Google研究人员利用AI和数学证明降低量子计算需求

内部简报

• Google 研究人员利用 AI 代理和计算机验证的数学证明来设计量子程序，从而减少科学计算所需的计算资源。
• 该团队将聚变模拟的量子位与门组合需求降低了约 11 倍，光化学降低了 8 倍，药物代谢模型降低了 2.5 倍。
• 这些科学程序的计算需求仍然超出了早期容错量子计算机的预期能力，需要进一步降低计算需求。

量子计算有朝一日可能帮助人工智能处理更复杂的计算。现在，Google 研究人员展示了 AI 如何通过使用代理团队来设计需要更少计算资源的量子程序，从而反哺量子计算。

在一项研究中，Google 研究人员利用人工智能和计算机验证的数学证明设计了计算资源需求大幅减少的量子程序，这有可能使要求严苛的化学和聚变计算更接近实际应用。

由 Google DeepMind 和 Google Quantum AI 研究人员领导的团队报告称，聚变相关模拟的资源成本降低了约 11 倍，光化学计算降低了 8 倍，药物代谢相关模型降低了 2.5 倍。这虽不代表立即让量子计算机变得实用，但使它们向解决目前无法企及的科学问题迈进了一步。

这项发表在 预印本服务器 arXiv 上的研究 描述了一个系统，在该系统中，AI 代理提出程序并证明它们能在规定的资源预算内执行特定的计算。

该方法解决了量子算法开发面临的一个难题。研究人员希望设计出传统计算机无法模拟的超大规模计算，而运行这些计算所需的量子机器仍在开发中。数学证明提供了一种在合适的硬件出现之前检查这些程序的方法。

研究显示，AI 代理团队改进了五类量子程序，涵盖从基础算术和搜索程序到涉及数百或数千个量子位（qubits）的科学模拟。

对于算术和科学计算，研究人员通过逻辑量子位数量乘以 T 门数量来衡量成本，T 门是在纠错量子计算机上执行成本很高的操作。逻辑量子位使用纠错技术存储信息，以保护其不受底层硬件故障的影响。

该指标兼顾了程序所需的量子位数量和必须执行的计算步数。报告的节省额反映了该综合指标的改进。

研究人员表示，算法改进需要与硬件进步同步进行。论文指出，许多拟议的科学应用需要数十亿到数千万亿次逻辑操作，而早期容错处理器预计仅能支持约一百万次操作。

证明引导搜索

该团队在 Lean（一个检查数学证明的系统）中构建了一个量子编程库。研究人员利用它来指定每个程序必须完成的任务、答案的精确度以及资源消耗的计算方式。

随后，AI 代理搜索符合这些要求的程序。每个提出的解决方案都必须包含正确性和成本的证明。当证明失败时，代理可以利用产生的错误信息来修改其工作。

研究人员表示，这扩大了 AI 可以辅助开发的程序范围。通过传统模拟测试候选程序会将搜索范围限制在经典计算机可以处理的计算内。而证明可以确立程序满足其要求，无需在模拟中重现其完整的量子行为。

一个独立的检查系统确认了每个提出的解决方案都符合研究人员的原始要求。该检查旨在防止代理通过更改任务、削弱定理或引入无支持的假设来获得表面的改进。