Google startet Kaggle-Wettbewerb über 150.000 $ zur KI-gestützten Komprimierung von Quantenschaltungen

Google Quantum AI hat einen Kaggle-Wettbewerb mit einem Gesamtpreisgeld von 150.000 $ gestartet, der KI nutzen soll, um die für praktische Anwendungen benötigten Quantenschaltungen zu verkleinern. Laut Googles Ankündigung konzentriert sich der Wettbewerb darauf, die Zahl der Qubits und Gatter in Benchmark-Schaltungen für Fusionsenergie, kombinatorische Optimierung und Chemie zu reduzieren und dabei weiterhin die Verifikationsschwellen für die Genauigkeit einzuhalten.

Was angekündigt wurde

Der Wettbewerb fordert die Teilnehmer auf, verbesserte Versionen von Referenzschaltungen und eigenständigen Verifiern einzureichen, die unter der Apache-2.0-Lizenz veröffentlicht wurden. Die Bewertung basiert auf der Reduktion des Ressourcenbedarfs: Die Teilnehmer müssen den Verifier für eine bestimmte Aufgabe bestehen und zugleich eine Kostenmetrik senken, die aus der Anzahl von Gattern und Qubits abgeleitet wird.

Google erklärte, die Initiative ziele auf eine zentrale Einschränkung des fehlertoleranten Quantencomputings. Selbst wenn sich die Hardware weiter verbessert, bleiben viele nützliche Algorithmen zu ressourcenintensiv. Eine kleinere Schaltung senkt nicht nur die direkten algorithmischen Kosten, sondern auch den Mehraufwand für die Quantenfehlerkorrektur.

Den DesignQuantum-Newsletter abonnieren

Kostenlose Nachrichten und Erklärstücke zum Quantencomputing, jede Aussage mit Quelle verlinkt. Täglich, wöchentlich oder monatlich, ganz nach Wahl.

Website

E-Mail-Adresse HäufigkeitTäglichWöchentlichMonatlich SpracheEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית Kostenlos abonnieren

Kostenlos. Jederzeit mit einem Klick abbestellbar. Datenschutzerklärung

Die Preisstruktur umfasst 50.000 $ für den ersten Platz, 25.000 $ für den zweiten, 10.000 $ für den dritten sowie drei Auszeichnungen über jeweils 5.000 $ für die Plätze vier bis sechs. Google hat außerdem 50.000 $ für zusätzliche Preise vorgesehen, darunter einen Zwischenpreis über 10.000 $ während des Wettbewerbs und einen „Longest Leader Prize“ über 10.000 $. Der Zwischenpreis richtet sich nach dem höchsten öffentlichen Bestenlistenwert um 23:59 UTC am 20. November, und die Auszeichnung für die längste Führung läuft bis zum 4. Januar 2027.

Die technischen Details

Der Wettbewerb basiert auf kickmix, einer Open-Source-Bibliothek für C++20 und Python innerhalb von Googles Qualtran-Projekt. Das GitHub-Repository von Qualtran beschreibt es als eine Python-Bibliothek zum Ausdrücken und Analysieren fehlertoleranter Quantenalgorithmen.

Googles Begleitpapier auf arXiv beschreibt den Ansatz so, dass klassisch verifizierbare Strukturen genutzt werden, um KI-gestützte Kompilierung zu unterstützen. arXiv zeigt, dass es am 16. Oktober eingereicht und am 21. Oktober überarbeitet wurde.

Kickmix-Schaltungen bestehen aus reversibler klassischer Logik, Phasenoperationen und messungsbasierter Rückberechnung. Laut Google ermöglicht diese Struktur einem klassischen Computer, Kandidatenschaltungen mithilfe randomisierter Fuzz-Tests effizient zu prüfen, statt einen allgemeinen Quantenzustand vollständig zu simulieren. Das Unternehmen sagt, dadurch lasse sich mit hoher Sicherheit eine angenäherte Korrektheit feststellen, auch wenn keine exakte Äquivalenz bewiesen werde.

Google erklärt außerdem, dass kickmix Schaltungen mit 60 Milliarden Gattern pro Sekunde auf einem einzelnen CPU-Kern testen kann. Diese Zahl bezieht sich auf die konventionelle Verifikationsgeschwindigkeit, nicht auf die Ausführung auf Quantenhardware.

Drei Benchmark-Probleme

Der Wettbewerb konzentriert sich auf drei Engpässe in größeren Quantenalgorithmen.

Für Fusionsenergie besteht die Aufgabe darin, eine Phase proportional zu 1/√x aus einer Eingabe des quadrierten Abstands zu implementieren, ein Teilverfahren im Zusammenhang mit Simulationen von Coulomb-Operatoren, das für die Auslegung von Targets für die Trägheitsfusion relevant ist.

Für die Optimierung ist der Benchmark ein Reed-Solomon-Dekoder in Superposition, den Google als den wichtigsten arithmetischen Engpass im Algorithmus Decoded Quantum Interferometry für das Problem Optimal Polynomial Intersection bezeichnet.

Für die Chemie sollen die Teilnehmer eine genaue Faktorisierung und kompakte Ladeschaltungen für Parameter in einem FeMoCo-bezogenen Simulations-Workflow gemeinsam entwerfen. Google sagt, dieser Benchmark stehe im Zusammenhang mit einem jüngeren Algorithmus zur Modellierung des Eisen-Molybdän-Clusters, der an der Stickstofffixierung beteiligt ist.

Warum das wichtig ist

Dies ist ein softwareseitiger Versuch, die Hardware-Schwelle für nützliche Quantenanwendungen zu senken. Statt nur auf größere Prozessoren zu warten, versucht Google, die Schaltungskomprimierung für Teilverfahren zu automatisieren, die die Ressourcenschätzungen für fehlertolerante Systeme dominieren.

Google erklärte, interne Experimente mit seinen Gemini-Modellen hätten bereits bei allen drei Benchmarks Verbesserungen gegenüber den bislang berichteten Schaltungen gefunden. Das Unternehmen veröffentlichte die Hashes dieser internen Schaltungen in seinem Manuskript und erklärte, es plane, sie nach dem Wettbewerb offenzulegen.

Worauf zu achten ist

Die entscheidende Frage ist, ob externe Teams tatsächlich deutlich kleinere Schaltungen erzeugen können und dabei innerhalb der Verifikationsgrenzen bleiben. Ebenso wichtig wird sein, ob sich Googles kickmix-Framework als breit genug erweist, um auch andere teure Teilverfahren in fehlertoleranten Algorithmen abzudecken, über die drei für diesen Wettbewerb ausgewählten Benchmarks hinaus.