Quantencomputer versprechen, Probleme zu lösen, die für heutige Maschinen unmöglich sind, von der Entwicklung neuer Materialien bis hin zur Modellierung komplexer chemischer Reaktionen. Um dies zu erreichen, müssen sie Algorithmen ausführen, die Informationen auf eine Weise manipulieren, die der alltäglichen Intuition widerspricht. Die Umwandlung eines theoretischen Algorithmus in ein funktionierendes Programm für eine Quantenmaschine ist jedoch eine unglaublich schwierige ingenieurtechnische Aufgabe. Es erfordert das Zerlegen einer komplexen Berechnung in eine lange Sequenz einfacher Anweisungen, ganz ähnlich wie die Übersetzung eines Romans in eine Reihe winziger, präziser Schritte. Die Herausforderung besteht darin, dass die Anzahl der möglichen Möglichkeiten, diese Schritte anzuordnen, so gewaltig ist, dass das Überprüfen aller Kombinationen von Hand unmöglich ist und die Überprüfung mit einem Computer oft zu langsam ist, da die Berechnungen exponentiell komplex werden. Lange Zeit mussten Forscher diese Anweisungen manuell optimieren, ein Prozess, der langsam ist und dazu neigt, bessere Lösungen zu übersehen.

Ein Team von Forschern bei Google Quantum AI hat einen neuen Weg eingeführt, um diesen Prozess zu beschleunigen, indem sie künstliche Intelligenz mit einem cleveren Trick der Verifizierung kombinieren. Sie haben ein System entwickelt, bei dem KI-Agenten in der Lage sind, schnell neue Wege zum Aufbau von Quantenschaltkreisen vorzuschlagen, jedoch nur für eine spezifische Art von Berechnung, die eine vorhersehbare Struktur besitzt. Da sich diese spezifischen Berechnungen auf eine Weise verhalten, die ein Standardcomputer leicht verfolgen kann, hat das Team eine schnelle Testmethode entwickelt, die prüft, ob der von einer KI vorgeschlagene Schaltkreis korrekt funktioniert, ohne die volle, unmögliche Komplexität einer Quantenmaschine simulieren zu müssen. Dieser Ansatz ermöglicht es ihnen, einen öffentlichen Wettbewerb zu lancieren, bei dem jeder KI nutzen kann, um effizientere Wege zu finden, um drei kritische Quantenalgorithmen auszuführen: einen zur Simulation der Fusionsenergie, einen für eine spezifeste Art der mathematischen Optimierung und einen zur Modellierung chemischer Reaktionen.

Der Kern dieser Arbeit beruht auf einer spezifischen Klasse von Quantenanweisungen, die die Forscher als „Kickmix“-Schaltkreise bezeichnen. In einem allgemeinen Quantencomputer können Teilchen in vielen Zuständen gleichzeitig existieren, was eine Superposition erzeugt, die das System unglaublich leistungsfähig, aber auch unglaublich schwer simulierbar auf einem regulären Computer macht. Viele der teuersten Teile von Quantenalgorithmen nutzen jedoch nicht die volle Kraft dieser Superposition. Stattdessen verlassen sie sich auf reversible Logik, einfache Phasenverschiebungen und Messungen, die von einem klassischen Computer verfolgt werden können, wenn die Eingaben bekannt sind. Die Forscher erkannten, dass, wenn sie ihre Suche auf diese spezifischen, verifizierbaren Schaltkreise einschränken könnten, sie einen Standardcomputer nutzen könnten, um zu prüfen, ob die Lösung einer KI korrekt ist, und zwar in einem Bruchteil einer Sekunde. Dies ist eine massive Verbesserung gegenüber der üblichen Methode, die Jahre benötigen würde, um einen einzelnen Kandidaten-Schaltkreis auf einer klassischen Maschine zu verifizieren.

Um diese Verifizierung robust und sicher zu gestalten, nutzte das Team eine Technik namens Fiat-Shamir-Heuristik. In einem typischen Wettbewerb könnte ein Richter eine geheime Liste mit Testantworten haben, um die Arbeit eines Teilnehmers zu prüfen. Wenn der Teilnehmer die Liste kennen würde, könnte er einfach die Antworten auswendig lernen, anstatt das Problem zu lösen. Die Forscher umgingen dies, indem sie die Testeingaben auf eine Weise generierten, die von dem Schaltkreis selbst abhängt. Sie nehmen die digitale Datei des Schaltkreises, hashen sie in einen eindeutigen Code und nutzen diesen Code, um einen zufälligen Satz von Testfällen zu erstellen. Das bedeutet, dass sich die Testfälle jedes Mal, wenn ein Teilnehmer seinen Schaltkreis auch nur geringfügig ändert, komplett ändern. Die KI kann die Logik nicht umgehen, indem sie Antworten auswendig lernt; sie muss die Logik des Problems tatsächlich verstehen, um den Test zu bestehen. Dies ermöglicht es den Forschern, Schaltkreise mit Milliarden von Anweisungen unter Verwendung eines einzigen Computerprozessors zu verifizieren.

Das Team wandte diese Methode auf drei unterschiedliche Herausforderungen an, die jeweils einen großen Engpass in der aktuellen Quantencomputing-Forschung darstellen. Die erste Herausforderung umfasst die Simulation des Verhaltens von Elektronen in einem Fusionsreaktor. Um die Energie dieser Teilchen zu modellieren, muss der Computer die inverse Quadratwurzel einer Zahl berechnen, eine mathematische Operation, die in Quantenschaltkreisen überraschend teuer ist. Die Forscher stellten eine Referenzimplementierung dieser Berechnung bereit und forderten die Teilnehmer heraus, KI einzusetzen, um die Anzahl der benötigten Anweisungen zu reduzieren, während gleichzeitig eine hohe Präzision beibehalten wird. Die zweite Herausforderung konzentriert sich auf ein Dekodierungsproblem im Zusammenhang mit optimaler Polynomintersektion, das in einer Technik namens dekodierte Quanteninterferometrie verwendet wird. Dies beinhaltet die Korrektur von Fehlern in einer Weise, die der Reparatur einer korrumpierten Nachricht ähnelt, aber die Quantenversion erfordert eine spezifische Art von Logikgatter-Anordnung, die derzeit sehr ineffizient ist. Die dritte Herausforderung befasst sich mit der Simulation von Chemie, speziell den Wechselwirkungen zwischen Elektronen in Molekülen. Dies erfordert den Abruf von Daten aus einer großen Tabelle und das Anwenden spezifischer Rotationen auf den Quantenzustand, ein Prozess, der die Kosten vieler Chemie-Algorithmen dominiert.

Für jede dieser Herausforderungen veröffentlichten die Forscher eine Referenzimplementierung und eine detaillierte Menge an Regeln, um den Erfolg zu messen. Sie definierten einen Score, der die Anzahl der benötigten Quantenbits (Qubits) gegen die Anzahl der logischen Operationen (Toffoli-Gatter) abwägt. Das Ziel ist es, einen Schaltkreis zu finden, der weniger Ressourcen verbraucht, was direkt in eine Maschine übersetzt, die schneller laufen kann und weniger Fehler macht. Die Forscher haben bereits ihre eigenen KI-Agenten eingesetzt, um die bestehenden Baselines zu verbessern, wobei sie signifikante Reduzierungen der benötigten Anweisungen fanden. Sie glauben, dass sie durch die Öffnung dieses Feldes für eine breitere Gemeinschaft sogar noch bessere Lösungen entdecken werden, die ihre eigenen Agenten übersehen haben.

Das Paper skizziert auch eine Zukunft, in der sich diese Methode weiterentwickeln könnte. Derzeit funktioniert die Verifizierung nur für die spezifischen „Kickmix“-Schaltkreise, die klassisch verfolgbar sind. Die Forscher schlagen vor, dass es mit der Reifung von KI und mathematischen Beweiswerkzeugen möglich sein könnte, allgemeinere Quantenschaltkreise zu verifizieren, die nicht diese einfache Struktur besitzen. Dies würde es ermöglichen, dass KI-Agenten den gesamten Quantenalgorithmus optimieren, nicht nur die Teile, die leicht zu überprüfen sind. Für den Moment liegt der Fokus jedoch auf diesen drei Benchmarks, die als Prüfstand für eine neue Ära des KI-gestützten Quanten-Engineerings dienen. Durch die Gestaltung eines schnellen und zuverlässigen Verifizierungsprozesses hofft das Team, das Design von Quantenalgorithmen zu demokratisieren, sodass Forscher aus vielen verschiedenen Bereichen dazu beitragen können, diese leistungsfähigen Maschinen zu optimieren. Der Wettbewerb ist so konzipiert, dass er für jeden mit Interesse an KI zugänglich ist, unabhängig vom Hintergrund in der Quantenphysik, wobei die Erwartung besteht, dass frische Perspektiven zu Durchbrüchen in der Effizienz führen werden, die Experten vielleicht übersehen.