Discovering formally verified quantum programs with AI
Diese Arbeit zeigt auf, wie Agenten großer Sprachmodelle, die innerhalb eines formalen Verifikationsrahmens im Theorembeweiser Lean operieren, autonom neuartige Quantenprogramme entdecken und deren Korrektheit mathematisch beweisen können, welche signifikante Leistungssteigerungen gegenüber bestehenden Baselines in wissenschaftlichen Anwendungen wie Quantenarithmetik und Fusionssimulation erzielen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht vom Autor verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Quantencomputer versprechen, Probleme zu lösen, die für die Maschinen, die wir jeden Tag verwenden, derzeit unmöglich sind – vom Entwurf neuer Medikamente bis hin zur Modellierung des Verhaltens von Sternen. Der Bau einer Maschine, die diese Aufgaben tatsächlich ausführen kann, ist jedoch unglaublich schwierig. Die Hardware steckt noch in den Kinderschuhen, ist fehleranfällig und viel zu klein, um die massiven Berechnungen zu bewältigen, die für die reale Wissenschaft erforderlich sind. Um diese Lücke zu schließen, benötigen Wissenschaftler bessere Algorithmen – Schritt-für-Schritt-Anleitungen, die dem Quantencomputer sagen, wie er ein Problem mit den geringstmöglichen Ressourcen lösen kann. Seit Jahrzehnten ist das Finden dieser Anweisungen ein langsamer, manueller Prozess, der auf der Intuition und der harten Arbeit menschlicher Experten beruht, die Jahre damit verbringen, eine einzige Idee zu verfeinern.
Die Herausforderung besteht darin, dass diese Algorithmen so komplex sind, dass selbst die leistungsfähigsten klassischen Computer sie nicht testen können, um zu sehen, ob sie korrekt funktionieren, bevor die Quantenhardware bereit ist. Dies schafft ein Teufelskreis: Wir brauchen bessere Algorithmen, um die Hardware nutzbar zu machen, aber wir können die Algorithmen nicht verifizieren, ohne die Hardware zu haben. Ein Forscherteam bei Google hat diesen Kreislauf nun durch die Kombination von künstlicher Intelligenz mit strenger mathematischer Beweisführung durchbrochen. Sie haben ein System geschaffen, bei dem KI-Agenten als Forscher fungieren und Quantenprogramme in einer Sprache schreiben und testen, die ein Computer auf absolute Korrektheit prüfen kann. Dieser Ansatz ermöglicht es ihnen, neue, hocheffiziente Algorithmen für wissenschaftliche Probleme zu entdecken, die weit zu groß sind, um auf einem existierenden Computer simuliert zu werden.
Die Forscher bauten ein digitales Labor, in dem Teams von KI-Agenten zusammenarbeiten, um spezifische wissenschaftliche Rätsel zu lösen. Anstatt nur zu raten und zu prüfen, arbeiten diese Agenten innerhalb eines strengen Rahmens, der sich Theorembeweiser nennt. Stellen Sie sich diesen Rahmen wie ein Regelwerk vor, das verlangt, dass jeder einzelne Schritt einer vorgeschlagenen Lösung mathematisch bewiesen korrekt ist, bevor er akzeptiert wird. Die Agenten haben die Aufgabe, Quantenprogramme zu schreiben, die physikalische Systeme simulieren, wie etwa die Wechselwirkung von Teilchen in einem Fusionsreaktor oder den Abbau eines Wirkstoffs im Körper. Wenn ein Agent ein Programm vorschlägt, das Zeit spart oder weniger Ressourcen verbraucht, prüft das System sofort die Mathematik. Wenn der Beweis hält, wird die Lösung gespeichert; wenn er scheitert, lernt der Agent aus dem Fehler und versucht es erneut. Dieser Prozess findet in einem gemeinsamen Arbeitsbereich statt, in dem verschiedene Teams von Agenten die Fortschritte der anderen sehen, Ideen austauschen und auf den Entdeckungen der anderen aufbauen können, ganz ähnlich wie menschliche Wissenschaftler auf einer Konferenz.
Mit dieser Methode widmete sich das Team fünf großen wissenschaftlichen Herausforderungen. In einem Fall verbesserten sie eine grundlegende mathematische Operation, die in vielen Quantenalgorithmen verwendet wird, und machten sie fast dreihundertmal effizienter als die bisher beste Methode. In einem anderen Fall optimierten sie einen Suchalgorithmus und fanden Lösungen, die bis zu 1,4 Mal schneller waren als die stärksten bekannten Alternativen. Die bedeutendsten Erfolge erzielten sie bei der Simulation komplexer physikalischer Phänomene. Für eine Simulation relevant für die Kernfusion, die die Verfolgung des Energieverlusts von Teilchen durch Wasserstoff beinhaltet, entdeckte die KI ein Programm, das die benötigten Ressourcen um fast elfmal reduzierte. Für eine Simulation einer chemischen Reaktion im Bereich der Photochemie war die Verbesserung achtmal besser. Schließlich fand die KI für ein Modell eines Schlüsselenzyms, das dem menschlichen Körper hilft, Medikamente zu verarbeiten, eine Lösung, die fast 2,5 Mal effizienter war.
Diese Ergebnisse sind nicht nur theoretische Verbesserungen; sie stellen einen Wandel in der Art und Weise dar, wie wissenschaftliche Entdeckungen stattfinden können. Die von der KI entdeckten Programme sind so komplex, dass sie tausende logische Komponenten beinhalten, weit über das hinaus, was aktuelle Quantencomputer ausführen können. Da die Arbeit der KI durch formale mathematische Beweise gestützt wird, können Forscher darauf vertrauen, dass diese Programme korrekt funktionieren werden, sobald die Hardware aufholt. Das System ermöglicht es effektiv, Algorithmen für Maschinen zu entwerfen, die noch gar nicht existieren, und verkürzt so den Weg zum praktischen Quantencomputing. Durch die Automatisierung der Suche nach diesen Lösungen und deren Verifizierung mit mathematischer Gewissheit haben die Forscher gezeigt, dass künstliche Intelligenz die Entwicklung der Quantentechnologie beschleunigen kann, indem sie den einst langsamen, manuellen Kampf in einen schnellen, kollaborativen Entdeckungsprozess verwandelt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.