FM Valter Uotila puolustaa väitöskirjaansa "Quantum Computing Methods for Query Optimization in Relational Databases" perjantaina 13.3.2026 klo 13 Helsingin yliopiston päärakennuksen auditoriossa Karolina Eskelin (U3032, Unioninkatu 34, 3. kerros). Vastaväittäjänä toimii apulaisprofessori Matti Silveri (Oulun yliopisto) ja kustoksena professori Jiaheng Lu (Helsingin yliopisto). Väitöstilaisuus pidetään englanniksi.
Valter Uotilan väitöskirjatyö on osa Helsingin yliopiston tietojenkäsittelytieteen osastolla ja sekä Unified Database Management Systems -ryhmässä että Empirical Software Engineering -ryhmässä tehtävää tutkimusta. Väitöskirjan ohjaajina ovat toimineet professori Jiaheng Lu ja professori Jukka K. Nurminen (Helsingin yliopisto).
Kvanttilaskennan menetelmiä kyselyjen optimointiin relaatiotietokannoissa
Kvanttilaskenta on kehittynyt merkittävästi kuluneiden vuosien aikana. Usein voidaan lukea siitä, miten kvanttitietokoneella on ratkaistu ongelma, joka veisi tehokkaimmalta supertietokoneelta kauemmin kuin universumilla on ikää. Samalla kun kvanttiteknologiset laitteet kehittyvät, syntyy kysymys siitä, miten näitä laitteita voidaan hyödyntää laskennallisissa käytännön ongelmissa. Tässä väitöskirjassa keskitytään verrattain pieneen mutta nousevaan aiheeseen, jossa tarkastellaan kvanttilaskennan menetelmien soveltuvuutta kyselyiden optimointiin relaatiotietokannoissa.
Tässä työssä hyödynnetyt menetelmät jaetaan kolmeen pääteemaan: kvanttikoneoppimiseen, optimointiin kvanttilaskennan avulla sekä kvantti-informaatioteorian hyödyntämiseen teoreettisemmin. Sovellettu kvanttikoneoppimismalli perustuu luonnollisen kielen prosessointiin tarkoitettuun kvanttikoneoppimismalliin, jonka osoitetaan soveltuvan hyvin valittuun tietokantaongelmaan. Kvanttioptimoinnissa matemaattinen perusta on niin sanotuissa rajoitteettomissa korkeamman asteen binääripolynomeissa, joiden minimipisteitä kvanttilaskennalla voi ratkaista suhteellisen luonnollisesti. Kvantti-informaatioteoria tarjoaa uudenlaisia teoreettisia näkökulmia siihen, miten informaatiota voi mallintaa tietokannoissa.
Relaatiotietokantoihin liittyy useita laskennallisesti vaatia ongelmia. Tässä työssä kvanttikoneoppimista sovelletaan kyselyiden erilaisten metriikoiden ennustamiseen suorittamatta kyselyitä tietokannassa. Kvanttilaskennallista optimointia sovelletaan verrattain hyvin tutkittuun kysymykseen siitä, mikä on tehokkain järjestys suorittaa liitosoperaatioita kyselyssä esiintyvien relaatioiden välillä. Tässä työssä kehitään myös kvanttioptimoinnille sovellus, jolla voidaan löytää tapoja suorittaa matriisien välinen kertolasku minimoiden kertolaskussa käytettävien skalaariarvojen välisten kertolaskutoimitusten määrät.
Kvanttilaskennan soveltamisessa käytännön ongelmiin on useita haasteita, joita tiedeyhteisön täytyy ratkaista. Toistaiseksi kvanttilaskennan ei ole yleisesti hyväksytysti osoitettu suoriutuvan nopeamman tai paremmin missään käytännöllisesti hyödyllisessä ongelmassa. Vaikka tämä työ ei osoita tällaista tulosta relaatiotietokantojen kohdalla, tällaisten sovellusten tutkiminen kuitenkin tuottaa tietoa siitä, miten kvanttitietokoneet, -algoritmit sekä -ohjelmistot soveltuvat kyseisten ongelmien ratkaisemiseen, minkälaisia haasteita syntyy sekä missä tilanteissa kvanttilaskennasta voidaan olettaa olevan laskennallista hyötyä tulevaisuudessa. Tässä työssä kehitettiin myös menetelmiä, joilla erilaisia laskennallisia ongelmia voidaan lähestyä systemaattisesti.
Väitöskirjan saatavuus
Väitöskirjan elektroninen versio tulee olemaan saatavilla Helsingin yliopiston avoimessa julkaisuarkistossa Heldassa osoitteessa
Painettuja väitöskirjoja voi tiedustella väittelijältä itseltään: