Теннесси выделит $3 млн командам NSF для квантовых исследований

Штат Теннесси выделяет $3 млн командам, сотрудничающим с Национальным научным фондом (NSF), для поддержки проектов по квантовым вычислениям и квантовой кибербезопасности. Средства предназначены для исследовательских групп, работающих в штате и в партнёрских учреждениях.

Финансирование покрывает покупку лабораторного оборудования, проведение экспериментов, привлечение молодых учёных и укрепление академических и промышленных связей. Гранты рассчитаны на команды, включённые в программы и инициативы NSF по развитию квантовой науки и подготовке кадров.

Среди приоритетных направлений — разработка квантово-устойчивых схем шифрования и методов защиты критической инфраструктуры. Обоснованием такого приоритета служат опасения, что с ростом вычислительной мощности квантовых устройств традиционные криптографические алгоритмы могут потерять устойчивость, в том числе в банковских системах, государственных реестрах и блокчейнах.

В Теннесси рассчитывают, что дополнительные средства помогут расширить лабораторную базу в университетах и ускорить передачу результатов исследований в коммерческий сектор. Ожидается, что финансирование поддержит создание прототипов оборудования и программного обеспечения, а также позволит увеличить количество исследовательских позиций.

Некоторые проекты в отрасли уже тестируют алгоритмы, ориентированные на защиту цифровых подписей и блокчейн‑сервисов от потенциальных квантовых атак. Параллельно ведутся работы по интеграции таких алгоритмов в существующие информационные и платёжные системы.

Финансирование Теннесси будет сочетаться с федеральными программами NSF, направленными на создание исследовательских центров и сетей сотрудничества между университетами и промышленностью. В рамках этих программ планируются совместные проекты, обмен персоналом и масштабные экспериментальные установки.

Квантовые компьютеры используют принципы квантовой механики для обработки информации: они оперируют квантовыми битами, что даёт иной набор вычислительных возможностей по сравнению с классическими машинами. Это даёт научные перспективы в химии, материаловедении и оптимизации, а также ставит вопросы по устойчивости современных методов шифрования, защищающих финансовые транзакции и цифровые активы.