Kuantum Bilişim
Zapata ve UMD, doğrulanmış yapay zekâ destekli kuantum araştırmaları için ForShor’u başlatıyor

Öne çıkan noktalarForShor, yapay zekâ tarafından önerilen devre tasarımlarının liderlik tablosunda kredi…
Daha fazla göster
- ForShor, yapay zekâ tarafından önerilen devre tasarımlarının liderlik tablosunda kredi kazanmadan önce resmi Lean kanıtlarını geçmesini gerektiriyor.
- Yarışma, donanımın büyük sayıları çarpanlara ayırabildiğini kanıtlamak yerine Shor algoritması için devre optimizasyonunu hedefliyor.
- Zapata, ForShor'u Quantum Pilot platformundaki doğrulama yöntemleri için bir deneme alanı olarak kullanacak.
Zapata Quantum ve University of Maryland, Shor algoritmasının biçimsel olarak doğrulanmış bir uygulamasını temel alan, yapay zekâ destekli kuantum araştırmalarına yönelik açık bir meydan okuma olan ForShor.ai’ı tanıttı. Katılımcılar, iyileştirme önerileri geliştirmek için yapay zekâdan yararlanabilir, çözümlerini bir sıralama tablosuna gönderebilir ve matematiği makine tarafından denetlenmiş kanıtlarla ilişkilendiren dokümantasyonu inceleyebilir.
Bu girişim, yapay zekâ odaklı bilimde giderek büyüyen bir sorunu hedef alıyor: Makul görünen bir algoritma ya da açıklama üretmek, bunun doğruluğunu ortaya koymaktan daha kolay. ForShor, daha iyi tasarımlar arayışını açık matematiksel kısıtları olan bir çerçeveye yerleştirirken araştırmacıların sonuçları anlamak için sürece katılmasını da sağlıyor.
18 Kasım’da duyurulan proje, Zapata’nın UMD ile iş birliğini genişletiyor ve şirketin Quantum Pilot yazılım platformuyla ilgili doğrulama tekniklerini sınamayı amaçlıyor.
Shor Algoritması Neden Başlangıç Noktası?
Shor algoritması en çok kriptografi açısından taşıdığı sonuçlarla bilinir. Algoritmanın kuantum bileşeni, modüler aritmetikte mertebe adı verilen tekrarlayan bir yapıyı bulabilir. Ardından klasik matematiksel adımlar, büyük bir tam sayının çarpanlarına ayrılmasına yardımcı olmak için bu sonuçtan yararlanabilir.
ForShor, bu hesaplamada kullanılan aritmetik devrelerin tasarımına odaklanıyor. University of Maryland’ın proje açıklaması, hızlı Toom–Cook çarpımını temel yapı taşlarından biri olarak tanımlıyor. Bu yaklaşım, büyük bir çarpma problemini daha küçük parçalara ayırarak aritmetiğin nasıl düzenleneceğine ilişkin farklı seçenekler ortaya çıkarıyor.
Bu seçenekler, bir devrenin ihtiyaç duyduğu kapı ve çalışma kübiti sayısını etkiliyor. Kapı, kuantum devresindeki bir işlemdir; mantıksal kübit ise algoritma düzeyindeki bir kuantum bilgi birimidir. Bu gereksinimlerden herhangi birini azaltmak, tasarımın başarı şansını artırabilir; ancak tasarımı fiziksel donanıma aktarmak ek maliyetler doğurur.
Meydan okuma, bir yapay zekâ sisteminden kısıtlamalar olmaksızın bütünüyle yeni bir kuantum algoritması icat etmesini istemek yerine, araştırmacılara denetlenebilir koşulları olan belirli bir optimizasyon problemi sunuyor.
Doğrulama Çerçevesi Neleri Denetliyor?
Anirudh Suresh, Joshua M. Courtney, Runzhou Tao ve Yudong Cao tarafından 16 Kasım’da sunulan ForShor ön baskısı, politika adı verilen bir tasarım tanımını kabul eden bir düzenek açıklıyor. Bu politika, özyinelemeli bir devre yapımındaki tercihleri belirliyor ve bir araştırmacı ya da yapay zekâ aracısı tarafından oluşturulabiliyor.
Çerçeve, birbiriyle bağlantılı üç iddiayı kapsıyor: uygulamanın matematiksel doğruluğunu, kapı maliyetinin asimptotik büyümesini ve doğrulanmış algoritmanın daha ayrıntılı bir devre gösterimine aktarılmasının doğruluğunu.
Bildirilen kapı maliyetinin ölçeklenmesi O(n2+ε) şeklindedir; burada n girdi boyutunu, ε ise pozitif bir değeri ifade eder. Bu gösterim, problem büyüdükçe maliyetin nasıl arttığını açıklar. Belirli bir 2.048 bitlik örneğin az sayıda ve sabit bir kapı sayısıyla çalıştırılabileceği anlamına gelmez.
Uygulamada Lean 4 ile biçimsel kanıtlar kullanılıyor. Biçimsel doğrulamada araştırmacılar, gerekli davranışı kesin olarak tanımlar ve bir kanıt yardımcısının denetleyebileceği kanıtlar sunar. Bu yöntem, bir programı seçilmiş örnekler üzerinde sınamanın ötesine geçer; ancak güvenceler, kanıtlanan tanımlara ve varsayımlara bağlı kalır.
Yapay Zekâ Tasarımlar Öneriyor, Çerçeve Bunları Denetliyor
Projenin etkileşimli kanıt dokümantasyonu, aritmetik tercihlerin daha geniş mertebe bulma devresine nasıl uyduğunu gösteriyor. Açıklamaları ve şemaları karşılık gelen Lean koduyla ilişkilendirerek okuyucuların argümanı farklı ayrıntı düzeylerinde incelemesine olanak tanıyor.
Tasarım alanının bir bölümü, özyinelemeli çarpma için kullanılan talimat tablolarıyla ilgili. Toplama, kaydırma ve bunlarla ilişkili işlemlerin farklı düzenleniş biçimleri devrenin maliyetini değiştirebilir. Önerilen bir tablonun, ilgili doğruluk güvencelerinden yararlanabilmesi için önce çerçevenin kabul edilebilirlik koşullarını karşılaması gerekir.
İşlerin bu şekilde bölünmesi, yapay zekâ destekli araştırmalar için yararlıdır. Bir aracı, olası düzenlemeleri inceleyebilir ya da optimizasyonlar önerebilir; sonucun geçerli olup olmadığını ise bağımsız olarak denetlenebilen bir sözleşme belirler. Böylece araştırmacılar, başarılı bir adayın puanını tek çıktı olarak görmek yerine, adayın neden işe yaradığını inceleyebilir.
“ForShor, insanları sürece dahil ederek biçimsel doğrulamayı bu sürecin merkezine yerleştiriyor,” dedi algoritmanın yaratıcısı ve Zapata Bilimsel Danışma Kurulu üyesi Peter Shor.
Zapata CTO’su Yudong Cao, girişimi şeffaf bir öğrenme ve araştırma ortamı olarak tanımladı. Herkese açık meydan okuma; bir sıralama tablosu ve topluluk kaynakları içeriyor. Şirket, katkıda bulunanların daha sonra yayımlanacak bir araştırma makalesinin ortak yazarı olabileceğini belirtiyor.
ForShor, Quantum Pilot ile Nasıl Bağlantı Kuruyor?
ForShor, kuantum uygulama geliştirmeyi daha sistematik hâle getirmeye yönelik daha geniş kapsamlı çalışmaların parçası olan, odaklı bir araştırma meydan okumasıdır. Zapata’nın Quantum Pilot platformu, bir bilgi katmanını, hesaplama araçlarını ve doğrulama iş akışlarını bir araya getiriyor.
Quantum Graph; uygulamaları, algoritmaları, araştırmaları ve donanım yol haritalarını birbirine bağlar. Quantum Engine; algoritma seçimi, kaynak tahmini, deney tasarımı ve kıyaslama gibi işleri yürütür. Quantum Assurance ise sonuçlar bir karara temel olmadan önce biçimsel yöntemleri uzman incelemesiyle bir araya getirir.
Kaynak tahmini, bir algoritmanın çalıştırılabilmesi için gerçekte neye ihtiyaç duyacağını belirlemeye yarar. Matematiksel açıdan geçerli bir tasarım, mevcut bir makinenin sağlayabileceğinden daha fazla kübit veya daha uzun çalışma süresi gerektirebilir. Bu analizi doğrulanmış uygulamayla bağlantılı tutmak, araştırmacıların bir devrenin doğruluğunu kanıtlarken başka bir devrenin maliyetini tahmin etmesinin önüne geçer.
Unite.ai’nin önceki Quantum Pilot makalesinde ele alındığı üzere, platform olası kullanım alanlarını teknik uygulanabilirlik ve klasik hesaplamayla karşılaştırmalarla ilişkilendirmeyi amaçlıyor. Zapata, ForShor’un bu daha kapsamlı süreçte kullanılan doğrulama yöntemleri için bir deneme alanı işlevi göreceğini söylüyor.
Donanımın Hazır Olduğunun Değil, Yazılım Özelliklerinin Kanıtı
ForShor’un katkısı, incelenebilir bir yazılım ve matematik çerçevesi sunmasıdır. Proje, günümüzün kuantum işlemcilerinin kriptografik açıdan önemli büyüklükteki sayıları çarpanlarına ayırabildiğini veya hataya dayanıklı hesaplamanın mühendislik gereksinimlerini ortadan kaldırdığını göstermiyor.
Fiziksel hata oranları, hata düzeltme, donanım bağlantısı ve yürütme süresi ayrı değerlendirilmesi gereken unsurlar olmaya devam ediyor. Benzer şekilde, makine tarafından denetlenen bir kanıt, belirtilen matematiksel sonucu ortaya koyar; ancak bu sonucu araştırmacıların anlayabilmesi için tanımların, belgelerin ve incelemenin açık olması gerekir.
Daha kapsamlı araştırma fikri, yapay zekânın tasarımları özgürce keşfetmesine olanak tanırken önerilerinin açık ve tekrarlanabilir denetimlerden geçmesini zorunlu kılmaktır. ForShor bu yaklaşıma somut bir başlangıç noktası sunuyor: tanımlanmış bir kuantum görevi, açık bir uygulama ve hem aday tasarımları hem de bunların ardındaki akıl yürütmeyi inceleyebilecek bir topluluk.












