Kwantumcomputers beloven problemen op te lossen die onmogelijk zijn voor de machines van vandaag, van het ontwerpen van nieuwe materialen tot het modelleren van complexe chemische reacties. Om dit te doen, moeten ze algoritmen uitvoeren die informatie manipuleren op manieren die de alledaagse intuïtie tarten. Het omzetten van een theoretisch algoritme naar een werkend programma voor een kwantummachine is echter een ongelooflijk moeilijke technische taak. Het vereist het opbreken van een complexe berekening in een lange sequentie van eenvoudige instructies, vergelijkbaar met het vertalen van een roman naar een reeks kleine, precieze stappen. De uitdaging is dat het aantal mogelijke manieren om deze stappen te rangschikken zo groot is dat het controleren ervan met de hand onmogelijk is, en het controleren met een computer vaak te traag is omdat de berekeningen exponentieel complex worden. Lange tijd hebben onderzoekers deze instructies handmatig moeten optimaliseren, een proces dat traag is en vatbaar voor het missen van betere oplossingen.

Een team van onderzoekers bij Google Quantum AI heeft een nieuwe manier geïntroduceerd om dit proces te versnellen door kunstmatige intelligentie te combineren met een slim trucje van verificatie. Ze hebben een systeem ontwikkeld waarbij AI-agenten snel nieuwe manieren kunnen voorstellen om kwantumcircuits te bouwen, maar alleen voor een specifiek type berekening met een voorspelbare structuur. Omdat deze specifieke berekeningen zich op een manier gedragen die een standaardcomputer gemakkelijk kan volgen, heeft het team een snelle verificatiemethode ontwikkeld die controleert of een door AI voorgesteld circuit correct werkt, zonder de volledige, onmogelijke complexiteit van een kwantummachine te hoeven simuleren. Deze aanpak stelt hen in staat om een publieke wedstrijd te lanceren waarbij iedereen AI kan gebruiken om efficiëntere manieren te vinden om drie cruciale kwantumalgoritmen uit te voeren: één voor het simuleren van fusie-energie, één voor een specifiek type wiskundige optimalisatie, en één voor het modelleren van chemische reacties.

De kern van dit werk rust op een specifieke klasse kwantuminstructies die de onderzoekers "kickmix"-circuits noemen. In een algemene kwantumcomputer kunnen deeltjes in veel toestanden tegelijk bestaan, wat een superpositie creëert die het systeem ongelooflijk krachtig maakt, maar ook ongelooflijk moeilijk te simuleren op een gewone computer. Echter, veel van de meest kostbare onderdelen van kwantumalgoritmen maken geen gebruik van deze volledige kracht van superpositie. In plaats daarvan vertrouwen ze op reversibele logica, eenvoudige faseverschuivingen en metingen die door een klassieke computer kunnen worden gevolgd als de inputs bekend zijn. De onderzoekers realiseerden zich dat als ze hun zoektocht konden beperken tot deze specifieke, verifieerbare circuits, ze een standaardcomputer konden gebruiken om te controleren of de oplossing van een AI correct was in een fractie van een seconde. Dit is een enorme verbetering ten opzichte van de gebruikelijke methode, die jaren zou duren om een enkel kandidaat-circuit te verifiëren op een klassieke machine.

Om deze verificatie robuust en veilig te maken, heeft het team een techniek gebruikt genaamd de Fiat-Shamir-heuristiek. In een typische wedstrijd heeft een rechter een geheime lijst met testantwoorden om het werk van een deelnemer tegen te controleren. Als de deelnemer de lijst kent, kan hij simpelweg de antwoorden memoriseren in plaats van het probleem op te lossen. De onderzoekers vermeden dit door de testinputs op een manier te genereren die afhankelijk is van het circuit zelf. Ze nemen het digitale bestand van het circuit, hashen het naar een unieke code, en gebruiken die code om een willekeurige set testgevallen te creëren. Dit betekent dat elke keer dat een deelnemer zijn circuit zelfs maar een klein beetje verandert, de testgevallen volledig veranderen. De AI kan de logica niet omzeilen door antwoorden te memoriseren; de AI moet daadwerkelijk de logica van het probleem begrijpen om de test te halen. Dit stelt de onderzoekers in staat om circuits met miljarden instructies te verifiëren met slechts één enkele computerprocessor.

Het team heeft deze methode toegepast op drie verschillende uitdagingen, die elk een belangrijke flessenhals vormen in het huidige onderzoek naar kwantumcomputing. De eerste uitdaging betreft het simuleren van het gedrag van elektronen in een fusiereactor. Om de energie van deze deeltjes te modelleren, moet de computer de inverse vierkantswortel van een getal berekenen, een wiskundige operatie die verrassend duur is in kwantumcircuits. De onderzoekers boden een referentie-implementatie van deze berekening en daagden deelnemers uit om AI te gebruiken om het aantal benodigde instructies te verminderen terwijl de precisie hoog blijft. De tweede uitdaging richt zich op een decoderingsprobleem gerelateerd aan optimale polynoomintersectie, wat wordt gebruikt in een techniek genaamd gedecodeerde kwantuminterferometrie. Dit houdt het corrigeren van fouten in, vergelijkbaar met het herstellen van een gecorrumpeerd bericht, maar de kwantumversie vereist een specifiek type logische poortconfiguratie die momenteel zeer inefficiënt is. De derde uitdaging gaat over het simuleren van chemie, specif specifiek de interacties tussen elektronen in moleculen. Dit vereist het opzoeken van gegevens in een grote tabel en het toepassen van specifieke rotaties op de kwantumtoestand, een proces dat de kosten van veel chemische algoritmen domineert.

Voor elke van deze uitdagingen hebben de onderzoekers een referentie-implementatie en een gedetailleerde set regels gepubliceerd voor het meten van succes. Ze definieerden een score die het aantal benodigde kwantumbits (qubits) afweegt tegen het aantal logische operaties (Toffoli-gates). Het doel is om een circuit te vinden dat minder middelen gebruikt, wat direct vertaalt naar een machine die sneller kan draaien en met minder fouten. De onderzoekers hebben al hun eigen AI-agenten gebruikt om de bestaande baselines te verbeteren, waarbij ze significante reducties vonden in het aantal benodigde instructies. Ze geloven dat door dit open te stellen voor een bredere gemeenschap, ze zelfs betere oplossingen zullen ontdekken die hun eigen agenten hebben gemist.

Het artikel schetst ook een toekomst waarin deze methode kan evolueren. Momenteel werkt de verificatie alleen voor de specifieke "kickmix"-circuits die klassiek kunnen worden gevolgd. De onderzoekers suggereren dat naarmate AI en wiskundige bewijstechnieken volwassen worden, het mogelijk kan zijn om meer algemene kwantumcircuits te verifiëren die niet deze eenvoudige structuur hebben. Dit zou AI-agenten in staat stellen om het volledige kwantumalgoritme te optimaliseren, en niet alleen de delen die gemakkelijk te controleren zijn. Voor nu ligt de focus echter op deze drie benchmarks, die dienen als een proeftuin voor een nieuw tijdperk van AI-ondersteunde kwantumtechniek. Door het verificatieproces snel en betrouwbaar te maken, hoopt het team het ontwerp van kwantumalgoritmen te democratiseren, zodat onderzoekers uit veel verschillende velden kunnen bijdragen aan de optimalisatie van deze krachtige machines. De wedstrijd is toegankelijk voor iedereen met interesse in AI, ongeacht hun achtergrond in kwantumfysica, met de verwachting dat frisse perspectieven zullen leiden tot doorbraken in efficiëntie die experts kunnen over het hoofd zien.