Obliczenia kwantowe
Zapata i UMD uruchamiają ForShor, aby wspierać weryfikowane badania kwantowe z pomocą AI

Kluczowe punktyForShor wymaga, aby projekty obwodów proponowane przez AI przeszły formalne dowody Lean…
Zobacz więcej
- ForShor wymaga, aby projekty obwodów proponowane przez AI przeszły formalne dowody Lean przed uzyskaniem punktów na liście rankingowej.
- Wyzwanie koncentruje się na optymalizacji obwodów dla algorytmu Shora, a nie na dowodzeniu, że sprzęt potrafi rozkładać duże liczby na czynniki.
- Zapata wykorzysta ForShor jako pole testowe dla metod weryfikacji w swojej platformie Quantum Pilot.
Zapata Quantum i University of Maryland uruchomiły ForShor.ai — otwarte wyzwanie poświęcone badaniom kwantowym wspomaganym przez AI, oparte na formalnie zweryfikowanej implementacji algorytmu Shora. Uczestnicy mogą korzystać z AI, by proponować ulepszenia, zgłaszać rozwiązania do rankingu i poznawać dokumentację łączącą matematykę z dowodami sprawdzanymi maszynowo.
Inicjatywa odpowiada na narastający problem w nauce wspomaganej przez AI: stworzenie wiarygodnego algorytmu lub wyjaśnienia jest łatwiejsze niż wykazanie jego poprawności. ForShor pozwala poszukiwać lepszych rozwiązań w ramach systemu z jawnymi ograniczeniami matematycznymi, jednocześnie angażując badaczy w interpretację wyników.
Projekt, ogłoszony 18 listopada, rozwija współpracę Zapata z UMD i ma służyć sprawdzeniu technik weryfikacji przydatnych w platformie Quantum Pilot firmy.
Dlaczego punktem wyjścia jest algorytm Shora
Algorytm Shora jest znany przede wszystkim ze względu na konsekwencje dla kryptografii. Jego część kwantowa pozwala znaleźć powtarzającą się strukturę, zwaną rzędem, w arytmetyce modularnej. Następnie klasyczne kroki matematyczne mogą wykorzystać ten wynik do rozkładu dużej liczby całkowitej na czynniki.
ForShor koncentruje się na projektowaniu obwodów arytmetycznych wykorzystywanych w tych obliczeniach. W opisie projektu University of Maryland szybkie mnożenie metodą Tooma–Cooka wskazano jako jeden z kluczowych elementów. Metoda ta dzieli duży problem mnożenia na mniejsze części, dając możliwość wyboru sposobu organizacji obliczeń arytmetycznych.
Wybory te wpływają na liczbę bramek i kubitów roboczych potrzebnych w obwodzie. Bramka to operacja w obwodzie kwantowym, a kubit logiczny jest jednostką informacji kwantowej na poziomie algorytmu. Ograniczenie któregokolwiek z tych wymagań może poprawić perspektywy projektu, choć przeniesienie go na fizyczny sprzęt wiąże się z dodatkowymi kosztami.
Wyzwanie stawia przed badaczami konkretny problem optymalizacyjny z warunkami, które można sprawdzić, zamiast prosić system AI o wymyślenie zupełnie nowego algorytmu kwantowego bez żadnych ograniczeń.
Co sprawdza system weryfikacji
W preprincie ForShor, zgłoszonym 16 listopada przez Anirudha Suresha, Joshuę M. Courtneya, Runzhou Tao i Yudonga Cao, opisano mechanizm przyjmujący specyfikację projektu zwaną polityką. Polityka określa wybory dokonywane podczas rekurencyjnej konstrukcji obwodu i może pochodzić od badacza lub agenta AI.
System obejmuje trzy powiązane twierdzenia: matematyczną poprawność implementacji, asymptotyczny wzrost kosztu bramek oraz poprawność przekładu zweryfikowanego algorytmu na bardziej szczegółową reprezentację obwodu.
Podana zależność skalowania kosztu bramek wynosi O(n2+ε), gdzie n oznacza rozmiar danych wejściowych, a ε jest dodatnie. Opisuje ona wzrost kosztu wraz ze zwiększaniem się problemu. Nie oznacza to, że konkretny przypadek 2,048-bitowy można wykonać przy użyciu niewielkiej, ustalonej liczby bramek.
Implementacja wykorzystuje formalne dowody w Lean 4. W weryfikacji formalnej badacze precyzyjnie określają wymagane zachowanie i przedstawiają dowody, które może sprawdzić asystent dowodzenia. To coś więcej niż testowanie programu na wybranych przykładach, choć gwarancje nadal zależą od definicji i założeń objętych dowodem.
AI proponuje projekty, a system je sprawdza
Interaktywna dokumentacja dowodów projektu pokazuje, jak wybory arytmetyczne wpisują się w większy obwód znajdowania rzędu. Łączy objaśnienia i diagramy z odpowiadającym im kodem Lean, dzięki czemu czytelnicy mogą analizować argumentację na różnych poziomach szczegółowości.
Jeden z obszarów projektowania dotyczy tabel instrukcji dla mnożenia rekurencyjnego. Różne układy dodawań, przesunięć i powiązanych operacji mogą zmieniać koszt obwodu. Proponowana tabela musi spełniać warunki dopuszczalności określone przez system, zanim będzie można objąć ją odpowiednimi gwarancjami poprawności.
Taki podział pracy jest przydatny w badaniach wspomaganych przez AI. Agent może badać możliwe układy lub proponować optymalizacje, a niezależnie sprawdzalny kontrakt rozstrzyga, czy wynik jest poprawny. Badacze mogą następnie analizować, dlaczego udany wariant działa, zamiast traktować jego wynik punktowy jako jedyny rezultat.
„ForShor stawia formalną weryfikację, z udziałem ludzi, w centrum tego procesu” — powiedział Peter Shor, twórca algorytmu i członek Rady Naukowej Zapata.
Dyrektor ds. technologii Zapata, Yudong Cao, opisał inicjatywę jako środowisko nauki i badań typu white box. Otwarte wyzwanie obejmuje ranking i zasoby dla społeczności, a firma informuje, że współtwórcy mogą zostać współautorami kolejnego artykułu naukowego.
Jak ForShor łączy się z Quantum Pilot
ForShor to ukierunkowane wyzwanie badawcze w ramach szerszych działań na rzecz bardziej systematycznego tworzenia aplikacji kwantowych. Platforma Quantum Pilot firmy Zapata łączy warstwę wiedzy, narzędzia obliczeniowe i procesy weryfikacji.
Quantum Graph łączy aplikacje, algorytmy, badania i plany rozwoju sprzętu. Quantum Engine obsługuje takie zadania jak wybór algorytmów, szacowanie zapotrzebowania na zasoby, projektowanie eksperymentów i testy porównawcze. Quantum Assurance łączy metody formalne z ekspercką weryfikacją, zanim wyniki posłużą do podjęcia decyzji.
Szacowanie zapotrzebowania na zasoby pozwala ustalić, czego faktycznie wymagałoby uruchomienie danego algorytmu. Nawet projekt poprawny matematycznie może wymagać większej liczby kubitów lub dłuższego czasu działania, niż może zapewnić dostępna maszyna. Powiązanie tej analizy ze zweryfikowaną implementacją pomaga badaczom uniknąć sytuacji, w której dowodzą poprawności jednego układu, a jednocześnie szacują koszt innego.
Jak opisano we wcześniejszym artykule Unite.ai o Quantum Pilot, platforma ma łączyć potencjalne zastosowania z wykonalnością techniczną oraz porównaniami z obliczeniami klasycznymi. Zapata twierdzi, że ForShor posłuży jako poligon doświadczalny dla metod weryfikacji stosowanych w tym szerszym procesie.
Dowód właściwości oprogramowania, a nie gotowości sprzętu
Wkład ForShor polega na stworzeniu możliwych do zbadania ram dla oprogramowania i matematyki. Projekt nie dowodzi, że dzisiejsze procesory kwantowe potrafią rozkładać na czynniki liczby o znaczeniu kryptograficznym ani że można dzięki niemu wyeliminować wymagania inżynieryjne związane z obliczeniami odpornymi na błędy.
Fizyczne współczynniki błędów, korekcja błędów, łączność sprzętowa i czas wykonania pozostają odrębnymi kwestiami. Podobnie dowód zweryfikowany maszynowo potwierdza określony wynik matematyczny, ale aby był on zrozumiały dla badaczy, nadal potrzebne są jasne definicje, dokumentacja i weryfikacja.
Szersza idea badawcza zakłada, że AI będzie intensywnie eksplorować różne projekty, a jej propozycje będą musiały przejść jawne i powtarzalne kontrole. ForShor zapewnia tej koncepcji konkretny punkt wyjścia: zdefiniowane zadanie kwantowe, otwartą implementację oraz społeczność, która może analizować zarówno proponowane projekty, jak i stojące za nimi rozumowanie.












