วงจรที่ออกแบบโดย AI ลดค่าประมาณทรัพยากรของส่วนประกอบควอนตัมสำคัญ ตามผลการศึกษาที่ QuEra สนับสนุน
พรีปรินต์จากนักวิจัย Harvard, Anthropic และ QuEra รายงานว่าวงจรที่พบด้วยการค้นหาที่ขับเคลื่อนโดย LLM ใช้เกต Toffoli และคิวบิตน้อยลงในซับรูทีนเจ็ดจากแปดรายการ
หน้านี้แปลจากภาษาอังกฤษ โดยชื่อบริษัท ชื่อผลิตภัณฑ์ และลิงก์แหล่งข้อมูลยังคงเดิม อ่านต้นฉบับภาษาอังกฤษ
QuEra Computing เมื่อวันที่ 10 พฤศจิกายน ได้เน้นพรีปรินต์งานวิจัยร่วมกับ Harvard University และ Anthropic ซึ่งรายงานว่าแบบจำลองภาษาขนาดใหญ่ที่มีตัวตรวจสอบอัตโนมัติคอยนำทาง ได้ค้นพบวงจรควอนตัมที่ใช้ทรัพยากรน้อยกว่าการออกแบบมาตรฐาน พรีปรินต์มีชื่อว่า “Discovering state-of-the-art quantum circuits with large language models” (arXiv:2610.22367)
สิ่งที่การศึกษาทำ
ตามข่าวประชาสัมพันธ์ของ QuEra ทีมได้จับคู่ Claude ของ Anthropic กับตัวประเมินอิสระที่ตรวจสอบวงจรที่เสนอแต่ละวงจรและให้คะแนนด้วยตัวเลขสองตัว: จำนวนเกต Toffoli และจำนวนคิวบิต แบบจำลองใช้ผลตอบกลับนั้นปรับปรุงการออกแบบ การศึกษาพิจารณาส่วนประกอบแปดรายการที่ใช้ภายในอัลกอริทึมควอนตัมขนาดใหญ่ ในเจ็ดรายการ วงจรที่ออกแบบโดย AI ลดทั้งจำนวนเกตและความต้องการคิวบิตเมื่อเทียบกับการออกแบบอ้างอิง ส่วนรายการที่แปด การค้นหาพบจุดสมดุลใหม่ระหว่างทั้งสองอย่าง
ข่าวประชาสัมพันธ์ระบุว่างานนี้นำโดย Andi Gu ในฐานะส่วนหนึ่งของ STEM Fellows Program ของ Anthropic ร่วมกับ Alek Kemeny จาก Anthropic, Susanne Yelin จาก Harvard และ Mikhail Lukin จาก Harvard และ QuEra
ตัวเลขที่รายงาน
ข่าวประชาสัมพันธ์ของ QuEra ยกตัวอย่างสามกรณี สำหรับตัวถอดรหัส Reed-Solomon ที่ใช้ใน decoded quantum interferometry เกต Toffoli ลดจาก 5.1 ล้านเหลือประมาณ 440,000 โดยใช้คิวบิตน้อยลง สำหรับศักย์ Coulomb ที่ใช้ในการจำลองโมเลกุล เกต Toffoli ลดจาก 6,355 เหลือ 1,140 และคิวบิตจาก 252 เหลือ 142 สำหรับฟังก์ชัน Gaussian แบบจุดตรึง เกต Toffoli ลดจากประมาณ 24,000 เหลือ 1,583 และคิวบิตจาก 362 เหลือ 139 ซึ่งลดลง 39 เท่าในตัวชี้วัดรวม
ข้อควรระวังที่สำคัญ
ข่าวประชาสัมพันธ์เองเน้นว่าตัวชี้วัดรวมคูณจำนวน Toffoli ด้วยจำนวนลอจิคัลคิวบิตสูงสุด ดังนั้นการปรับปรุง 39 เท่าจึงไม่ใช่การเร่งความเร็ว 39 เท่า ผลลัพธ์เป็นค่าประมาณทรัพยากรของส่วนประกอบแต่ละชิ้น ไม่ใช่การรันบนฮาร์ดแวร์ควอนตัม และผลต่อแอปพลิเคชันที่สมบูรณ์ขึ้นอยู่กับวิธีใช้ส่วนประกอบเหล่านั้น บทความเป็นพรีปรินต์และยังไม่ผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิ
แหล่งข้อมูล
ข้อเท็จจริงในหน้านี้มาจากแหล่งข้อมูลด้านล่าง ซึ่ง DesignQuantum™ ได้รวบรวมไว้