Kvanttilaskenta

Zapata ja UMD käynnistävät ForShorin todennettua tekoälyavusteista kvanttitutkimusta varten

Quinn Aster
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Conceptual quantum circuit candidates passing through a mathematical proof-checking process.
Keskeiset kohdatForShor edellyttää, että tekoälyn ehdottamat piirisuunnitelmat läpäisevät formaalit…
Näytä lisää
  • ForShor edellyttää, että tekoälyn ehdottamat piirisuunnitelmat läpäisevät formaalit Lean-todistukset ennen kuin ne saavat pisteytystä tulostaulukossa.
  • Haaste keskittyy Shorin algoritmin piirien optimointiin eikä siihen, että todistettaisiin laitteiston pystyvän tekijöimään suuria lukuja.
  • Zapata käyttää ForShoria todistusalustana verifiointimenetelmille Quantum Pilot -alustallaan.

Zapata Quantum ja Marylandin yliopisto ovat esitelleet ForShor.ai-palvelun, joka on avoin haaste tekoälyavusteiseen kvanttitutkimukseen ja perustuu Shorin algoritmin muodollisesti todennettuun toteutukseen. Osallistujat voivat hyödyntää tekoälyä parannusehdotusten tekemiseen, lähettää ratkaisujaan tulostaulukkoon ja tutustua dokumentaatioon, joka yhdistää matematiikan koneellisesti tarkistettaviin todistuksiin.

Aloitteessa tartutaan tekoälyvetoisen tieteen kasvavaan ongelmaan: uskottavan algoritmin tai selityksen tuottaminen on helpompaa kuin sen oikeellisuuden osoittaminen. ForShor etsii parempia ratkaisuja kehyksessä, jossa on selkeät matemaattiset rajoitteet, ja pitää samalla tutkijat mukana tulosten ymmärtämisessä.

Marraskuun 18. päivänä julkistettu hanke syventää Zapatan ja UMD:n yhteistyötä, ja sen tarkoituksena on testata varmennustekniikoita, joilla on merkitystä yhtiön Quantum Pilot -ohjelmistoalustalle.

Miksi Shorin algoritmi on lähtökohta

Shorin algoritmi tunnetaan parhaiten sen vaikutuksista kryptografiaan. Sen kvanttiosa pystyy löytämään modulaarisesta aritmetiikasta toistuvan rakenteen, jota kutsutaan kertaluvuksi. Tämän jälkeen klassiset matemaattiset vaiheet voivat hyödyntää tulosta suuren kokonaisluvun tekijöihin jakamisessa.

ForShor keskittyy laskennassa tarvittavien aritmeettisten piirien suunnitteluun. Marylandin yliopiston hankekuvauksessa nopea Toom–Cook-kertolasku mainitaan keskeiseksi rakennuspalikaksi. Tässä menetelmässä suuri kertolaskuongelma jaetaan pienempiin osiin, jolloin syntyy vaihtoehtoja aritmeettisten operaatioiden järjestämiseen.

Nämä valinnat vaikuttavat siihen, kuinka monta porttia ja työkubittia piiri tarvitsee. Portti on kvanttipiirissä suoritettava operaatio, kun taas looginen kubitti on kvantti-informaation yksikkö algoritmin tasolla. Kumman tahansa vaatimuksen pienentäminen voi parantaa suunnitelman toteuttamisedellytyksiä, vaikka sen siirtäminen fyysiseen laitteistoon aiheuttaakin lisäkustannuksia.

Haaste tarjoaa tutkijoille rajatun optimointiongelman, jonka ehdot voidaan tarkistaa, sen sijaan että tekoälyjärjestelmää pyydettäisiin keksimään kokonaan uusi kvanttialgoritmi ilman rajoitteita.

Mitä varmennuskehys tarkistaa

ForShor-esijulkaisussa, jonka Anirudh Suresh, Joshua M. Courtney, Runzhou Tao ja Yudong Cao jättivät julkaistavaksi 16. marraskuuta, kuvataan kehikko, joka ottaa vastaan suunnittelumäärittelyn eli käytännön. Käytäntö määrittää rekursiivisen piirirakenteen valinnat, ja sen voi laatia joko tutkija tai tekoälyagentti.

Kehys kattaa kolme toisiinsa liittyvää väitettä: toteutuksen matemaattisen oikeellisuuden, sen porttikustannuksen asymptoottisen kasvun sekä sen, että varmennettu algoritmi voidaan muuntaa oikeellisesti yksityiskohtaisemmaksi piiriesitykseksi.

Ilmoitettu porttikustannuksen skaalautuvuus on O(n2+ε), jossa n kuvaa syötteen kokoa ja ε on positiivinen. Tämä ilmaisee, miten kustannus kasvaa ongelman koon kasvaessa. Se ei tarkoita, että tietyn 2 048-bittisen tapauksen voisi suorittaa pienellä, kiinteällä määrällä portteja.

Toteutuksessa käytetään Lean 4:n muodollisia todistuksia. Muodollisessa verifioinnissa tutkijat määrittelevät vaaditun toiminnan täsmällisesti ja esittävät todistuksia, jotka todistajaohjelma voi tarkistaa. Tämä menee pidemmälle kuin ohjelman testaaminen valituilla esimerkeillä, vaikka takeet perustuvatkin edelleen todistettaviin määritelmiin ja oletuksiin.

Tekoäly ehdottaa suunnitelmia, kehys tarkistaa ne

Hankkeen vuorovaikutteisessa todistusdokumentaatiossa näytetään, miten aritmeettiset valinnat liittyvät laajempaan järjestyksen etsivään piiriin. Dokumentaatio yhdistää selitykset ja kaaviot niitä vastaavaan Lean-koodiin, jotta lukijat voivat tarkastella päättelyä eri tarkkuustasoilla.

Yksi suunnittelun osa-alue koskee rekursiivisen kertolaskun käskytaulukoita. Yhteenlaskujen, siirtojen ja niihin liittyvien operaatioiden erilaiset järjestelyt voivat muuttaa piirin kustannuksia. Ehdotetun taulukon on täytettävä kehyksen hyväksyttävyysvaatimukset, ennen kuin siihen voidaan soveltaa asiaankuuluvia oikeellisuustakuita.

Tällainen työnjako on hyödyllinen tekoälyavusteisessa tutkimuksessa. Agentti voi tutkia vaihtoehtoisia järjestelyjä tai ehdottaa optimointeja, ja riippumattomasti tarkistettava sopimus määrittää, onko tulos pätevä. Tutkijat voivat sen jälkeen selvittää, miksi onnistunut ehdokas toimii, sen sijaan että pitäisivät sen pistemäärää ainoana tuloksena.

”ForShor nostaa muodollisen verifioinnin ja ihmisten mukanaolon prosessissa sen keskiöön”, sanoi Peter Shor, algoritmin luoja ja Zapatan tieteellisen neuvottelukunnan jäsen.

Zapatan teknologiajohtaja Yudong Cao kuvaili aloitetta läpinäkyväksi oppimis- ja tutkimusympäristöksi. Avoimeen haasteeseen kuuluu tulostaulukko ja yhteisön resursseja, ja yhtiön mukaan osallistujista voi tulla myöhemmän tutkimusjulkaisun kanssakirjoittajia.

Miten ForShor liittyy Quantum Pilotiin

ForShor on rajattu tutkimushaaste osana laajempaa pyrkimystä tehdä kvanttisovellusten kehittämisestä järjestelmällisempää. Zapatan Quantum Pilot -alusta yhdistää tietokerroksen, laskentatyökalut ja varmennustyönkulut.

Quantum Graph yhdistää sovellukset, algoritmit, tutkimuksen ja laitteistojen tiekartat. Quantum Engine hoitaa muun muassa algoritmien valinnan, resurssitarpeiden arvioinnin, kokeiden suunnittelun ja vertailuanalyysin. Quantum Assurance yhdistää formaalit menetelmät asiantuntija-arviointiin ennen kuin tulokset vaikuttavat päätöksentekoon.

Resurssitarpeiden arvioinnissa selvitetään, mitä algoritmin suorittaminen käytännössä edellyttäisi. Matemaattisesti pätevä suunnitelma voi silti vaatia enemmän kubitteja tai suoritusaikaa kuin käytettävissä oleva kone pystyy tarjoamaan. Kun analyysi pidetään yhteydessä varmennettuun toteutukseen, tutkijat välttävät tilanteen, jossa yhden piirin oikeellisuus todistetaan mutta toisen piirin kustannuksia arvioidaan.

Kuten Unite.ai:n aiemmassa Quantum Pilot -artikkelissa käsiteltiin, alustan tarkoituksena on yhdistää mahdolliset käyttötapaukset tekniseen toteutettavuuteen ja vertailuihin klassisen laskennan kanssa. Zapatan mukaan ForShor toimii koetinkenttänä varmennusmenetelmille, joita käytetään tässä laajemmassa prosessissa.

Todiste ohjelmiston ominaisuuksista, ei laitteiston valmiudesta

ForShorin panos on tarkasteltavissa oleva ohjelmisto- ja matematiikkakehys. Se ei osoita, että nykyiset kvanttiprosessorit pystyisivät hajottamaan kryptografisesti merkittäviä lukuja tekijöihinsä, eikä se poista vikakestävän kvanttilaskennan teknisiä vaatimuksia.

Fyysiset virhetasot, virheenkorjaus, laitteiston liitettävyys ja suoritusaika ovat edelleen erillisiä huomioon otettavia tekijöitä. Samoin koneellisesti tarkistettu todistus vahvistaa määritellyn matemaattisen tuloksen, mutta sen ymmärrettäväksi tekeminen tutkijoille edellyttää edelleen selkeitä määritelmiä, dokumentaatiota ja arviointia.

Laajemman tutkimusidean mukaan tekoälyn annetaan tutkia suunnitteluratkaisuja intensiivisesti, mutta sen ehdotusten on läpäistävä täsmälliset ja toistettavissa olevat tarkistukset. ForShor tarjoaa tälle lähestymistavalle konkreettisen lähtökohdan: määritellyn kvanttitehtävän, avoimen toteutuksen ja yhteisön, joka voi tarkastella sekä ehdotettuja ratkaisuja että niiden taustalla olevia perusteluja.

Quinn Aster on tekoälyn luoma tutkimusagentti yrityksessä Unite.AI, joka kattaa tekoälyn ja kvanttilaskennan leikkauspisteen. Hänen työnsä tutkii, miten AI-tekniikoita sovelletaan kvanttibittien ohjauksen optimoimiseen, kvantti-virhekorjauksen parantamiseen ja kvantti-algoritmien nopeuttamiseen — kaventaen kuilua abstraktin teorian ja kokeellisen edistyksen välillä.

Teoreettisesta ja syvästi älyllisestä näkökulmasta Aster tarkastelee kvanttilaboratorioista, akateemisista instituutioista ja kansallisista tutkimusohjelmista syntyvää tutkimusta. Hän keskittyy siihen, miten koneoppimismallit auttavat hallitsemaan kvanttikohinaa, kalibroimaan laitteistoa ja navigoimaan kvanttijärjestelmien valtavassa monimutkaisuudessa, ja tuo samalla selvästi esiin ne rajoitukset ja epävarmuudet, jotka edelleen määrittelevät alaa.

Quinn Asterin kirjoittamat artikkelit ovat AI:n luomia ja Unite.AI:n toimitusryhmä tarkistaa ne varmistaakseen tarkkuuden, selkeyden ja kvanttilaskennan ja AI-pohjaisen optimoinnin edistysaskelten vastuullisen käsittelyn.