Kvantové výpočty

Zapata a UMD spouštějí ForShor pro ověřitelný kvantový výzkum s pomocí AI

Quinn Aster
Přidejte Unite.AI mezi své preferované zdroje na Google
Conceptual quantum circuit candidates passing through a mathematical proof-checking process.
Klíčové bodyForShor vyžaduje, aby návrhy obvodů navržené umělou inteligencí prošly formálními…
Zobrazit více
  • ForShor vyžaduje, aby návrhy obvodů navržené umělou inteligencí prošly formálními důkazy v Lean, než získají uznání v žebříčku.
  • Výzva se zaměřuje na optimalizaci obvodů pro Shorův algoritmus, nikoli na dokazování, že hardware dokáže faktorizovat velká čísla.
  • Zapata použije ForShor jako zkušební pole pro metody verifikace ve své platformě Quantum Pilot.

Zapata Quantum a University of Maryland představily ForShor.ai, otevřenou výzvu pro kvantový výzkum s pomocí AI, která vychází z formálně ověřené implementace Shorova algoritmu. Účastníci mohou pomocí AI navrhovat vylepšení, posílat řešení do žebříčku a procházet dokumentaci propojující matematiku s důkazy ověřenými strojově.

Iniciativa reaguje na narůstající problém vědy využívající AI: vytvořit věrohodný algoritmus nebo vysvětlení je snazší než prokázat jejich správnost. ForShor hledání lepších návrhů zasazuje do rámce s výslovně stanovenými matematickými omezeními a zároveň zapojuje výzkumníky do porozumění výsledkům.

Projekt, oznámený 18. listopadu, navazuje na spolupráci společnosti Zapata s UMD a má prověřit ověřovací techniky důležité pro softwarovou platformu Quantum Pilot této společnosti.

Proč se začíná právě Shorovým algoritmem

Shorův algoritmus je známý především svými důsledky pro kryptografii. Jeho kvantová část dokáže v modulární aritmetice najít opakující se strukturu, zvanou řád. Klasické matematické kroky pak mohou tento výsledek využít k faktorizaci velkého celého čísla.

ForShor se zaměřuje na návrh aritmetických obvodů zapojených do tohoto výpočtu. Popis projektu University of Maryland označuje rychlé násobení metodou Toom–Cook za klíčovou stavební součást. Tento přístup rozděluje rozsáhlý problém násobení na menší části, což přináší různé možnosti, jak aritmetické operace uspořádat.

Tato rozhodnutí ovlivňují, kolik hradel a pracovních qubitů obvod potřebuje. Hradlo je operace v kvantovém obvodu; logický qubit je jednotka kvantové informace na úrovni algoritmu. Snížení kteréhokoli z těchto požadavků může zlepšit vyhlídky návrhu, jeho převod na fyzický hardware však přináší další náklady.

Výzva nabízí výzkumníkům konkrétní optimalizační problém s ověřitelnými podmínkami, místo aby po systému AI požadovala vynalezení zcela nového kvantového algoritmu bez jakýchkoli omezení.

Co ověřuje rámec

Předtisková studie ForShor, kterou 16. listopadu zaslali Anirudh Suresh, Joshua M. Courtney, Runzhou Tao a Yudong Cao, popisuje testovací infrastrukturu přijímající specifikaci návrhu označovanou jako politika. Tato politika určuje volby při rekurzivní konstrukci obvodu a může pocházet od lidského výzkumníka nebo agenta AI.

Rámec pokrývá tři související tvrzení: matematickou správnost implementace, asymptotický růst nákladů vyjádřených počtem hradel a správnost převodu ověřeného algoritmu do podrobnější reprezentace obvodu.

Uváděné škálování nákladů na hradla je O(n2+ε), kde n označuje velikost vstupu a ε je kladné číslo. Tento zápis vyjadřuje, jak náklady rostou s velikostí problému. Neznamená to, že lze konkrétní instanci o 2 048 bitech spustit s malým, předem daným počtem hradel.

Implementace využívá formální důkazy v Lean 4. Při formálním ověřování výzkumníci přesně stanoví požadované chování a předloží důkazy, které může ověřit systém pro kontrolu důkazů. Tento přístup jde nad rámec testování programu na vybraných příkladech, záruky se však stále vztahují k definicím a předpokladům, které se dokazují.

AI navrhuje řešení, rámec je ověřuje

Interaktivní dokumentace důkazů k projektu ukazuje, jak aritmetické volby zapadají do rozsáhlejšího obvodu pro hledání řádu. Propojuje vysvětlení a diagramy s odpovídajícím kódem v Lean, takže čtenáři mohou argumentaci zkoumat na různých úrovních podrobnosti.

Jedna část návrhového prostoru se týká tabulek instrukcí pro rekurzivní násobení. Různé kombinace sčítání, posunů a souvisejících operací mohou změnit náklady na obvod. Navržená tabulka musí splňovat podmínky přípustnosti stanovené rámcem, aby se na ni mohly vztahovat příslušné záruky správnosti.

Toto rozdělení práce je pro výzkum s pomocí AI užitečné. Agent může prozkoumávat možné uspořádání nebo navrhovat optimalizace, zatímco nezávisle ověřitelný kontrakt určuje, zda je výsledek platný. Výzkumníci pak mohou zkoumat, proč úspěšný návrh funguje, místo aby jeho skóre považovali za jediný výstup.

„ForShor staví formální ověřování za účasti lidí do centra tohoto procesu,“ uvedl Peter Shor, tvůrce algoritmu a člen vědecké poradní rady společnosti Zapata.

Technický ředitel společnosti Zapata Yudong Cao popsal tuto iniciativu jako transparentní prostředí pro učení a výzkum. Veřejná výzva zahrnuje žebříček a komunitní zdroje a společnost uvádí, že přispěvatelé se mohou stát spoluautory následné výzkumné práce.

Jak ForShor souvisí s Quantum Pilot

ForShor je úzce zaměřená výzkumná výzva, která je součástí širší snahy o systematičtější vývoj kvantových aplikací. Platforma Quantum Pilot společnosti Zapata propojuje znalostní vrstvu, výpočetní nástroje a ověřovací postupy.

Quantum Graph propojuje aplikace, algoritmy, výzkum a plány vývoje hardwaru. Quantum Engine zajišťuje úlohy, jako je výběr algoritmů, odhad potřebných zdrojů, návrh experimentů a srovnávací testování. Quantum Assurance kombinuje formální metody s odborným posouzením, které předchází tomu, než výsledky poslouží jako podklad pro rozhodnutí.

Odhad potřebných zdrojů zjišťuje, co by algoritmus skutečně potřeboval ke spuštění. I matematicky správný návrh může vyžadovat více qubitů nebo delší dobu běhu, než kolik dokáže poskytnout dostupný stroj. Propojení této analýzy s ověřenou implementací pomáhá výzkumníkům předejít situaci, kdy prokážou správnost jednoho obvodu, ale odhadnou náklady na jiný.

Jak bylo popsáno v předchozím článku Unite.ai o Quantum Pilot, platforma má propojovat potenciální případy využití s technickou proveditelností a srovnáním s klasickými výpočty. Zapata uvádí, že ForShor poslouží jako testovací prostředí pro ověřovací metody využívané v tomto širším procesu.

Důkaz vlastností softwaru, nikoli připravenosti hardwaru

Přínosem ForShor je kontrolovatelný rámec pro software a matematiku. Nedokazuje, že dnešní kvantové procesory dokážou rozkládat čísla významná z hlediska kryptografie ani že odpadá náročné inženýrské úsilí potřebné pro výpočty odolné vůči chybám.

Míra fyzických chyb, korekce chyb, propojení hardwaru a doba provádění zůstávají samostatnými hledisky. Důkaz ověřený strojově potvrzuje stanovený matematický výsledek; aby mu výzkumníci porozuměli, jsou stále zapotřebí jasné definice, dokumentace a odborné posouzení.

Širší výzkumnou myšlenkou je umožnit umělé inteligenci důkladně prozkoumávat návrhy a zároveň vyžadovat, aby její návrhy prošly výslovně stanovenými a reprodukovatelnými kontrolami. ForShor tomuto přístupu nabízí konkrétní výchozí bod: vymezenou kvantovou úlohu, otevřenou implementaci a komunitu, která může zkoumat jak navržená řešení, tak důvody, o které se opírají.

Quinn Aster je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá průnikem umělé inteligence a kvantových výpočtů. Jeho práce zkoumá, jak jsou techniky AI používány k optimalizaci řízení qubitů, zlepšení kvantové korekce chyb a urychlení kvantových algoritmů — čímž se překonává mezera mezi abstraktní teorií a experimentálním pokrokem.

S teoretickým a hluboce intelektuálním pohledem Aster zkoumá výzkum vznikající v kvantových laboratořích, akademických institucích a národních výzkumných programech. Soustředí se na to, jak modely strojového učení pomáhají při řízení kvantového šumu, kalibraci hardware a orientaci v obrovské složitosti kvantových systémů, přičemž jasně uvádí omezení a nejistoty, které stále definují toto pole.

Články napsané Quinnem Asterem jsou generovány AI a jsou kontrolovány redakčním týmem Unite.AI, aby byla zajištěna přesnost, srozumitelnost a odpovědné pokrytí pokroků v kvantových výpočtech a optimalizaci řízené AI.