ดังนั้นในช่วงที่ผ่านมาจึงมีการนำระบบพลังงานแบบไฮบริด (hybrid power systems) ที่ใช้การผสมผสาน ระหว่างพลังงานแสงอาทิตย์,พลังงานลมและพลังน้ำมาปรับปรุงเพื่อให้มีประสิทธิภาพเพิ่มสูงขึ้นโดยมีขนาดของเครื่องมีตั้งแต่ยูนิตขนาดเล็กที่จ่ายพลังงานให้กับบ้านเดี่ยวไปจนถึงยูนิตขนาดใหญ่ที่สามารถจ่ายไฟให้ทั้งหมู่บ้านหรือเกาะได้

โดยวิธีการทำให้ระบบจัดการพลังงานมีประสิทธิภาพสูงสุดนั้น ต้องคำนึงถึงปัจจัยหลายอย่าง เพื่อผลิตไฟฟ้าให้ได้ตรงตามความต้องการของตลาด โดยที่มีต้นทุนต่ำที่สุด ไม่ว่าจะเป็นการผลิตไฟฟ้าของโรงงานไฟฟ้า ทั้งแบบพลังงานหมุนเวียนและแบบดั้งเดิม) ความปลอดภัย, ข้อมูลอุตุนิยมวิทยา, พลังงานแสงอาทิตย์, พลังงานน้ำ, พลังงานลม และระบบแบตเตอรี่

ระบบผลิตพลังงานแบบผสมผสาน (Hybrid energy production systems)

โดยทั่วไปพลังงานหมุนเวียนยังนำไปสู่ระบบการกระจายพลังงาน (distributed energy resources หรือ DERs) เช่น พลังงานแสงอาทิตย์บนหลังคา นอกจากนี้ DERs ยังรวมไปถึง การจัดเก็บแบตเตอรี่ยานพาหนะไฟฟ้า และ เทคโนโลยีการจัดการพลังงานภายในบ้านอื่น ๆ ที่เกี่ยวข้องกับอินเทอร์เน็ตของสิ่งต่าง ๆ ใน Smart Home

อีกทั้งจำเป็นต้องมีวิธีการปรับให้เหมาะสมเพื่อสนับสนุนการทำงานของเครือข่ายหรือ “Smart Grid” เช่น การค้นหาความสมดุลระหว่างความน่าเชื่อถือ, ความพร้อมใช้งาน , ประสิทธิภาพ และ ต้นทุน  รวมทั้งการปรับ Grid ให้เหมาะสม ต้องครอบคลุมตั้งแต่การผลิตพลังงาน, การส่งการกระจาย ไปจนถึงการจัดการความต้องการของตลาด

แต่การเพิ่มประสิทธิภาพเช่นนี้ในระดับ scale ขนาดใหญ่นั้นจะมีต้นทุนการคำนวนที่สูง เช่น การค้นหาการทำงานของ smart grid ที่ดีที่สุด จำเป็นต้องใช้เวลาคำนวนเพิ่มเป็นสองเท่าทุกครั้งที่มีการเพิ่ม node ใหม่ในเครือข่าย

นอกจากนี้ความท้าทายของการเพิ่มประสิทธิภาพในระดับ scale ขนาดใหญ่ก็ประสบปัญหาเดียวกันกับในกลุ่มอื่น ๆ ของอุตสาหกรรมพลังงาน เช่น การปรับเครือข่ายห่วงโซ่อุปทาน shale-gas (shale-gas supply chain network) จากชั้นหินให้ครอบคลุมพื้นที่ 10,000 ตารางกิโลเมตร อาจเกี่ยวข้องกับตัวแปรมากกว่า 5 หมื่นตัวแปรและข้อจำกัด 5 หมื่นข้อจำกัด ซึ่งแม้แต่ super computer ในปัจจุบัน อาจใช้เวลามากกว่า 15 ชั่วโมงหรืออาจสูงถึงหลายวันในบางกรณี เพื่อหาทางออกที่ต้องการ ทำให้ค่าใช้จ่ายที่สูงขนาดนี้จำกัด งการเพิ่มประสิทธิภาพระบบพลังงานในระดับประเทศและระดับโลก

ควอนตัมคอมพิวเตอร์ (Quantum computing)

ควอนตัมคอมพิวเตอร์ เป็นกระบวนการใหม่ในการแก้ปัญหาการเพิ่มประสิทธิภาพที่ ซับซ้อน ควอนตัมคอมพิวเตอร์ประมวลผลข้อมูลแตกต่างจากคอมพิวเตอร์ทั่วไปหรือ ‘Classical’ ในสองด้านพื้นฐาน

ประการแรก ความแตกต่างในหน่วยประมวลผล ในคอมปกติ หน่วยประมวลผลหรือ บิต จะเป็นได้เพียงแค่ไม่ 0 ก็ 1 แต่การประมวลผลควอนตัม หรือรู้จักกันว่าคิวบิตสามารถที่จะเป็น 0 และ 1 ในเวลาเดียวกัน  นอกจากนี้ยังสามารถทำให้คำนวณหาวิธีการแก้ปัญหาที่แตกต่างกันพร้อมกันได้ ก่อนที่จะเลือกแนวทางที่ดีที่สุดวิธีเดียว

ประการที่สอง คิวบิตตั้งแต่สองตัวขึ้นไป แม้จะอยู่ที่ห่างไกลกัน แต่ก็ยังสามารถรู้สึกได้ ทันทีว่าเกิดอะไรขึ้นกับคิวบิตอื่น ๆ โดยไม่ต้องส่งสัญญาณใด ๆ ปรากฏการณ์นี้เป็นที่รู้จักกันในชื่อ การพัวพันเชิงควอนตัม (Quantum entanglement) ซึ่งเป็นปัจจัยหลักที่ทำให้ควอนตัมคอมพิวเตอร์เร็วกว่าคอมทั่วไป

อย่างไรก็ตามการสร้างควอนตัมคอมพิวเตอร์แบบเต็มรูปแบบนั้นยังห่างไกลจากความเป็นจริง ฮาร์ดแวร์ของควอนตัมนั้นไวต่อสัญญาณรบกวนอย่างมาก ทำให้สถาปัตยกรรมฮาร์ดแวร์ควอนตัมส่วนใหญ่ต้องทำให้คิวบิตเย็นลงถึงระดับ sub-milli-kelvin ซึ่งเย็นกว่าพื้นที่ด้านนอกอวกาศ

ตู้เย็นแบบเจือจาง (Dilution refrigerator) ใช้ในการทำให้โปรเซสเซอร์ควอนตัมย็นลงถึง milli-Kelvin

ควอนตัมคอมพิวเตอร์ถูกพัฒนาขึ้นอย่างต่อเนื่องในช่วงยี่สิบที่ผ่านมา ตั้งแต่การทดลองที่ได้รับรางวัลโนเบล จนไปถึงการลงทุนจำนวนมหาศาลจาก รัฐบาลทั่วโลกและบริษัท เทคโนโลยีขนาดใหญ่เช่น Google, IBM, Microsoft, Alibaba ตัวอย่างเช่น เทคโนโลยีควอนตัมมูลค่า 2 พันล้านยูโรในยุโรป, ศูนย์ควอนตัมของจีนมูลค่า 10 พันล้านเหรียญสหรัฐ และการลงทุน 1.2 พันล้านเหรียญสหรัฐในอเมริกา

การคำนวณควอนตัมเพื่อการเพิ่มประสิทธิภาพระบบพลังงาน (Quantum computing for energy system optimization)

ด้วยศักยภาพการคำนวนที่เหนือกว่าของควอนตัมคอมพิวเตอร์นี่เอง ในปัจจุบันอุตสาหกรรมพลังงานจึงได้ให้ความสนใจกับควอนตัมคอมพิวเตอร์เป็นอย่างมาก เช่น ในเดือนมกราคมที่ผ่านมาบริษัทก๊าซยักษ์ใหญ่ อย่าง  ExxonMobil ได้ลงนามในข้อตกลงร่วมกับ IBM เพื่อพัฒนาเทคโนโลยีพลังงานด้านการผลิตรุ่นใหม่โดยใช้การควอนตัมคอมพิวเตอร์

อีกทั้งในเดือนเมษายนที่ผ่านมา กระทรวงพลังงานของสหรัฐอเมริกาได้ประกาศลงทุนโครงการพัฒนาอัลกอริธึม
และซอฟต์แวร์ใหม่สำหรับควอนตัมคอมพิวเตอร์มูลค้า 40 ล้านดอลลาร์สหรัฐ แล้วในแผนกเดียวกันก็ยังรับเงินลงทุนมูลค่า 37 ล้านเหรียญสหรัฐ สำหรับการวิจัยวัสดุและเคมีในวิทยาศาสตร์สารสนเทศเชิงควอนตัม (quantum information science)

รวมถึงไม่นานมานี้มีนักวิทยาศาสตร์สองคน จากมหาวิทยาลัยคอร์เนลล์ได้ทำการศึกษา การคำนวณควอนตัมสำหรับการแก้ปัญหาการเพิ่มประสิทธิภาพระบบพลังงาน และได้รับการตีพิมพ์ใน Energy ฉบับเดือนกรกฎาคม 2019

ในงานนี้ นักวิจัยทั้งสอง ได้ใช้แพลตฟอร์มควอนตัมของ IBM และการคำนวณในระบบคลาวด์ของ Dwave เพื่อแก้ปัญหาในด้านต่าง ๆ ของอุตสาหกรรมพลังงาน อย่างการหาตำแหน่งจัดตั้งโรงไฟฟ้า การพัฒนาโครงสร้างพื้นฐานระบบพลังงาน, การจัดตารางเดินเครื่องกําเนิดไฟฟ้า (Unit Commitment: UC) ของการดำเนินงานระบบพลังงานไฟฟ้า และการสังเคราะห์เครือข่ายเครื่องแลกเปลี่ยนความร้อน

หน่วยประมวลผลควอนตัมของ Dwave (Dwave’s quantum processor)

สำหรับการแก้ปัญหาการหาตำแหน่งจัดตั้งโรงไฟฟ้า จะมีเป้าหมายสำคัญคือเพื่อให้สามารถหาสถานที่ตั้งสำหรับโรงไฟฟ้าได้อย่างเหมาะสม อธิเช่น ฟาร์มโซล่าเซลล์พลังงานแสงอาทิตย์หรือพลังงานลม ที่ช่วยให้สามารถลดการเปิดโรงไฟฟ้าใหม่ และลดต้นทุนการขนส่งได้ ในขณะที่ยังสามารถตอบสนองความต้องการพลังงานและบริหารทรัพยากรที่มีอยู่ให้ได้ประโยชน์สูงสุด

ปัญหาดังกล่าว สามารถเรียกได้อีกอย่างว่า quadratic assignment problem หรือ ปัญหาการหาค่าที่เหมาะสมเชิงซ้อน ซึ่งเป็นเรื่องยากที่จะคำนวนโดยใช้กับคอมพิวเตอร์แบบปกติ ตารางด้านล่างแสดงเวลาทำงานของ single CPU Core และตัวประมวลผลควอนตัมของ D-wave สำหรับจำนวนโรงไฟฟ้าที่แตกต่างกัน   แสดงให้เห็นว่าเวลาในการคำนวณเพิ่มขึ้นอย่างทวีคูณตามจำนวนของโรงไฟฟ้า สำหรับโรงไฟฟ้าทั้ง 14 แห่ง แบบ single CPU Core ใช้เวลามากกว่า 11 ชั่วโมง แต่ในขณะที่ตัวประมวลผล Dwave ใช้เวลาเพียง 16 นาที

A. Ajagekar, F. You, Energy 179 (2019) 76–89

ความเร็วควอนตัมคอมพิวเตอร์ที่เร็วกว่าคอมทั่วไปแสดงให้เห็นถึงแนวโน้มของศักยภาพการคำนวณควอนตัม ในอุตสาหกรรมพลังงาน อย่างไรก็ตามสำหรับการใช้งานในด้านอื่น ๆ นักวิจัยดังกล่าวพบว่าตัวประมวลผลควอนตัม D-wave ไม่ได้มีความได้เปรียบเชิงควอนตัมเนื่องจากเสียงรบกวนและการเชื่อมต่อที่ จำกัด ของฮาร์ดแวร์ควอนตัมปัจจุบัน

อีกทั้งดังที่ได้กล่าวมาแล้วว่าควอนตัมคอมพิวเตอร์นั้นยังอยู่ในช่วงเริ่มต้น เปรียบได้กับยุคหลอดสุญญากาศของคอมพิวเตอร์ในปี 1950 แต่ยังมีการเติบโตและพัฒนาอยู่อย่างต่อเนื่อง ดังนั้นสำหรับในอุตสาหกรรมควอนตัมนี้
ผู้เชี่ยวชาญควรติดตามข้อมูลที่เกี่ยวข้องอย่างใกล้ชิดเพื่อให้สามารถพัฒนากลยุทธ์ที่เหมาะสมต่อไป

หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการคำนวณควอนตัม

อย่าลืม! มาพบกับเราในงาน RISE x QTFT quantum summit ของเราในวันที่ 25 กันยายนของปีนี้ เพื่อเรียนรู้และแลกเปลี่ยนประสบการณ์ควอนตัมแบบเต็มวันจากผู้เชี่ยวชาญควอนตัมชั้นนำระดับโลก อธิเช่น  Google, Huawei, Baidu, Tencent, NTT, CQT, RQC   และอีกหลากหลายหน่วยงาน

https://www.innoweek.riseaccel.com
บทความถัดไปThe big power of sleep
Avatar
นักธุรกิจ Futurist อดีตนักเรียนทุนประเทศญี่ปุ่น มีความหลงไหลในการพัฒนาธุรกิจด้วยการประยุกต์ใช้เทคโนโลยีสมัยใหม่ แต่ในขณะเดียวกันต้องสร้างผลในเชิงบวกให้แก่สังคม และสิ่งแวดล้อม