⚛️ quantum physics

Data Verification is the Future of Quantum Computing Copilots

本文认为，为了使量子计算副驾驶（copilots）克服统计大语言模型推理的固有局限性并达到必要的精度，数据验证必须从一种生成后的过滤机制提升为一种基础性的架构原语，从而约束生成过程并将物理正确性准则嵌入其中。

原作者： Junhao Song, Ziqian Bi, Xinliang Chia, William Knottenbelt, Yudong Cao

发布于 2026-02-05

📖 1 分钟阅读🧠 深度阅读

原作者： Junhao Song, Ziqian Bi, Xinliang Chia, William Knottenbelt, Yudong Cao

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这是一篇使用简单语言和日常类比对该论文进行的解释。

核心思想：为什么“猜测”在量子计算领域行不通

想象你正在建造一座房子。如果你使用标准的 AI 助手，它可能非常擅长建议家具布局或油漆颜色。它根据以前见过的模式进行猜测。但如果你让它设计地基和承重墙，猜测是非常危险的。如果数学计算错了，房子就会坍塌。

这篇论文认为，量子计算就像是那个地基。这是一个“统计学猜测”（即大语言模型通常所做的事情）会失效的领域，因为这里的规则是严格的、数学化的且不容出错。你不能拥有一个“99% 正确”的量子电路。它要么完美运行，要么根本无法运行。

作者们是来自帝国理工学院、普渡大学等机构的研究团队，他们提出，未来用于量子计算的 AI 助手，其核心不在于让 AI 更擅长“猜测”，而在于迫使 AI 在话还没说完之前，就先验证自己的工作是否正确。

当前 AI 面临的三大问题

论文指出了当前 AI 在处理量子任务时面临的三个原因：

“幻觉”陷阱： AI 模型旨在预测句子中的下一个词。它们擅长模仿模式，但不擅长严密的逻辑。在量子计算中，一个错误的步骤就会导致整个程序崩溃。论文指出，如果你只是单纯通过扩大模型规模而不改变其学习方式，这些错误在数学上是不可避免的。
大海捞针问题： 想象一个拥有 148 万亿本书的图书馆，其中只有 20 万本是你正在寻找的“正确”书籍。如果你要求 AI “写一本书”，它几乎肯定会选出那 147.9 亿本错误的书中之一。试图在 AI 写完之后再去过滤掉错误的答案是不可能的，因为错误的答案实在太多了，根本无法一一检查。
“抽象泄露”问题： 量子设计是分层进行的。你可能会设计一个看起来本身没问题的电路模块，但当你把它与下一个模块连接时，它却违反了规则。目前的 AI 难以理解局部的小变动如何影响宏观的全局图景。

解决方案：AI 的三条新规则

作者提出了三条具体的规则来解决这个问题，他们称之为“立场（Positions）”。

1. 验证是最低要求（“安全教师”类比）

主张： 你不能用混乱且未经验证的数据来训练量子 AI。
类比： 想象教一个孩子开车。如果你让他们在有假路标和损坏交通灯的赛道上练习，他们会养成坏习惯。无论他们开了多少小时车，一旦遇到真实的交通环境，他们都会发生车祸。
论文的对策： AI 必须仅在经过形式化证明（使用 Lean 或 Z3 等数学工具）是正确的数据上进行训练。AI 需要“内化”交通规则，而不仅仅是死记硬背其他车辆的行驶轨迹。论文显示，在经过验证的数据上训练的模型准确率高达 79%，而其他模型则在随机猜测水平（25%）附近徘徊。

2. 先检查，再建造（“建筑师”类比）

主张： 不要让 AI 生成一百万个糟糕的设计，然后再试图从中筛选出好的。相反，应该从源头上阻止 AI 生成糟糕的设计。
类比： 想象一位建筑师画了 1,000,000 张蓝图，其中 999,999 张的楼梯都通向墙壁。试图找到那张正确的蓝图是在浪费时间。相反，建筑师应该有一条规则：“如果楼梯没有连接到地面，就不要画出来。”
论文的对策： 验证必须发生在生成过程中（事前验证），而不是生成之后（事后验证）。因为“错误”答案的空间比“正确”答案的空间呈指数级增长，事后过滤在计算上是无法实现的。AI 必须被约束在只能沿着有效的路径前进。

3. 验证是基石，而非事后补丁

主张： 对于任何受严格定律支配的领域（如物理或数学），验证必须内置于 AI 的大脑中，而不是作为插件后期添加。
类比： 想象一辆汽车。你不会在汽车造好之后才添加刹车，然后祈祷它能停下来。制动系统是汽车设计的核心组成部分。
论文的对策： 作者认为，这不仅适用于量子计算，也适用于药物研发和材料科学等其他硬科学领域。在这些领域，你不能仅仅“近似”一个解；必须精确遵守物理定律。AI 需要将这些定律作为其构建的基础。

实验结果表明了什么

研究人员通过创建一个包含 20 多万个经过验证的量子电路设计（具体为“量子加法器”）的大型数据集来测试这一理论，并测试了各种 AI 模型：

“未经验证”的模型： 这些使用标准数据训练的模型表现很差。它们经常给出看似自信实则错误的答案，或者因为感到困惑而拒绝回答。
“经过验证”的模型： 在经过验证的数据集上训练的模型表现要好得多。它们不仅答对了更多问题，而且知道自己什么时候是对的。它们的置信度得分与其实际准确率相匹配。
结果： 论文得出结论，如果没有经过验证的数据，AI 仅仅是一个“自信的猜测者”。有了经过验证的数据，它就变成了一名“可靠的工程师”。

未来：下一步是什么？

论文提出了两个面向未来的主要步骤：

改变架构： AI 模型需要重新设计，使其在编写代码的同时检查自己的数学逻辑，而不是在写完之后再检查。
共享数据： 社区需要建立并共享“富含约束条件”的基准测试（例如他们制作的经过验证的加法器数据集），以便所有人都能根据同样的严格标准来测试他们的 AI。

总结

简而言之，这篇论文说：不要再试图让 AI 变得更擅长“猜测”了。 对于量子计算和其他硬科学领域，我们不能再把 AI 当作创意作家，而必须把它当作严谨的工程师。要做到这一点，我们必须只喂给它经过验证的事实，并将验证机制植入它的基因之中，确保它永远不会生成哪怕一个无效的设计。

技术摘要：数据验证是量子计算副驾驶的未来

问题陈述

量子程序的生成与编译需要极高的精确度，这与大型语言模型（LLM）固有的统计推理特性相冲突。量子计算任务涉及跨越多个抽象层（从高层电路描述到低层门排列），并需遵循严格的数学约束（例如：幺正性、硬件拓扑、门保真度）。与可以容忍或通过平均化误差的自然语言任务不同，量子程序生成对错误零容忍；一个无效的门序列就会违反基本的物理定律。

目前的基于 LLM 的方法面临三个关键局限性：

不可行的解决方案： 由于缺乏数据验证，由于 LLM 的统计本质，不可行的解决方案在数学上是必然存在的，无论模型规模如何扩大。
数据稀缺性： 经过验证的全面量子数据集极难生成。现有的数据集（如 QDataSet）需要数月的 HPC（高性能计算）时间才能覆盖仅 1-2 个量子比特的小型系统。
搜索空间约束： 有效的量子电路子空间相对于总设计空间而言是指数级缩小的，受限于幺正性和硬件约束。当前的 LLM 架构无法在内部提供必要的验证机制来导航这一空间。

方法论与框架

本文提出了一种从“仅推理”或“事后过滤”向验证优先架构转变的范式。作者通过理论论证和初步实验定义了三个核心立场：

1. 数据验证是最低要求 (P1)

作者认为，训练数据在纳入训练集之前必须经过形式化验证。

概念： “验证感知模型”仅在每个示例都满足特定领域正确性约束（例如，通过 Lean 或 Z3 等自动定理证明器进行验证）的数据上进行训练。
原理： 在未经验证的数据（如低质量代码库）上进行训练构成了“隐式数据污染”。与自然语言不同，大规模数据量并不能抵消噪声，在量子电路数据中，单个无效示例无论周围有多少有效示例，都会违反幺正性。这导致了一种“反缩放”现象，即更多的未经验证的数据不仅不会稀释错误，反而会放大错误。
机制： 经过验证的数据集允许模型将约束内化为学习到的结构，而非统计近似。

2. 先验约束优于后验过滤 (P2)

验证必须在输出之前约束生成过程，而不是在生成之后进行过滤。

原理： 在量子电路设计中，随着组件（量子比特/门）数量的增加，有效设计的比例呈指数级下降。对于设计空间呈 $O(d^n)$ 增长的情况，约束将有效设计减少到 $O(\delta^n)$ ，其中 $\delta < d$ 。
后果： 依赖于事后过滤（生成大量候选方案并拒绝无效方案）会产生指数级的计算成本，且成功概率微乎其微。验证必须作为一种架构原语嵌入其中，以防止在 Token 生成过程中出现无效路径。

3. 面向 AI4Research 的验证优先范式 (P3)

作者主张将这种验证优先的方法扩展到其他受物理定律或数学公理支配的科学领域（如药物发现、材料科学、工程设计）。

概念： 这些领域存在共同的“抽象泄漏”和“不可分解性”问题，即局部最优的选择并不保证全局最优。验证感知架构对于处理这些硬约束是必要的。

实验结果

为了证实立场 1，作者使用了一个源自经过验证的 MAJ/UMA（多数/非多数加法）电路语料库的数据集进行了评估。

设置： 对 34 个公开可用的 LLM（参数量从 270M 到 120B 不等）进行了测试，测试内容涉及 70,000 个关于量子加法器优化（2 到 8 个量子比特）的多选题。地面真值（Ground Truth）是具有最小 Toffoli 计数、深度和总门加权得分的电路。
准确率： 经过验证知识训练或微调的模型（如 gemma3:12b、gpt-oss:120b）实现了 0.60 至 0.79 的准确率。相比之下，没有验证感知的通用模型则在随机基准线（0.21–0.29）附近徘徊。
校准： 验证感知模型展示了卓越的不确定性量化能力。gpt-oss 模型对正确答案的置信度分配在 60–80%，而 gemma3 模型仍处于 20–35% 的范围。
失效模式： 若干模型（如 mixtral:8x7b、deepseek-r1 变体）得分低于随机基准线，原因是输出格式错误（表现为冗长的拒绝或解释，而非单字母答案），这进一步证明了如果没有验证训练，模型无法可靠地处理受形式约束的任务。
搜索空间分析： 作者生成了一个包含 20,000 个经过验证的加法器设计的数据集。他们指出，虽然在深度 3–6 范围内，MAJ/UMA 模块的所有可能门排列超过 148 万亿种配置，但形式化验证仅识别出约 200,000 个有效设计（比例约为 $\approx 10^{-9}$ ），这说明了事后过滤的困难程度。

核心贡献

形式化定义验证感知模型： 区分了在经过验证的约束数据上训练的模型与在未经验证的代码库上训练的模型。
三个核心立场： 确立了数据验证是最低要求、约束必须是先验的，以及该范式对于科学 AI 至关重要。
实证证据： 提供定量数据表明，如果没有数据验证，无论参数规模如何，LLM 在量子优化任务上的表现都无法达到高准确率或正确的校准。
识别“抽象泄漏”： 强调了量子程序生成如何需要融合不同的抽象层级（例如：模块设计与门分解），使得局部优化不足以保证全局正确性。

意义与未来方向

本文认为，对于在严格物理或数学定律支配下的领域，若要使 AI 可行，必须将验证从“事后补充”提升为“架构基础”。

作者提出了两个具体的未来研究方向：

FD1 (架构)： 量子副驾驶架构必须将形式化验证（例如：满足性模理论 SMT 或符号规范）直接集成到 LLM 的 Token 生成循环中，将验证从二进制过滤器转变为结构化的探索指南。
FD2 (基准测试)： 社区需要具备可执行验证预言机（Oracles）的富约束基准测试。这些基准应超越简单的加法器，扩展到包括模块化乘法、量子傅里叶变换和特定硬件的路由，从而实现跨系统比较的可重复标准。

本文总结道，虽然讨论的重点是量子计算，但其原则广泛适用于任何正确性为二元性质、有效解占据指数级微小子空间且存在形式化验证方法的领域。