คอมพิวเตอร์ควอนตัมจิ๋วจำลองโมเลกุลที่ซับซ้อน
สักวันหนึ่ง วิศวกรจะสร้างคอมพิวเตอร์ควอนตัมขนาดใหญ่ที่สามารถแก้ปัญหาทางวิทยาศาสตร์ที่เป็นไปไม่ได้ในปัจจุบัน ถอดรหัสลับที่ไม่แตกหัก และทำให้ปัญญาประดิษฐ์ฉลาดขึ้น ในระหว่างนี้ บริษัทที่สร้างคอมพิวเตอร์ควอนตัมกำลังพยายามหาวิธีใช้คอมพิวเตอร์ขนาดเล็กที่พวกเขาคาดว่าจะสร้างขึ้นในอีกไม่กี่ปีข้างหน้า
ทศวรรษของงานทฤษฎีแนะนำว่าคอมพิวเตอร์ควอนตัม – อาจเป็นคอมพิวเตอร์ขนาดเล็ก – สักวันหนึ่งจะสามารถแก้ปัญหาที่สำคัญในวิชาเคมีที่รักษายากในคอมพิวเตอร์ที่มีอยู่ แต่ก่อนที่พวกเขาจะรับมือกับความท้าทายครั้งใหญ่ เช่น การทำความเข้าใจการสังเคราะห์ด้วยแสงและปรับปรุงตัวเร่งปฏิกิริยาสำหรับการผลิตเชื้อเพลิงหมุนเวียน นักวิจัยได้เริ่มจำลองโมเลกุลและอะตอมขนาดเล็ก และจนถึงตอนนี้ พวกเขาไม่ได้ไปไกลเกินกว่าที่นักเคมีที่เชี่ยวชาญคณิตศาสตร์สามารถทำได้ด้วยปากกาและกระดาษ
สัปดาห์นี้ในวารสารNatureนักวิจัยของIBMอธิบายการใช้คอมพิวเตอร์ควอนตัมขนาดเล็กเพื่อจำลองโมเลกุลที่ซับซ้อนมากขึ้น ทีม IBM ใช้ควอนตัมบิต (qubits) หกตัวบนระบบเจ็ดบิตเพื่อดันเข้าไปในแถวที่สองของตารางธาตุ โดยจำลองโมเลกุลที่มีขนาดใหญ่เท่ากับเบริลเลียมไฮไดรด์ (BeH2) สิ่งสำคัญคือJerry Chowผู้จัดการฝ่ายประมวลผลเชิงทดลองที่การวิจัยของ IBM กล่าวคือวิธีที่พวกเขาทำ โดยการพัฒนาอัลกอริธึมที่ซับซ้อนมากขึ้นซึ่งสามารถทำการจำลองบนคอมพิวเตอร์ควอนตัมขนาดเล็กที่มีเสียงดัง
เบริลเลียมไฮไดรด์จำลองได้ง่ายบนคอมพิวเตอร์แบบคลาสสิก เป็นสิ่งที่นักเคมีเชิงทฤษฎีอย่างMarkus Reiherเรียกว่า “ปัญหาของเล่น” แต่งานประเภทนี้ต้องทำเพื่อสร้างคอมพิวเตอร์ควอนตัมที่มีประโยชน์ “ซึ่งสามารถแก้ปัญหาทางเคมีที่การคำนวณแบบคลาสสิกถึงขีด จำกัด ของมัน” Reiher ซึ่งประจำอยู่ที่ ETH Zurich กล่าว
ในคอมพิวเตอร์แบบคลาสสิก ความยากของการจำลองทางเคมีจะเพิ่มขึ้นแบบทวีคูณตามขนาดของปัญหา ในการทำงานที่มีประโยชน์ นักวิจัยทำการประมาณค่า ซึ่งใช้เวลาส่วนใหญ่ แต่บางครั้ง เอฟเฟกต์ควอนตัมที่ไม่สามารถจำลองได้นั้นเป็นกุญแจสำคัญในการทำความเข้าใจเคมี คอมพิวเตอร์ควอนตัมสามารถแสดงสถานะควอนตัม เช่น ระดับพลังงานของอิเล็กตรอนได้อย่างเป็นธรรมชาติมากขึ้น ดังนั้นหากบริษัทสามารถสร้างธุรกิจขนาดใหญ่ได้ พวกเขาควรจะสามารถแก้ปัญหาทางเคมีได้อย่างแม่นยำมากขึ้น และจัดการกับปัญหาที่เป็นไปไม่ได้ในปัจจุบัน
คอมพิวเตอร์ควอนตัมจะสามารถแก้ปัญหาที่เป็นประโยชน์ที่คอมพิวเตอร์คลาสสิกไม่สามารถทำได้เมื่อใด เรายังไม่ทราบคำตอบ คอมพิวเตอร์ควอนตัมในปัจจุบันมีน้อยกว่า 20 qubits ยิ่งวิศวกรของ qubits เพิ่มมากขึ้น เสียงในระบบก็จะยิ่งมากขึ้น และยิ่งทำสิ่งที่มีประโยชน์ได้ยากขึ้นเท่านั้น Google ได้ประกาศว่าทีมงานกำลังทำงานอยู่บนระบบ 49 คิวบิตที่ควรจะมีประสิทธิภาพสูงกว่าคอมพิวเตอร์ที่คลาสสิกในบางส่วน (อาจจะไม่ได้มีประโยชน์จริง) งานก้าวที่เรียกว่าควอนตัมมไหศวรรย์
นักเคมีบางคนสงสัยว่าการแก้ปัญหาทางเคมีที่สำคัญจะต้องใช้ควิบิตหลายแสนหรือหลายล้านคิวบิต เพื่อแก้ไขข้อผิดพลาดที่เกิดจากเสียงรบกวน คนอื่นๆ รวมถึงผู้ที่ทำงานที่ IBM และ Google เชื่อว่าจะทำเคมีที่มีประโยชน์ได้โดยใช้น้อยกว่า 100 qubits ขณะที่พวกเขาพยายามสร้างระบบที่ใหญ่ขึ้น คำถามสำคัญสำหรับบริษัทเหล่านี้คือ “คุณจะได้รับคุณค่าจากคอมพิวเตอร์ควอนตัมในอีกไม่กี่ปีข้างหน้าได้อย่างไร” กล่าวว่าเจ Gambetta , ที่ทำงานบนคอมพิวเตอร์ควอนตัมและทฤษฎีข้อมูลที่ IBM วิจัย
ทีม IBM หวังว่าชุมชนเคมีจะช่วยให้พวกเขาค้นพบ บริษัทได้ทำให้คอมพิวเตอร์ควอนตัมขนาด 16 คิวบิตสามารถเข้าถึงได้ผ่านระบบคลาวด์ และได้โพสต์อัลกอริทึมเคมีควอนตัมที่นักวิจัยสามารถใช้เพื่อจำลองโมเลกุลขนาดเล็กได้
ต่อไปนี้คือปัญหาทางเคมีบางส่วนที่นักวิจัยต้องการจัดการกับคอมพิวเตอร์ควอนตัม:
การทำปุ๋ยสีเขียว
ต้องใช้พลังงานเป็นจำนวนมากในการสังเคราะห์ปุ๋ย เนื่องจากตัวเร่งปฏิกิริยาสำหรับการเปลี่ยนก๊าซไนโตรเจนเป็นแอมโมเนียจะทำงานที่อุณหภูมิและความดันสูงเท่านั้น สำหรับแบคทีเรียบางชนิด การทำแอมโมเนียด้วยเอ็นไซม์ไนโตรเจนจะไม่ทำให้เหงื่อออก นักเคมีต้องการเรียนรู้รายละเอียดเกี่ยวกับวิธีการทำงานของไนโตรเจนเพื่อเลียนแบบมันด้วยตัวเร่งปฏิกิริยาสังเคราะห์ที่สามารถนำมาใช้ทำปุ๋ยที่ใช้พลังงานน้อยลงได้
แต่ไซต์แอคทีฟของไนโตรเจน ซึ่งเป็นส่วนที่ทำปฏิกิริยากับไนโตรเจนและทำให้เกิดปฏิกิริยา ไม่สามารถจำลองบนคอมพิวเตอร์แบบคลาสสิกได้ เอ็นไซม์ชีวภาพที่สำคัญอื่นๆ เช่น เอนไซม์ที่ทำขั้นตอนแรกในการสังเคราะห์ด้วยแสง มีปัญหาคล้ายกัน ฤดูใบไม้ผลินี้ นักวิจัยของ Microsoftประเมินว่าจะใช้เวลาหลายแสนถึงหนึ่งล้านคิวบิตเพื่อจำลองไซต์แอคทีฟของไนโตรเจน
การปรับปรุงตัวเร่งปฏิกิริยาพลังงานสะอาด
ไม่สามารถจำลองไซต์ที่ใช้งานของไนโตรเจนในคอมพิวเตอร์แบบคลาสสิกได้เนื่องจากประกอบด้วยโลหะทรานซิชัน โลหะทรานสิชัน เช่น เหล็ก โคบอลต์ และแพลตตินั่ม มีอิเล็กตรอนจำนวนมาก สำหรับอะตอมกลุ่มนี้โดยเฉพาะ นักเคมีไม่สามารถหาคำตอบที่ถูกต้องได้หากพวกเขาละเลยกลศาสตร์ควอนตัมในการจำลอง
ตัวเร่งปฏิกิริยาหลายชนิดเป็นโลหะทรานซิชัน ซึ่งรวมถึงที่พบในเครื่องยนต์และเซลล์เชื้อเพลิง และตัวเร่งปฏิกิริยาที่ใช้ในการผลิตสารเคมีและเชื้อเพลิง การจำลองพฤติกรรมของพวกเขาบนคอมพิวเตอร์ควอนตัมสามารถช่วยให้นักเคมีทำงานได้เร็วขึ้นที่อุณหภูมิต่ำกว่า หรือทดแทนโลหะที่มีราคาไม่แพงสำหรับตัวเร่งปฏิกิริยาเช่นแพลตตินัม
สำรวจกาแล็กซีอันไกลโพ้น
ในการหาองค์ประกอบของดาราจักรที่อยู่ห่างไกลออกไป นักดาราศาสตร์ใช้เงื่อนงำของพวกเขาจากความยาวคลื่นของแสงที่ดาราจักรเหล่านั้นปล่อยออกมา คอมพิวเตอร์ควอนตัมขนาดเล็กอาจช่วยให้นักวิจัยสามารถระบุสีของโมเลกุลที่แตกต่างกันของแสงได้อย่างแม่นยำมากขึ้น ซึ่งเป็นคุณสมบัติที่เรียกว่าสเปกตรัมโมเลกุลของพวกมัน ด้วยข้อมูลที่อัปเดตนี้ นักดาราศาสตร์สามารถเรียนรู้เพิ่มเติมเกี่ยวกับวัตถุท้องฟ้าที่อยู่ห่างไกลได้
การผลิตตัวนำยิ่งยวดที่อุณหภูมิสูง
ตัวนำยิ่งยวดเป็นวัสดุที่นำไฟฟ้าได้สูง—แต่พวกมันจะทำงานในลักษณะนี้ที่อุณหภูมิต่ำมากเท่านั้น เช่นเดียวกับโลหะทรานซิชัน ตัวนำยิ่งยวดยากที่จะจำลองอย่างแม่นยำ เนื่องจากพฤติกรรมทางกลของควอนตัมของอิเล็กตรอน ทุกวันนี้ตัวนำยิ่งยวดใช้ทำ qubits เช่นเดียวกับแม่เหล็กแรงสูงสำหรับระบบภาพทางการแพทย์และเครื่องเร่งอนุภาค นักวิจัยหวังว่าจะสร้างตัวนำยิ่งยวดที่ทำงานที่อุณหภูมิสูงขึ้นด้วยการสร้างแบบจำลองบนคอมพิวเตอร์ควอนตัม
เซลล์ประสาทควอนตัมเย็น
วิศวกรมักจะอิจฉาประสิทธิภาพการใช้พลังงานที่ยิ่งใหญ่ของสมอง เซลล์ประสาทหนึ่งเซลล์ใช้เพียง 10 femtojoules (10 -15จูล) กับเหตุการณ์ที่เพิ่มขึ้นแต่ละครั้ง Michael L. Schneider และเพื่อนร่วมงานที่สถาบันมาตรฐานและเทคโนโลยีแห่งชาติของสหรัฐฯ คิดว่าพวกเขาสามารถเข้าใกล้ตัวเลขนั้นได้โดยใช้เซลล์ประสาทเทียมที่ประกอบด้วยทางแยก Josephson สองประเภทที่แตกต่างกัน อุปกรณ์เหล่านี้เป็นอุปกรณ์ตัวนำยิ่งยวดที่อาศัยการขุดอุโมงค์อิเล็กตรอนคู่ข้ามสิ่งกีดขวาง และเป็นพื้นฐานของคอมพิวเตอร์ควอนตัมที่ล้ำหน้าที่สุดที่ออกมาจากห้องปฏิบัติการอุตสาหกรรมในปัจจุบัน. ความแตกต่างของสิ่งเหล่านี้คือจุดเชื่อมต่อแม่เหล็กของโจเซฟสันมีคุณสมบัติที่สามารถปรับได้ทันทีตามกระแสและสนามแม่เหล็กที่แตกต่างกัน ทั้งสองสามารถดำเนินการในลักษณะดังกล่าวว่าพวกเขาผลิตแหลมของแรงดันไฟฟ้าใช้เพียง zeptojoules ของพลังงานในการสั่งซื้อของ 100,000 วันของ femtojoule
นักวิทยาศาสตร์ของ NIST มองเห็นวิธีเชื่อมโยงอุปกรณ์เหล่านี้เข้าด้วยกันเพื่อสร้างโครงข่ายประสาทเทียม ในการจำลอง พวกเขาฝึกเครือข่ายให้รู้จักตัวอักษรสามตัว (z, v และ n—การทดสอบโครงข่ายประสาทเทียมขั้นพื้นฐาน) ตามหลักการแล้ว เครือข่ายสามารถจดจำตัวอักษรแต่ละตัวได้โดยใช้เพียง 2 attojoules หรือ 2 femtojoules หากคุณรวมค่าพลังงานของการทำความเย็นระบบดังกล่าวเป็น 4 เคลวินที่จำเป็น มีบางจุดที่สิ่งต่าง ๆ ค่อนข้างน้อยกว่าอุดมคติแน่นอน แต่ถ้าสมมุติว่าสิ่งเหล่านี้สามารถออกแบบได้ คุณสามารถมีโครงข่ายประสาทเทียมที่มีการใช้พลังงานเทียบเท่ากับเซลล์ประสาทของมนุษย์
คอมพิวเตอร์ด้วยสายไฟ
ด้วยทรานซิสเตอร์ที่อัดแน่นอยู่ในโปรเซสเซอร์ขั้นสูง การเชื่อมต่อระหว่างกันที่เชื่อมโยงพวกมันเข้ากับวงจรรูปแบบจึงอยู่ใกล้กันมากกว่าที่เคยเป็นมา นั่นทำให้เกิดการครอสทอล์ค โดยที่สัญญาณบนบรรทัดหนึ่งกระทบเพื่อนบ้านผ่านการเชื่อมต่อแบบคาปาซิทีฟกาฝาก แทนที่จะพยายามออกแบบครอสทอล์คออกไปNaveen Kumar Machaและเพื่อนร่วมงานที่ University of Missouri Kansas City ตัดสินใจที่จะยอมรับ ในตรรกะของวันนี้ “สัญญาณที่รบกวนสัญญาณแพร่กระจายอย่างผิดพลาด” Macha บอกกับวิศวกร “ตอนนี้เราต้องการใช้มันเพื่อตรรกะ”
พวกเขาพบว่าการจัดเตรียมการเชื่อมต่อระหว่างกันบางอย่างสามารถเลียนแบบการกระทำของประตูลอจิกพื้นฐานและวงจรได้เป็นอย่างดี ลองนึกภาพเส้นเชื่อมต่อกันสามเส้นที่วิ่งขนานกัน การใช้แรงดันไฟฟ้ากับเส้นใดเส้นหนึ่งหรือทั้งสองเส้นที่ด้านข้าง จะทำให้แรงดันไฟครอสทอล์คปรากฏขึ้นที่เส้นกึ่งกลาง ดังนั้นคุณจึงมีการสร้างประตู OR ที่มีสองอินพุต ด้วยการเพิ่มทรานซิสเตอร์ที่นี่และที่นั่นอย่างรอบคอบ ลูกเรือ Kansas City ได้สร้างประตู AND, OR และ XOR รวมถึงวงจรที่ทำหน้าที่พกพา ข้อได้เปรียบที่แท้จริงคือเมื่อคุณเปรียบเทียบจำนวนทรานซิสเตอร์และพื้นที่กับลอจิก CMOS ตัวอย่างเช่น ตรรกะครอสทอล์คต้องการทรานซิสเตอร์เพียงสามตัวเพื่อดำเนินการ XOR ในขณะที่ CMOS ใช้ 14 และใช้พื้นที่เพิ่มขึ้นหนึ่งในสาม
การโจมตีของ Nanoblob!
นักวิทยาศาสตร์และวิศวกรที่มหาวิทยาลัยเดอแรมในอังกฤษได้สอนฟิล์มบางของวัสดุนาโนเพื่อแก้ปัญหาการจำแนกประเภท เช่น การตรวจหารอยโรคที่เป็นมะเร็งในการตรวจด้วยแมมโมแกรม โดยใช้อัลกอริธึมวิวัฒนาการและแผงวงจรแบบกำหนดเอง พวกเขาส่งพัลส์แรงดันไฟฟ้าผ่านอาร์เรย์ของอิเล็กโทรดไปเป็นส่วนผสมของคาร์บอนนาโนทิวบ์เจือจางที่กระจายตัวอยู่ในผลึกเหลว เมื่อเวลาผ่านไป ท่อนาโนคาร์บอน ซึ่งเป็นส่วนผสมของตัวนำและสารกึ่งตัวนำ ได้จัดเรียงตัวเป็นเครือข่ายที่ซับซ้อนซึ่งครอบคลุมอิเล็กโทรด
เครือข่ายนี้สามารถดำเนินการส่วนสำคัญของปัญหาการปรับให้เหมาะสม ยิ่งไปกว่านั้น Blob สามารถเรียนรู้ที่จะแก้ปัญหาที่สองได้ ตราบใดที่ปัญหานั้นซับซ้อนน้อยกว่าปัญหาแรก
แก้ปัญหาเหล่านี้ได้ดีหรือไม่? ในกรณีหนึ่ง ผลที่ได้เปรียบได้กับผลของมนุษย์ ในอีกทางหนึ่งพวกเขาแย่กว่าเล็กน้อย ถึงกระนั้นก็น่าทึ่งที่มันใช้งานได้ทั้งหมด Eléonore Vissol-Gaudinผู้ช่วยพัฒนาระบบที่ Durham กล่าวว่า “สิ่งที่คุณต้องจำไว้คือเรากำลังฝึกหยดคาร์บอนนาโนทิวบ์ในผลึกเหลว
แผงวงจรซิลิกอน
นักออกแบบคอมพิวเตอร์คร่ำครวญมานานแล้วว่าข้อมูลไม่ตรงกันระหว่างความเร็วและมีประสิทธิภาพในการย้ายข้อมูลภายในตัวประมวลผล กับการที่ข้อมูลเคลื่อนที่ช้าและสิ้นเปลืองระหว่างกันมากน้อยเพียงใด ปัญหาดังกล่าววิศวกรจากมหาวิทยาลัยแคลิฟอร์เนีย ลอสแองเจลิสกล่าวว่า ปัญหาอยู่ที่ลักษณะของแพ็คเกจชิปและแผงวงจรพิมพ์ที่พวกเขาเชื่อมต่อด้วย ทั้งแพ็คเกจชิปและแผงวงจรเป็นตัวนำความร้อนที่ไม่ดี ดังนั้นมันจึงจำกัดพลังงานที่คุณสามารถจ่ายได้ พวกเขาเพิ่มพลังงานที่จำเป็นในการเคลื่อนย้ายเล็กน้อยจากชิปตัวหนึ่งไปยังอีกตัวหนึ่ง และทำให้คอมพิวเตอร์ช้าลงโดยเพิ่มเวลาแฝง เพื่อให้แน่ใจว่า อุตสาหกรรมได้ตระหนักถึงข้อเสียเหล่านี้มากมาย และมุ่งเน้นที่การรวมชิปหลายตัวเข้าด้วยกันในแพ็คเกจเดียวกันมากขึ้น
Puneet Gupta และผู้ทำงานร่วมกัน UCLA ของเขาคิดว่าคอมพิวเตอร์จะดีกว่ามากถ้าเรากำจัดทั้งแพ็คเกจและแผงวงจร พวกเขาเสนอให้เปลี่ยนแผงวงจรพิมพ์ด้วยซิลิคอนเวเฟอร์ส่วนหนึ่ง บน ” ผ้าที่รวมซิลิกอน ” ดังกล่าวชิปซิลิกอนเปล่าที่ไม่ได้บรรจุหีบห่อสามารถแนบชิดกันได้ภายใน 100 ไมโครเมตร เชื่อมต่อกันด้วยการเชื่อมต่อที่หนาแน่นและละเอียดชนิดเดียวกันที่พบในไอซี ซึ่งจำกัดเวลาแฝงและการใช้พลังงาน และทำให้ระบบมีขนาดกะทัดรัดมากขึ้น
หากอุตสาหกรรมไปในทิศทางนี้จริง ๆ ก็อาจนำไปสู่การเปลี่ยนแปลงในประเภทของไอซีที่ทำขึ้น Gupta โต้แย้ง ผ้าที่รวมซิลิกอนจะช่วยแบ่งระบบบนชิปออกเป็น “ชิปเล็ต” ขนาดเล็กที่ทำหน้าที่ของแกนต่างๆ ของ SoC นั่นเป็นเพราะการผสานรวมอย่างใกล้ชิดของ SoC จะไม่ให้ประโยชน์มากนักในแง่ของเวลาแฝงและประสิทธิภาพอีกต่อไป และการผลิตชิปที่มีขนาดเล็กลงจะมีราคาถูกกว่า ยิ่งไปกว่านั้น เนื่องจากซิลิกอนดีกว่าแผงวงจรพิมพ์ในด้านการนำความร้อน คุณจึงสามารถเรียกใช้คอร์โปรเซสเซอร์เหล่านั้นด้วยความเร็วสัญญาณนาฬิกาที่สูงขึ้นโดยไม่ต้องกังวลเรื่องความร้อน
Miguel Street เป็นเส้นทางแคบๆ ที่คดเคี้ยวผ่านย่าน Glen Park ของซานฟรานซิสโก เมื่อสองสามปีก่อน มีเพียงผู้ที่อาศัยอยู่ตามถนนเท่านั้นที่เดินทาง และพวกเขาเข้าใจความท้าทายของมันเป็นอย่างดี ตอนนี้เต็มไปด้วยรถยนต์ที่ใช้เป็นทางลัดจากถนน Mission Street ที่คับคั่งไปจนถึง Market Street ที่เดินทางอย่างหนัก ผู้อยู่อาศัยต้องดิ้นรนเพื่อกลับบ้าน และอุบัติเหตุเกิดขึ้นทุกวัน
ปัญหาเริ่มต้นขึ้นเมื่อแอปบนสมาร์ทโฟน เช่นWaze , Apple MapsและGoogle Maps ถูกนำมาใช้อย่างแพร่หลาย โดยเสนอเส้นทางแบบเรียลไทม์สำหรับผู้ขับขี่รอบ ๆ การจราจรที่คับคั่ง ไดรเวอร์ประมาณ 1 พันล้านคนทั่วโลกใช้แอพดังกล่าว
ทุกวันนี้ การจราจรติดขัดเกิดขึ้นอย่างกะทันหันในย่านที่เงียบสงบก่อนหน้านี้ทั่วประเทศและทั่วโลก ตามถนน Adams Street ในย่าน Dorchester ของบอสตัน ผู้อยู่อาศัยบ่นว่าขับรถเร็วในชั่วโมงเร่งด่วน หลายคนมีคนขับจ้องไปที่โทรศัพท์ของพวกเขาเพื่อกำหนดแผนการครั้งต่อไป ทางลัดในลอนดอนซึ่งเคยเป็นความลับของคนขับรถแท็กซี่สีดำ ถูกบุกรุกโดยผู้ใช้แอป อิสราเอลเป็นคนแรกที่รู้สึกเจ็บปวดเพราะ Waze ก่อตั้งขึ้นที่นั่น มันทำให้เกิดความหายนะอย่างรวดเร็วจนผู้อยู่อาศัยในย่าน Herzliya Bet ฟ้องบริษัท
ปัญหากำลังแย่ลง นักวางผังเมืองทั่วโลกคาดการณ์การจราจรบนพื้นฐานของความหนาแน่นของที่อยู่อาศัย โดยคาดการณ์ว่าการเปลี่ยนแปลงตามเวลาจริงจำนวนหนึ่งจะมีความจำเป็นในสถานการณ์เฉพาะ เพื่อจัดการกับการเปลี่ยนแปลงเหล่านั้น พวกเขาได้ติดตั้งเครื่องมือต่างๆ เช่น ไฟสต็อปไลท์และไฟวัดแสง เซ็นเซอร์วนรอบแบบฝัง ป้ายข้อความแบบแปรผัน การส่งสัญญาณวิทยุ และระบบส่งข้อความแบบโทรเข้า สำหรับสถานการณ์ที่ยากลำบากโดยเฉพาะ เช่น สิ่งกีดขวาง เหตุการณ์ หรือเหตุฉุกเฉิน บางครั้งผู้จัดการเมืองก็ส่งคนไปควบคุมการจราจร
แต่ตอนนี้ แอปการนำทางออนไลน์กำลังอยู่ในความดูแล และพวกเขากำลังสร้างปัญหามากกว่าที่จะแก้ไข โดยทั่วไปแล้ว แอปจะได้รับการปรับให้เหมาะสมเพื่อให้เวลาในการเดินทางของผู้ขับขี่แต่ละคนสั้นที่สุดเท่าที่จะเป็นไปได้ พวกเขาไม่สนใจว่าถนนที่อยู่อาศัยสามารถดูดซับการจราจรได้หรือไม่หรือว่าผู้ขับขี่ที่ปรากฏตัวในที่ที่ไม่คาดคิดอาจส่งผลต่อความปลอดภัยหรือไม่ การหาเพียงสิ่งที่ปพลิเคชันเหล่านี้จะทำและวิธีการที่จะทำให้พวกเขาดีกว่าประสานงานกับระบบการจราจรการจัดการแบบดั้งเดิมมากขึ้นเป็นส่วนใหญ่ของการวิจัยที่มหาวิทยาลัยแคลิฟอร์เนียเบิร์กลีย์ที่ผมผู้อำนวยการของสมาร์ทเมืองศูนย์วิจัย
นี่คือวิธีที่แอปพัฒนาขึ้น โดยทั่วไป แผนที่ถนนพื้นฐานที่ใช้โดยแอพจะแสดงถนนเป็นชั้นที่ใช้งานได้ห้าชั้น ตั้งแต่ทางด่วนหลายเลนไปจนถึงถนนที่อยู่อาศัยขนาดเล็ก แต่ละชั้นได้รับการออกแบบเพื่อรองรับจำนวนยานพาหนะที่แตกต่างกันต่อชั่วโมงด้วยความเร็วที่ปรับตามสภาพท้องถิ่น ระบบนำทาง—แต่เดิมมีให้ใช้งานเป็นอุปกรณ์เฉพาะหรือติดตั้งในแผงหน้าปัดรถยนต์และตอนนี้ในสมาร์ทโฟนส่วนใหญ่—ใช้ข้อมูลนี้มานานแล้วในอัลกอริธึมการกำหนดเส้นทางเพื่อคำนวณเวลาเดินทางที่เป็นไปได้และเลือกเส้นทางที่ดีที่สุด
ในขั้นต้น แอพการนำทางใช้แผนที่เหล่านี้เพื่อค้นหาเส้นทางที่เป็นไปได้ทั้งหมดไปยังปลายทาง แม้ว่าจะใช้งานได้ดีเมื่อผู้ใช้นั่งอยู่ในถนนรถแล่น เตรียมพร้อมสำหรับการเดินทาง การค้นหาเหล่านั้นใช้การคำนวณอย่างเข้มข้นเกินกว่าจะเป็นประโยชน์สำหรับผู้ขับขี่ที่เดินทางอยู่แล้ว ดังนั้นนักพัฒนาซอฟต์แวร์จึงสร้างอัลกอริธึมที่ระบุเส้นทางเพียงไม่กี่เส้นทาง ประมาณเวลาการเดินทางของแต่ละเส้นทาง และเลือกเส้นทางที่ดีที่สุด วิธีนี้อาจพลาดเส้นทางที่เร็วที่สุด แต่โดยทั่วไปก็ใช้ได้ดีทีเดียว ผู้ใช้สามารถปรับอัลกอริทึมเหล่านี้ให้ชอบถนนบางประเภทมากกว่าถนนอื่นๆ เช่น ต้องการทางหลวงหรือเพื่อหลีกเลี่ยงถนน