Position: Quantum Program Generation Must Prioritize Validity Over Probabilistic Scaling
本立场论文认为，由于有效设计的指数级衰减以及语法与语义之间的鸿沟，扩展用于量子电路合成的概率模型存在根本性的缺陷，并主张转向一种以验证器为中心的智能体范式，将数学约束和符号代理直接集成到生成过程中。
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
想象一下，你正在试图教一个机器人盖房子。在常规软件的世界里，如果机器人写了一个看起来像句子的句子，但有一个微小的语法错误，人类通常能一眼识破、进行修正，而房子依然会屹立不倒。这是“流畅性”（fluency）的世界，在这里，看起来正确往往就足以让工作得以开展。但现在，想象机器人正试图建造一座由纯粹的、不可见的能量构成的房子，这座房子遵循着量子物理学中那些奇特且严苛的法则。在这个世界里，一个微小的错误不仅仅是一个拼写错误；它就像把一块砖头放错了位置，会导致整座建筑瞬间消失于无形。这就是量子计算所面临的挑战。
为了理解这个问题，我们需要了解两件事。首先，量子电路是这些能量房子的蓝图。它们由“门”（gates）组成，用来操控被称为“量子比特”（qubits）的微小粒子。与使用 0 和 1 的普通计算机不同，量子比特可以同时处于多种状态的叠加之中，但它们极其脆弱。如果你弄错了门的顺序或使用了错误的类型，整个计算就会崩溃。其次，在人工智能领域有一个流行的观点叫做规模假设（scaling hypothesis）。这种观点认为，只要我们将 AI 做得更大、喂给它更多的数据，它最终就能通过仅仅预测句子中的下一个词，从而自行“悟出”世界的逻辑。大问题在于：我们能否仅仅通过制造一个超级庞大的 AI，通过不断猜测来获得完美的量子蓝图，还是说宇宙的数学法则要求更加严格的标准？
本文认为，对于量子计算而言，“单纯扩大规模”的策略是一条死路。作者 Junhao Song、Yu Zhou、William Knottenbelt 和 Yudong Cao 指出，试图通过扩大 AI 规模来生成量子程序，就像是通过不断投掷更多的针头来试图在一堆干草中寻找一根特定的针一样；你最终只会得到一堆更庞大的无用针头。
他们论点的核心在于，量子电路在语法（代码看起来的样子）与语义（代码在物理世界中实际执行的操作）之间存在巨大的鸿沟。在常规编程中，你可以写出一个看起来完美但逻辑不通的句子，计算机只会运行它并报错，让你知道哪里出了问题。但在量子编程中，一个句子可能看起来完美无瑕，运行起来也不会崩溃，但实际上却是完全错误的，因为它违反了宇宙深层的数学规则。作者指出，相对于“无效”电路的数量，那些“有效”量子电路的数量少得惊人，简直就像沙滩上的一粒沙。如果你只是让 AI 进行随机猜测，即使是一个超级强大、规模巨大的 AI，也大多只会生成那些“听起来很有道理但实际上完全错误”的答案。他们称之为反向缩放（inverse scaling）：模型规模越大，它表现得越像量子专家，但它实际上的水平却变得越差，因为它只是在模仿公共数据集中那些错误代码的模式。
论文明确排除了通过生成数千个猜测并在后期进行筛选来解决问题的想法。作者论证道，由于有效选项极其稀缺，寻找单个正确答案所需的猜测次数会随着问题规模的增大而呈指数级增长，这在数学上很快就会变得无法通过暴力破解来解决。他们还反对“人类可以检查工作”的观点；一旦超过约 50 个量子比特，其数学复杂程度将超越任何人类手工验证的能力。
与其依赖规模和运气，作者提出了一种名为以验证器为中心的智能体（Verifier-Centric Agents）的新工作方式。想象一位建筑师机器人，他不仅是在猜测房子应该长什么样，而且随身携带一个神奇的即时检查工具，在墙壁还没画出来之前，它就会说：“不，你不能在那里开窗户，因为物理定律不允许。”这种新方法将量子物理的规则直接植入 AI 编写代码的大脑中。它采用一种“层级化”的方法：先检查宏观结构（比如确保房间之间的连接正确），再检查中间层（确保门能够安装），最后检查微观细节（确保砖块的形状正确）。
作者建议，通过使用这些“构造性验证”（constructive verification）方法——即强迫 AI 循序渐进地遵循规则，而不是一次性盲目猜测整体——我们可以建立起可靠的量子程序。他们展示了虽然我们不能仅靠扩大规模来解决一切，但我们可以通过构建一个将 AI 的创造力与严格的数学护栏相结合的系统来发挥作用。论文最后总结道，对于像量子计算这样规则严苛且有效答案极度稀缺的领域，我们不应再试图模仿人类的“流畅性”，而应致力于构建能够尊重宇宙严密逻辑的 AI。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。