Discovering formally verified quantum programs with AI
Este artículo demuestra cómo agentes de modelos de lenguaje extensos, operando dentro de un marco de verificación formal en el demostrador de teoremas Lean, pueden descubrir de forma autónoma y probar matemáticamente la corrección de nuevos programas cuánticos que logran mejoras de rendimiento significativas sobre las líneas base existentes en aplicaciones científicas como la aritmética cuántica y la simulación de fusión.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por el autor. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Las computadoras cuánticas prometen resolver problemas que son actualmente imposibles para las máquinas que usamos cada día, desde el diseño de nuevos medicamentos hasta el modelado del comportamiento de las estrellas. Sin embargo, construir una máquina que realmente pueda realizar estas tareas es increíblemente difícil. El hardware aún está en su infancia, es propenso a errores y es demasiado pequeño para manejar los cálculos masivos requeridos para la ciencia del mundo real. Para cerrar esta brecha, los científicos necesitan mejores algoritmos —instrucciones paso a paso que le indiquen a la computadora cuántica cómo resolver un problema utilizando la menor cantidad posible de recursos. Durante décadas, encontrar estas instrucciones ha sido un proceso lento y manual, que depende de la intuición y el arduo trabajo de expertos humanos que pasan años perfeccionando una sola idea.
El desafío es que estos algoritmos son tan complejos que incluso las computadoras clásicas más potentes no pueden probarlos para ver si funcionan correctamente antes de que el hardware cuántico esté listo. Esto crea un círculo vicioso: necesitamos mejores algoritmos para que el hardware sea útil, pero no podemos verificar los algoritmos sin el hardware. Un equipo de investigadores de Google ha roto este ciclo combinando la inteligencia artificial con la prueba matemática rigurosa. Han creado un sistema donde agentes de IA actúan como investigadores, escribiendo y probando programas cuánticos en un lenguaje que una computadora puede verificar en cuanto a su corrección absoluta. Este enfoque les permite descubrir nuevos algoritmos altamente eficientes para problemas científicos que son demasiado grandes para ser simulados en cualquier computadora existente.
Los investigadores construyeron un laboratorio digital donde equipos de agentes de IA colaboran para resolver acertijos científicos específicos. En lugar de simplemente adivinar y comprobar, estos agentes trabajan dentro de un marco estricto llamado demostrador de teoremas (theorem prover). Piense en este marco como un libro de reglas que exige que cada uno de los pasos de una solución propuesta sea matemáticamente probado como correcto antes de ser aceptado. Los agentes tienen la tarea de escribir programas cuánticos que simulen sistemas físicos, como la interacción de partículas en un reactor de fusión o cómo se descompone una molécula de un fármaco en el cuerpo. Si un agente propone un programa que ahorra tiempo o utiliza menos recursos, el sistema verifica inmediatamente la matemática. Si la prueba se sostiene, la solución se guarda; si falla, el agente aprende del error e intenta de nuevo. Este proceso ocurre en un espacio de trabajo compartido donde diferentes equipos de agentes pueden ver el progreso de los demás, compartir ideas y construir sobre los descubrimientos de otros, de forma muy similar a los científicos humanos en una conferencia.
Utilizando este método, el equipo abordó cinco grandes desafíos científicos. En un caso, mejoraron una operación matemática fundamental utilizada en muchos algoritmos cuánticos, haciendo que fuera casi trescientas veces más eficiente que el mejor método anterior. En otro, optimizaron un algoritmo de búsqueda, encontrando soluciones que fueron hasta 1.4 veces más rápidas que las alternativas más fuertes conocidas. Los logros más significativos provinieron de la simulación de fenómenos físicos complejos. Para una simulación relevante para la fusión nuclear, que implica rastrear la pérdida de energía de las partículas que se mueven a través del hidrógeno, la IA descubrió un programa que redujo los recursos requeridos en casi once veces. Para una simulación de una reacción química involucrada en la fotoquímica, la mejora fue ocho veces mejor. Finalmente, para un modelo de una enzima clave que ayuda al cuerpo humano a procesar medicamentos, la IA encontró una solución que fue casi 2.5 veces más eficiente.
Estos resultados no son solo mejoras teóricas; representan un cambio en cómo puede ocurrir el descubrimiento científico. Los programas descubiertos por la IA son tan complejos que involucran miles de componentes lógicos, mucho más allá de lo que las computadoras cuánticas actuales pueden ejecutar. Debido a que el trabajo de la IA está respaldado por pruebas matemáticas formales, los investigadores pueden confiar en que estos programas funcionarán correctamente una vez que el hardware se ponga al día. El sistema efectivamente permite a los científicos diseñar algoritmos para máquinas que aún no existen, acortando el camino hacia la computación cuántica práctica. Al automatizar la búsqueda de estas soluciones y verificarlas con certeza matemática, los investigadores han demostrado que la inteligencia artificial puede acelerar el desarrollo de la tecnología cuántica, convirtiendo lo que antes era una lucha lenta y manual en un proceso de descubrimiento rápido y colaborativo.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.