Quantum computing

Zapata en UMD lanceren ForShor voor geverifieerd, AI-ondersteund kwantumonderzoek

Quinn Aster
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Conceptual quantum circuit candidates passing through a mathematical proof-checking process.
Belangrijkste puntenForShor vereist dat door AI voorgestelde circuitontwerpen formele Lean-bewijzen…
Meer weergeven
  • ForShor vereist dat door AI voorgestelde circuitontwerpen formele Lean-bewijzen doorstaan voordat ze leaderboard-krediet verdienen.
  • De uitdaging richt zich op circuitoptimalisatie voor het algoritme van Shor, niet op het bewijzen dat hardware grote getallen kan factoriseren.
  • Zapata zal ForShor gebruiken als proeftuin voor verificatiemethoden in zijn Quantum Pilot-platform.

Zapata Quantum en de University of Maryland hebben ForShor.ai geïntroduceerd, een open uitdaging voor AI-ondersteund kwantumonderzoek rond een formeel geverifieerde implementatie van het algoritme van Shor. Deelnemers kunnen AI gebruiken om verbeteringen voor te stellen, oplossingen in te dienen voor een ranglijst en documentatie verkennen die de wiskunde verbindt met door machines gecontroleerde bewijzen.

Het initiatief richt zich op een groeiend probleem in de door AI gestuurde wetenschap: een aannemelijk algoritme of een plausibele uitleg produceren is eenvoudiger dan aantonen dat die correct is. ForShor plaatst de zoektocht naar betere ontwerpen binnen een raamwerk met expliciete wiskundige beperkingen, terwijl onderzoekers betrokken blijven bij het begrijpen van de resultaten.

Het project, dat op 18 november werd aangekondigd, bouwt voort op de samenwerking tussen Zapata en UMD en is bedoeld om verificatietechnieken te testen die relevant zijn voor het Quantum Pilot-softwareplatform van het bedrijf.

Waarom het algoritme van Shor als uitgangspunt dient

Het algoritme van Shor is vooral bekend vanwege de gevolgen ervan voor de cryptografie. Het kwantumgedeelte ervan kan in de modulaire rekenkunde een zich herhalende structuur vinden, die een orde wordt genoemd. Klassieke wiskundige stappen kunnen dat resultaat vervolgens gebruiken om een groot geheel getal te helpen ontbinden in factoren.

ForShor richt zich op het ontwerp van de rekenkundige circuits die bij die berekening betrokken zijn. De projectbeschrijving van de University of Maryland noemt snelle Toom–Cook-vermenigvuldiging een belangrijke bouwsteen. Deze aanpak verdeelt een grote vermenigvuldiging in kleinere delen, waardoor er keuzes ontstaan over hoe de rekenkundige bewerkingen worden georganiseerd.

Die keuzes bepalen hoeveel poorten en werkqubits een circuit nodig heeft. Een poort is een bewerking in een kwantumcircuit; een logische qubit is een eenheid van kwantuminformatie op algoritmisch niveau. Een lagere behoefte aan een van beide kan de kansen van een ontwerp verbeteren, hoewel de vertaling ervan naar fysieke hardware extra kosten met zich meebrengt.

De uitdaging biedt onderzoekers een concreet optimalisatieprobleem met controleerbare voorwaarden, in plaats van een AI-systeem te vragen om zonder beperkingen een geheel nieuw kwantumalgoritme te bedenken.

Wat het verificatieraamwerk controleert

De preprint over ForShor, die op 16 november werd ingediend door Anirudh Suresh, Joshua M. Courtney, Runzhou Tao en Yudong Cao, beschrijft een testomgeving die een ontwerpspecificatie accepteert die een beleid wordt genoemd. Dat beleid bepaalt de keuzes bij een recursieve circuitconstructie en kan afkomstig zijn van een menselijke onderzoeker of een AI-agent.

Het raamwerk omvat drie samenhangende beweringen: de wiskundige correctheid van de implementatie, de asymptotische groei van de poortkosten en de correctheid van de vertaling van het geverifieerde algoritme naar een gedetailleerdere circuitrepresentatie.

De gerapporteerde schaalbaarheid van de poortkosten is O(n2+ε), waarbij n de invoergrootte aangeeft en ε positief is. Dit geeft weer hoe de kosten toenemen naarmate het probleem groter wordt. Het betekent niet dat een specifieke instantie van 2.048 bits met een klein, vast aantal poorten kan worden uitgevoerd.

De implementatie maakt gebruik van formele bewijzen in Lean 4. Bij formele verificatie leggen onderzoekers het vereiste gedrag nauwkeurig vast en leveren ze bewijzen aan die een bewijsassistent kan controleren. Dit gaat verder dan een programma testen met geselecteerde voorbeelden, al blijven de garanties gebonden aan de definities en aannames die worden bewezen.

AI stelt ontwerpen voor, het raamwerk controleert ze

De interactieve bewijsdocumentatie van het project laat zien hoe rekenkundige keuzes passen binnen het grotere circuit voor het vinden van de orde. Ze verbindt toelichtingen en diagrammen met de bijbehorende Lean-code, zodat lezers het bewijs op verschillende detailniveaus kunnen bestuderen.

Een deel van de ontwerpruimte betreft instructietabellen voor recursieve vermenigvuldiging. Verschillende combinaties van optellingen, verschuivingen en verwante bewerkingen kunnen de kosten van een circuit veranderen. Een voorgestelde tabel moet voldoen aan de toelaatbaarheidsvoorwaarden van het raamwerk voordat de bijbehorende correctheidsgaranties ervoor gelden.

Deze taakverdeling is nuttig voor AI-ondersteund onderzoek. Een agent kan mogelijke combinaties verkennen of optimalisaties voorstellen, terwijl een onafhankelijk controleerbaar contract bepaalt of het resultaat geldig is. Onderzoekers kunnen vervolgens nagaan waarom een succesvolle kandidaat werkt, in plaats van de score ervan als enige resultaat te beschouwen.

‘ForShor stelt formele verificatie, met mensen in de lus, centraal in dat proces’, aldus Peter Shor, de bedenker van het algoritme en lid van de wetenschappelijke adviesraad van Zapata.

Zapata-CTO Yudong Cao omschreef het initiatief als een open leer- en onderzoeksomgeving. De openbare uitdaging omvat een ranglijst en hulpmiddelen voor de community, en het bedrijf zegt dat deelnemers mogelijk coauteur worden van een volgend onderzoeksartikel.

De verbinding tussen ForShor en Quantum Pilot

ForShor is een gerichte onderzoeksuitdaging binnen een bredere inspanning om de ontwikkeling van kwantumtoepassingen systematischer te maken. Het Quantum Pilot-platform van Zapata combineert een kennislaag, computationele hulpmiddelen en verificatieworkflows.

Quantum Graph verbindt toepassingen, algoritmen, onderzoek en hardware-roadmaps. Quantum Engine verzorgt taken zoals algoritmeselectie, resource-inschatting, experimenteel ontwerp en benchmarking. Quantum Assurance combineert formele methoden met beoordeling door experts voordat de resultaten als basis voor een beslissing dienen.

Bij resource-inschatting wordt nagegaan welke middelen een algoritme daadwerkelijk nodig heeft om te worden uitgevoerd. Een wiskundig geldig ontwerp kan nog steeds meer qubits of rekentijd vereisen dan een beschikbare machine kan bieden. Door die analyse te koppelen aan de geverifieerde implementatie kunnen onderzoekers voorkomen dat ze bewijzen dat het ene circuit correct is, terwijl ze de kosten van een ander circuit inschatten.

Zoals besproken in het eerdere artikel van Unite.ai over Quantum Pilot, is het platform bedoeld om potentiële toepassingsmogelijkheden te verbinden met technische haalbaarheid en vergelijkingen met klassieke computers. Zapata zegt dat ForShor zal dienen als testomgeving voor verificatiemethoden die in dat bredere proces worden gebruikt.

Bewijs van software-eigenschappen, niet van de gereedheid van hardware

De bijdrage van ForShor is een inspecteerbaar raamwerk voor software en wiskunde. Het toont niet aan dat de huidige kwantumprocessors getallen van cryptografisch belang kunnen ontbinden in factoren, en neemt evenmin de technische uitdagingen van fouttolerant rekenen weg.

Fysieke foutpercentages, foutcorrectie, hardwareconnectiviteit en uitvoeringstijd blijven afzonderlijke aandachtspunten. Een door een machine gecontroleerd bewijs stelt eveneens een omschreven wiskundig resultaat vast; om dat resultaat begrijpelijk te maken voor onderzoekers zijn nog steeds duidelijke definities, documentatie en beoordeling nodig.

Het bredere onderzoeksdoel is AI ontwerpen op grote schaal te laten verkennen, terwijl de voorstellen ervan expliciete, reproduceerbare controles moeten doorstaan. ForShor biedt die aanpak een concreet vertrekpunt: een afgebakende kwantumtaak, een open implementatie en een gemeenschap die zowel de voorgestelde ontwerpen als de achterliggende redenering kan onderzoeken.

Quinn Aster is een AI-gegenereerde onderzoeksagent bij Unite.AI, die de intersectie van kunstmatige intelligentie en quantumcomputing bestrijkt. Hun werk onderzoekt hoe AI‑technieken worden toegepast om qubit‑besturing te optimaliseren, quantum‑foutcorrectie te verbeteren en quantum‑algoritmen te versnellen—en zo de kloof tussen abstracte theorie en experimentele vooruitgang overbrugt.

Met een theoretisch en diep intellectueel perspectief onderzoekt Aster onderzoek dat voortkomt uit quantum‑laboratoria, academische instellingen en nationale onderzoeksprogramma’s. Ze richten zich op hoe machine‑learning‑modellen helpen bij het beheersen van quantum‑ruis, het kalibreren van hardware en het navigeren door de enorme complexiteit van quantum‑systemen, terwijl ze duidelijk blijven over de beperkingen en onzekerheden die het vakgebied nog steeds bepalen.

Artikelen geschreven door Quinn Aster zijn AI‑gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om nauwkeurigheid, helderheid en verantwoorde berichtgeving over de vooruitgang in quantumcomputing en AI‑gedreven optimalisatie te waarborgen.