✉ Newsletter
🌐 Italiano
Ricerca3 min di lettura

Circuiti progettati dall’IA riducono le stime di risorse per componenti quantistici di base, secondo uno studio sostenuto da QuEra

Un preprint di ricercatori di Harvard, Anthropic e QuEra riporta che circuiti trovati con una ricerca guidata da un modello linguistico di grandi dimensioni hanno usato meno porte Toffoli e meno qubit in sette sottoroutine su otto.

Questa pagina è stata tradotta dall'inglese. I nomi di aziende e prodotti e i link alle fonti restano invariati. Leggi l'originale in inglese

QuEra Computing ha messo in evidenza il 10 novembre un preprint realizzato con Harvard University e Anthropic, secondo cui un modello linguistico di grandi dimensioni, guidato da un verificatore automatico, ha trovato circuiti quantistici che richiedono meno risorse rispetto ai progetti standard. Il preprint si intitola «Discovering state-of-the-art quantum circuits with large language models» (arXiv:2610.22367).

Cosa ha fatto lo studio

Secondo il comunicato di QuEra, il team ha abbinato il modello Claude di Anthropic a un valutatore indipendente che verificava ogni circuito proposto e gli assegnava un punteggio in base a due numeri: il numero di porte Toffoli e il numero di qubit. Il modello ha usato questo riscontro per perfezionare i propri progetti. Lo studio ha affrontato otto blocchi di base utilizzati all’interno di algoritmi quantistici più ampi. In sette casi, i circuiti progettati dall’IA hanno ridotto sia il numero di porte sia il fabbisogno di qubit rispetto ai progetti di riferimento; nell’ottavo, la ricerca ha trovato un nuovo compromesso tra i due.

Il comunicato indica che il lavoro è stato guidato da Andi Gu nell’ambito dello STEM Fellows Program di Anthropic, con Alek Kemeny (Anthropic), Susanne Yelin (Harvard) e Mikhail Lukin (Harvard e QuEra).

I numeri comunicati

Il comunicato di QuEra fornisce tre esempi. Per un decodificatore Reed-Solomon usato nella decoded quantum interferometry, le porte Toffoli sono scese da 5,1 milioni a circa 440.000, con meno qubit. Per un potenziale di Coulomb usato nella simulazione molecolare, le porte Toffoli sono scese da 6.355 a 1.140 e i qubit da 252 a 142. Per una funzione gaussiana a virgola fissa, le porte Toffoli sono scese da circa 24.000 a 1.583 e i qubit da 362 a 139, una riduzione di 39 volte nella metrica combinata.

Avvertenze importanti

Lo stesso comunicato osserva che la metrica combinata moltiplica il numero di porte Toffoli per il numero massimo di qubit logici, quindi un miglioramento di 39 volte non equivale a un’accelerazione di 39 volte. I risultati sono stime di risorse per singoli componenti, non esecuzioni su hardware quantistico, e il loro effetto sulle applicazioni complete dipende da come tali componenti vengono usati. L’articolo è un preprint e non è ancora stato sottoposto a revisione paritaria.

Fonti

I fatti riportati in questa pagina provengono dalle fonti sotto indicate, raccolte da DesignQuantum™.

  1. Harvard, Anthropic, and QuEra research shows AI can reduce the resources quantum applications need (QuEra press release) quera.com