KI-entworfene Schaltkreise senken Ressourcenschätzungen für grundlegende Quantenbausteine, so eine von QuEra unterstützte Studie
Ein Preprint von Forschenden von Harvard, Anthropic und QuEra berichtet, dass durch eine von einem großen Sprachmodell gesteuerte Suche gefundene Schaltkreise in sieben von acht Subroutinen weniger Toffoli-Gatter und weniger Qubits benötigten.
Diese Seite wurde aus dem Englischen übersetzt. Unternehmens- und Produktnamen sowie Quellenlinks bleiben unverändert. Original auf Englisch lesen
QuEra Computing hat am 10. November einen mit der Harvard University und Anthropic erstellten Preprint hervorgehoben. Demnach fand ein großes Sprachmodell, gesteuert von einem automatischen Prüfer, Quantenschaltkreise, die weniger Ressourcen benötigen als Standardentwürfe. Der Preprint trägt den Titel „Discovering state-of-the-art quantum circuits with large language models“ (arXiv:2610.22367).
Was die Studie gemacht hat
Laut der Mitteilung von QuEra kombinierte das Team das Modell Claude von Anthropic mit einem unabhängigen Bewerter, der jeden vorgeschlagenen Schaltkreis überprüfte und anhand zweier Zahlen bewertete: der Anzahl der Toffoli-Gatter und der Anzahl der Qubits. Das Modell nutzte dieses Feedback, um seine Entwürfe zu verfeinern. Die Studie befasste sich mit acht Grundbausteinen, die in größeren Quantenalgorithmen verwendet werden. In sieben Fällen senkten die KI-entworfenen Schaltkreise sowohl die Gatterzahl als auch den Qubit-Bedarf gegenüber den Referenzentwürfen; im achten fand die Suche einen neuen Kompromiss zwischen beiden.
Laut der Mitteilung leitete Andi Gu die Arbeit im Rahmen des STEM Fellows Program von Anthropic, gemeinsam mit Alek Kemeny (Anthropic), Susanne Yelin (Harvard) und Mikhail Lukin (Harvard und QuEra).
Die genannten Zahlen
Die Mitteilung von QuEra nennt drei Beispiele. Bei einem Reed-Solomon-Decoder, der in der decoded quantum interferometry eingesetzt wird, sanken die Toffoli-Gatter von 5,1 Millionen auf etwa 440.000, bei weniger Qubits. Bei einem Coulomb-Potenzial für die Molekülsimulation sanken die Toffoli-Gatter von 6.355 auf 1.140 und die Qubits von 252 auf 142. Bei einer Gauß-Funktion in Festkommadarstellung sanken die Toffoli-Gatter von etwa 24.000 auf 1.583 und die Qubits von 362 auf 139, eine 39-fache Verringerung in der kombinierten Kennzahl.
Wichtige Einschränkungen
Die Mitteilung selbst weist darauf hin, dass die kombinierte Kennzahl die Zahl der Toffoli-Gatter mit der maximalen Zahl logischer Qubits multipliziert; eine 39-fache Verbesserung ist daher keine 39-fache Beschleunigung. Die Ergebnisse sind Ressourcenschätzungen für einzelne Bausteine, keine Läufe auf Quantenhardware, und ihre Wirkung auf vollständige Anwendungen hängt davon ab, wie diese Bausteine eingesetzt werden. Der Artikel ist ein Preprint und wurde noch nicht begutachtet.
Quellen
Die Informationen auf dieser Seite stammen aus den unten aufgeführten Quellen und wurden von DesignQuantum™ abgerufen.