به گفته پژوهشی با حمایت QuEra، مدارهای طراحی‌شده با هوش مصنوعی برآورد منابع برای اجزای پایه کوانتومی را کاهش می‌دهند
پیش‌چاپی از پژوهشگران Harvard، Anthropic و QuEra گزارش می‌دهد که مدارهایی که با جست‌وجوی هدایت‌شده توسط یک مدل زبانی بزرگ یافت شدند، در هفت مورد از هشت زیرروال، گیت‌های Toffoli و کیوبیت‌های کمتری مصرف کردند.
این صفحه از انگلیسی ترجمه شده است. نام شرکت‌ها، محصولات و پیوندهای منابع بدون تغییر باقی مانده‌اند. خواندن نسخه اصلی انگلیسی
QuEra Computing در 10 نوامبر پیش‌چاپی را برجسته کرد که با Harvard University و Anthropic تهیه شده و گزارش می‌دهد یک مدل زبانی بزرگ، با هدایت یک بررسی‌کننده خودکار، مدارهای کوانتومی‌ای یافته است که به منابع کمتری نسبت به طراحی‌های استاندارد نیاز دارند. عنوان این پیش‌چاپ «Discovering state-of-the-art quantum circuits with large language models» (arXiv:2610.22367) است.
این پژوهش چه کرد
بر اساس بیانیه QuEra، تیم مدل Claude متعلق به Anthropic را با یک ارزیاب مستقل همراه کرد که هر مدار پیشنهادی را راستی‌آزمایی و بر اساس دو عدد امتیازدهی می‌کرد: تعداد گیت‌های Toffoli و تعداد کیوبیت‌ها. مدل از این بازخورد برای بهبود طراحی‌هایش استفاده کرد. این پژوهش هشت جزء سازنده را بررسی کرد که درون الگوریتم‌های کوانتومی بزرگ‌تر به کار می‌روند. در هفت مورد، مدارهای طراحی‌شده با هوش مصنوعی هم تعداد گیت‌ها و هم نیاز به کیوبیت را نسبت به طراحی‌های مرجع کاهش دادند؛ در مورد هشتم، جست‌وجو موازنه جدیدی میان این دو یافت.
بیانیه می‌گوید این کار را Andi Gu در چارچوب STEM Fellows Program شرکت Anthropic رهبری کرده است، با مشارکت Alek Kemeny از Anthropic، Susanne Yelin از Harvard و Mikhail Lukin از Harvard و QuEra.
ارقام اعلام‌شده
بیانیه QuEra سه نمونه می‌آورد. برای یک رمزگشای Reed-Solomon که در decoded quantum interferometry به کار می‌رود، گیت‌های Toffoli از 5.1 میلیون به حدود 440,000 کاهش یافت و کیوبیت‌ها نیز کمتر شدند. برای پتانسیل Coulomb که در شبیه‌سازی مولکولی به کار می‌رود، گیت‌های Toffoli از 6,355 به 1,140 و کیوبیت‌ها از 252 به 142 کاهش یافتند. برای یک تابع Gaussian با ممیز ثابت، گیت‌های Toffoli از حدود 24,000 به 1,583 و کیوبیت‌ها از 362 به 139 کاهش یافتند، یعنی کاهشی 39 برابری در شاخص ترکیبی.
قیدهای مهم
خود بیانیه یادآوری می‌کند که شاخص ترکیبی، تعداد گیت‌های Toffoli را در حداکثر کیوبیت‌های منطقی ضرب می‌کند؛ بنابراین بهبود 39 برابری به معنای تسریع 39 برابری نیست. نتایج، برآورد منابع برای اجزای منفرد هستند، نه اجرا روی سخت‌افزار کوانتومی، و تأثیر آن‌ها بر کاربردهای کامل به نحوه استفاده از این اجزا بستگی دارد. این مقاله یک پیش‌چاپ است و هنوز داوری همتا نشده است.
منابع
اطلاعات این صفحه از منابع زیر گرفته شده و توسط DesignQuantum™ گردآوری شده است.