คอมพิวติ้งควอนตัม
Zapata และ UMD เปิดตัว ForShor เพื่อการวิจัยควอนตัมโดยใช้ AI ที่ผ่านการตรวจสอบยืนยัน

ประเด็นสำคัญForShor กำหนดให้การออกแบบวงจรที่เสนอโดย AI ต้องผ่านการพิสูจน์เชิงรูปแบบใน Lean…
ดูเพิ่มเติม
- ForShor กำหนดให้การออกแบบวงจรที่เสนอโดย AI ต้องผ่านการพิสูจน์เชิงรูปแบบใน Lean ก่อนที่จะได้รับเครดิตบนกระดานผู้นำ
- ความท้าทายนี้มุ่งเน้นไปที่การปรับปรุงวงจรให้เหมาะสมที่สุดสำหรับอัลกอริทึมของ Shor แทนที่จะพิสูจน์ว่าฮาร์ดแวร์สามารถแยกตัวประกอบจำนวนมากได้
- Zapata จะใช้ ForShor เป็นพื้นที่ทดสอบสำหรับวิธีการตรวจสอบยืนยันในแพลตฟอร์ม Quantum Pilot ของบริษัท
Zapata Quantum และมหาวิทยาลัยแมริแลนด์เปิดตัว ForShor.ai โจทย์ท้าทายแบบเปิดสำหรับการวิจัยควอนตัมโดยใช้ AI ซึ่งพัฒนาขึ้นบนพื้นฐานการนำอัลกอริทึมของ Shor มาใช้ที่ผ่านการตรวจสอบยืนยันอย่างเป็นทางการ ผู้เข้าร่วมสามารถใช้ AI เสนอการปรับปรุง ส่งผลงานเพื่อจัดอันดับบนกระดานคะแนน และศึกษาคลังเอกสารที่เชื่อมโยงคณิตศาสตร์เข้ากับบทพิสูจน์ที่ตรวจสอบด้วยเครื่องได้
โครงการนี้มุ่งรับมือกับปัญหาที่ทวีความสำคัญขึ้นในวิทยาศาสตร์ที่ขับเคลื่อนด้วย AI นั่นคือ การสร้างอัลกอริทึมหรือคำอธิบายที่ฟังดูเป็นไปได้นั้นง่ายกว่าการพิสูจน์ว่าสิ่งเหล่านั้นถูกต้อง ForShor กำหนดให้การค้นหาแบบออกแบบที่ดีกว่าอยู่ภายใต้กรอบซึ่งมีข้อจำกัดทางคณิตศาสตร์ที่ระบุไว้อย่างชัดเจน ขณะเดียวกันก็ยังให้นักวิจัยมีส่วนร่วมในการทำความเข้าใจผลลัพธ์
โครงการนี้ประกาศเมื่อวันที่ 18 พฤศจิกายน ต่อยอดความร่วมมือระหว่าง Zapata กับ UMD และมีจุดมุ่งหมายเพื่อทดสอบเทคนิคการตรวจสอบยืนยันที่เกี่ยวข้องกับแพลตฟอร์มซอฟต์แวร์ Quantum Pilot ของบริษัท
เหตุใดอัลกอริทึมของ Shor จึงเป็นจุดเริ่มต้น
อัลกอริทึมของ Shor เป็นที่รู้จักมากที่สุดจากผลกระทบที่อาจมีต่อการเข้ารหัส ส่วนประกอบควอนตัมของอัลกอริทึมนี้สามารถค้นหาโครงสร้างที่เกิดซ้ำ ซึ่งเรียกว่าอันดับ ในเลขคณิตมอดุลาร์ จากนั้นจึงนำผลลัพธ์ดังกล่าวไปใช้ร่วมกับขั้นตอนทางคณิตศาสตร์แบบดั้งเดิม เพื่อช่วยแยกตัวประกอบจำนวนเต็มขนาดใหญ่
ForShor มุ่งเน้นการออกแบบวงจรเลขคณิตที่ใช้ในการคำนวณดังกล่าว คำอธิบายโครงการของมหาวิทยาลัยแมริแลนด์ ระบุว่าการคูณแบบ Toom–Cook ที่รวดเร็วเป็นองค์ประกอบพื้นฐานสำคัญ แนวทางนี้แบ่งโจทย์การคูณขนาดใหญ่ออกเป็นส่วนย่อย ทำให้มีทางเลือกในการจัดระเบียบการคำนวณเลขคณิต
ทางเลือกเหล่านั้นส่งผลต่อจำนวนเกตและคิวบิตทำงานที่วงจรต้องใช้ เกตคือการดำเนินการหนึ่งอย่างในวงจรควอนตัม ส่วนคิวบิตเชิงตรรกะคือหน่วยของข้อมูลควอนตัมในระดับอัลกอริทึม การลดความต้องการด้านใดด้านหนึ่งอาจเพิ่มโอกาสที่การออกแบบจะประสบผลสำเร็จ แม้การนำไปใช้กับฮาร์ดแวร์จริงจะมีต้นทุนเพิ่มเติมก็ตาม
โจทย์ท้าทายนี้มอบปัญหาการหาค่าที่เหมาะสมที่สุดอย่างเฉพาะเจาะจง พร้อมเงื่อนไขที่ตรวจสอบได้ แทนที่จะขอให้ระบบ AI คิดค้นอัลกอริทึมควอนตัมใหม่ทั้งหมดโดยไม่มีข้อจำกัด
กรอบการตรวจสอบยืนยันครอบคลุมอะไรบ้าง
เอกสารฉบับก่อนตีพิมพ์ของ ForShor ซึ่ง Anirudh Suresh, Joshua M. Courtney, Runzhou Tao และ Yudong Cao ส่งเมื่อวันที่ 16 พฤศจิกายน อธิบายชุดเครื่องมือที่รับข้อกำหนดการออกแบบซึ่งเรียกว่า “นโยบาย” นโยบายดังกล่าวกำหนดทางเลือกในกระบวนการสร้างวงจรแบบเวียนเกิด และอาจมาจากนักวิจัยที่เป็นมนุษย์หรือเอเจนต์ AI
กรอบนี้ครอบคลุมข้อกล่าวอ้างที่เชื่อมโยงกันสามประการ ได้แก่ ความถูกต้องทางคณิตศาสตร์ของการนำไปใช้ การเติบโตเชิงเส้นกำกับของต้นทุนด้านเกต และความถูกต้องของการแปลงอัลกอริทึมที่ผ่านการตรวจสอบยืนยันแล้วให้เป็นการนำเสนอวงจรที่มีรายละเอียดมากขึ้น
มีรายงานว่าต้นทุนด้านเกตมีอัตราการเติบโต O(n2+ε) โดย n แทนขนาดอินพุต และ ε เป็นจำนวนบวก นิพจน์นี้แสดงให้เห็นว่าต้นทุนเพิ่มขึ้นอย่างไรเมื่อปัญหามีขนาดใหญ่ขึ้น ไม่ได้หมายความว่าจะสามารถประมวลผลกรณีขนาด 2,048 บิตได้โดยใช้เกตจำนวนคงที่เพียงเล็กน้อย
การนำไปใช้ใช้ บทพิสูจน์อย่างเป็นทางการด้วย Lean 4 ในการตรวจสอบยืนยันอย่างเป็นทางการ นักวิจัยจะระบุพฤติกรรมที่ต้องการอย่างแม่นยำและจัดทำบทพิสูจน์ที่ระบบช่วยพิสูจน์สามารถตรวจสอบได้ วิธีนี้ก้าวไกลกว่าการทดสอบโปรแกรมด้วยตัวอย่างที่เลือกไว้ แม้ว่าการรับประกันจะยังขึ้นอยู่กับนิยามและสมมติฐานที่นำมาพิสูจน์ก็ตาม
AI เสนอแบบออกแบบ ส่วนกรอบการทำงานตรวจสอบผล
เอกสารประกอบการพิสูจน์แบบโต้ตอบของโครงการแสดงให้เห็นว่าทางเลือกด้านเลขคณิตเชื่อมโยงกับวงจรค้นหาอันดับโดยรวมอย่างไร เอกสารนี้เชื่อมคำอธิบายและแผนภาพเข้ากับโค้ด Lean ที่เกี่ยวข้อง เพื่อให้ผู้อ่านตรวจสอบเหตุผลได้ในรายละเอียดหลายระดับ
ส่วนหนึ่งของขอบเขตการออกแบบเกี่ยวข้องกับตารางคำสั่งสำหรับการคูณแบบเวียนเกิด การจัดเรียงการบวก การเลื่อนบิต และการดำเนินการที่เกี่ยวข้องในรูปแบบต่าง ๆ อาจเปลี่ยนต้นทุนของวงจรได้ ตารางที่เสนอจะต้องเป็นไปตามเงื่อนไขการยอมรับของกรอบการทำงานก่อน จึงจะได้รับการรับประกันความถูกต้องที่เกี่ยวข้อง
การแบ่งงานในลักษณะนี้เป็นประโยชน์ต่อการวิจัยโดยใช้ AI ช่วย เอเจนต์สามารถสำรวจการจัดเรียงที่เป็นไปได้หรือเสนอการปรับให้เหมาะสม ขณะที่สัญญาที่ตรวจสอบได้อย่างเป็นอิสระจะเป็นตัวกำหนดว่าผลลัพธ์นั้นถูกต้องหรือไม่ จากนั้นนักวิจัยก็สามารถศึกษาว่าเหตุใดตัวเลือกที่ประสบความสำเร็จจึงใช้ได้ผล แทนที่จะมองคะแนนเป็นผลลัพธ์เพียงอย่างเดียว
“ForShor นำการตรวจสอบยืนยันอย่างเป็นทางการ ซึ่งมีมนุษย์ร่วมอยู่ในกระบวนการ มาไว้เป็นหัวใจสำคัญของกระบวนการนี้” Peter Shor ผู้สร้างอัลกอริทึมและสมาชิกคณะกรรมการที่ปรึกษาด้านวิทยาศาสตร์ของ Zapata กล่าว
Yudong Cao ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Zapata อธิบายว่าโครงการนี้เป็นสภาพแวดล้อมการเรียนรู้และการวิจัยแบบกล่องโปร่งใส โจทย์ท้าทายสาธารณะนี้มีทั้งกระดานจัดอันดับและแหล่งข้อมูลสำหรับชุมชน โดยบริษัทระบุว่าผู้ร่วมให้ผลงานอาจได้เป็นผู้เขียนร่วมในบทความวิจัยฉบับต่อไป
ForShor เชื่อมโยงกับ Quantum Pilot อย่างไร
ForShor เป็นโจทย์ท้าทายด้านการวิจัยที่มุ่งเน้นเฉพาะเรื่อง ภายใต้ความพยายามในวงกว้างเพื่อพัฒนาการสร้างแอปพลิเคชันควอนตัมให้เป็นระบบมากขึ้น แพลตฟอร์ม Quantum Pilot ของ Zapata ผสานชั้นความรู้ เครื่องมือคำนวณ และขั้นตอนการทำงานสำหรับการตรวจสอบยืนยันเข้าด้วยกัน
Quantum Graph เชื่อมโยงแอปพลิเคชัน อัลกอริทึม งานวิจัย และแผนงานด้านฮาร์ดแวร์เข้าด้วยกัน ส่วน Quantum Engine จัดการงานต่าง ๆ เช่น การเลือกอัลกอริทึม การประเมินทรัพยากร การออกแบบการทดลอง และการวัดประสิทธิภาพ Quantum Assurance ผสานวิธีการเชิงรูปนัยเข้ากับการตรวจทานโดยผู้เชี่ยวชาญ ก่อนนำผลลัพธ์ไปใช้ประกอบการตัดสินใจ
การประเมินทรัพยากรมีเป้าหมายเพื่อพิจารณาว่าอัลกอริทึมจะต้องใช้ทรัพยากรอะไรบ้างในการทำงานจริง แม้การออกแบบจะถูกต้องตามหลักคณิตศาสตร์ ก็ยังอาจต้องใช้คิวบิตหรือเวลาในการประมวลผลมากกว่าที่เครื่องที่มีอยู่จะรองรับได้ การเชื่อมโยงการวิเคราะห์ดังกล่าวเข้ากับการนำไปใช้ที่ผ่านการตรวจสอบแล้ว ช่วยให้นักวิจัยหลีกเลี่ยงการพิสูจน์ว่าวงจรหนึ่งถูกต้อง แต่กลับประเมินต้นทุนของอีกวงจรหนึ่ง
ดังที่กล่าวไว้ในบทความก่อนหน้าของ Unite.ai เกี่ยวกับ Quantum Pilot แพลตฟอร์มนี้มีจุดมุ่งหมายเพื่อเชื่อมโยงกรณีการใช้งานที่เป็นไปได้เข้ากับความเป็นไปได้ทางเทคนิค และเปรียบเทียบกับการประมวลผลแบบคลาสสิก Zapata ระบุว่า ForShor จะเป็นสนามทดสอบวิธีการตรวจสอบที่ใช้ในกระบวนการที่กว้างขึ้นนี้
การพิสูจน์คุณสมบัติของซอฟต์แวร์ ไม่ใช่ความพร้อมของฮาร์ดแวร์
สิ่งที่ ForShor มอบให้คือกรอบการทำงานด้านซอฟต์แวร์และคณิตศาสตร์ที่สามารถตรวจสอบได้ โครงการนี้ไม่ได้แสดงให้เห็นว่าโปรเซสเซอร์ควอนตัมในปัจจุบันสามารถแยกตัวประกอบจำนวนที่มีนัยสำคัญต่อการเข้ารหัสได้ หรือช่วยขจัดข้อกำหนดด้านวิศวกรรมของการประมวลผลแบบทนต่อข้อผิดพลาดได้
อัตราความผิดพลาดทางกายภาพ การแก้ไขข้อผิดพลาด การเชื่อมต่อของฮาร์ดแวร์ และเวลาในการทำงานยังคงเป็นประเด็นที่ต้องพิจารณาแยกกัน ในทำนองเดียวกัน การพิสูจน์ที่ตรวจสอบด้วยเครื่องยืนยันผลลัพธ์ทางคณิตศาสตร์ตามที่ระบุไว้ แต่การทำให้ผลลัพธ์นั้นเข้าใจได้สำหรับนักวิจัยยังต้องอาศัยคำจำกัดความ เอกสารประกอบ และการตรวจทานที่ชัดเจน
แนวคิดการวิจัยในภาพรวมคือ เปิดโอกาสให้ AI สำรวจการออกแบบอย่างเต็มที่ ขณะเดียวกันก็กำหนดให้ข้อเสนอของ AI ผ่านการตรวจสอบที่ชัดเจนและทำซ้ำได้ ForShor มอบจุดเริ่มต้นที่เป็นรูปธรรมให้กับแนวทางนี้ ได้แก่ งานด้านควอนตัมที่กำหนดไว้อย่างชัดเจน การนำไปใช้แบบเปิด และชุมชนที่สามารถตรวจสอบทั้งแบบที่เสนอและเหตุผลเบื้องหลังได้












