Discovering formally verified quantum programs with AI
Questo articolo dimostra come agenti basati su modelli linguistici di grandi dimensioni, operanti all'interno di un framework di verifica formale nel teorema di prova Lean, possano scoprire autonomamente e dimostrare matematicamente la correttezza di nuovi programmi quantistici che ottengono miglioramenti significativi delle prestazioni rispetto ai baseline esistenti in applicazioni scientifiche come l'aritmetica quantistica e la simulazione di fusione.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
I computer quantistici promettono di risolvere problemi che sono attualmente impossibili per le macchine che usiamo ogni giorno, dalla progettazione di nuovi medicinali alla modellazione del comportamento delle stelle. Tuttavia, costruire una macchina che possa effettivamente svolgere questi compiti è incredibilmente difficile. L'hardware è ancora agli albori, incline agli errori e troppo piccolo per gestire i calcoli massicci richiesti dalla scienza del mondo reale. Per colmare questo divario, gli scienziati hanno bisogno di algoritmi migliori — istruzioni passo dopo passo che dicano al computer quantistico come risolvere un problema utilizzando il minor numero possibile di risorse. Per decenni, trovare queste istruzioni è stato un processo lento e manuale, che si è basato sull'intuizione e sul duro lavoro di esperti umani che trascorrono anni a perfezionare una singola idea.
La sfida è che questi algoritmi sono così complessi che nemmeno i più potenti computer classici possono testarli per vedere se funzionano correttamente prima che l'hardware quantistico sia pronto. Questo crea un paradosso: abbiamo bisogno di algoritmi migliori per rendere l'hardware utile, ma non possiamo verificare gli algoritmi senza l'hardware. Un team di ricercatori di Google ha ora interrotto questo ciclo combinando l'intelligenza artificiale con una rigorosa prova matematica. Hanno creato un sistema in cui agenti di IA agiscono come ricercatori, scrivendo e testando programmi quantistici in un linguaggio che un computer può controllare per la correttezza assoluta. Questo approccio permette loro di scoprire nuovi algoritmi altamente efficienti per problemi scientifici che sono molto troppo grandi per essere simulati su qualsiasi computer esistente.
I ricercatori hanno costruito un laboratorio digitale dove team di agenti di IA collaborano per risolvere specifici enigmi scientifici. Invece di limitarsi a indovinare e controllare, questi agenti lavorano all'interno di un quadro rigoroso chiamato "theorem prover" (dimostratore di teoremi). Pensate a questo framework come a un libro di regole che esige che ogni singolo passaggio di una soluzione proposta sia matematicamente dimostrato come corretto prima di essere accettato. Gli agenti hanno il compito di scrivere programmi quantistici che simulino sistemi fisici, come il modo in cui le particelle interagiscono in un reattore a fusione o come una molecola di un farmaco si decompone nel corpo. Se un agente propone un programma che risparmia tempo o utilizza meno risorse, il sistema controlla immediatamente la matematica. Se la dimostrazione regge, la soluzione viene salvata; se fallisce, l'agente impara dall'errore e riprova. Questo processo avviene in uno spazio di lavoro condiviso dove diversi team di agenti possono vedere i progressi degli altri, condividere idee e costruire sulle scoperte altrui, proprio come gli scienziati umani in una conferenza.
Utilizzando questo metodo, il team ha affrontato cinque grandi sfide scientifiche. In un caso, hanno migliorato un'operazione matematica fondamentale utilizzata in molti algoritmi quantistici, rendendola quasi trecento volte più efficiente rispetto al miglior metodo precedente. In un altro, hanno ottimizzato un algoritmo di ricerca, trovando soluzioni che erano fino a 1,4 volte più veloci delle alternative più forti conosciute. I risultati più significativi sono arrivati nella simulazione di complessi fenomeni fisici. Per una simulazione pertinente alla fusione nucleare, che comporta il tracciamento della perdita di energia delle particelle che si muovono attraverso l'idrogeno, l'IA ha scoperto un programma che ha ridotto le risorse richieste di quasi undici volte. Per una simulazione di una reazione chimica coinvolta nella fotochimica, il miglioramento è stato otto volte migliore. Infine, per un modello di un enzima chiave che aiuta il corpo umano a elaborare i medicinali, l'IA ha trovato una soluzione che era quasi 2,5 volte più efficiente.
Questi risultati non sono solo miglioramenti teorici; rappresentano un cambiamento nel modo in cui la scoperta scientifica può avvenire. I programmi scoperti dall'IA sono così complessi che coinvolgono migliaia di componenti logiche, ben oltre ciò che gli attuali computer quantistici possono eseguire. Poiché il lavoro dell'IA è supportato da dimostrazioni matematiche formali, i ricercatori possono essere certi che questi programmi funzioneranno correttamente una volta che l'hardware sarà all'altezza. Il sistema permette efficacementamente agli scienziati di progettare algoritmi per macchine che non esistono ancora, accorciando la strada verso l'informatica quantistica pratica. Automatizzando la ricerca di queste soluzioni e verificandole con certezza matematica, i ricercatori hanno dimostrato che l'intelligenza artificiale può accelerare lo sviluppo della tecnologia quantistica, trasformando quella che un tempo era una lenta lotta manuale in un processo di scoperta rapido e collaborativo.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.