Agentic AI for Discovering Fault-Tolerant Quantum Circuits
本文提出了一种智能体进化程序合成框架,该框架利用由电路验证器引导的大型语言模型,自动发现并验证用于各种量子计算任务的容错 Clifford 电路,从而克服了人工设计的局限性。
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
量子计算机有望解决当今最强大的机器也需要数千年才能破解的问题,从设计新药到模拟复杂的气候系统。然而,这些机器极其脆弱。它们用于存储信息的微小粒子被称为量子比特(qubits),极易受到热量、振动甚至随机电磁波的干扰。一次扰动就可能损坏计算,导致整个过程失败。为了解决这个问题,科学家们使用了一种称为量子纠错的方法。他们不再依赖单个脆弱的量子比特,而是将许多物理量子比特组合在一起,形成一个单一且更稳定的“逻辑”量子比特。这个逻辑量子比特就像一支侦察兵小队;如果一名侦察兵迷失或困惑了,其他成员可以找到正确的路径并继续执行任务。
构建这些逻辑量子比特需要一套复杂的指令集,即电路,这些电路指导物理量子比特如何相互作用、测量彼此以及实时纠正错误。设计这些电路是一项艰巨的任务。多年来,科学家们一直必须手工绘制它们,这是一种缓慢且容易出错的过程,虽然适用于简单的案例,但随着系统规模变得更大、更复杂,这种方法就变得不可能实现。挑战不仅在于让电路正常工作,还在于确保它能够承受运行过程中不可避免的错误。如果错误发生在错误的地方,它会像病毒一样在系统中蔓回,压倒纠错机制并摧毁信息。寻找一种既高效又足够强健以抵御这些错误的方案,一直是构建实用量子计算机竞赛中的主要瓶颈。
在一项新的研究中,研究人员转向人工智能来解决这一设计问题,从人类直觉转向一个能够进化出自身解决方案的系统。这支来自德国的团队开发了一种方法,利用大型语言模型——一种在海量人类知识基础上训练的先进人工智能——作为这些量子电路的架构师。但这个人工智能并不只是凭空猜测并寄希望于好运。相反,它在一个严格的自动化循环中运行:它提出一个设计,根据一套严格的规则对其进行测试,然后根据结果改进其提案。这个过程模仿了自然进化:人工智能生成许多电路变体,保留其中效果最好的,并将它们作为下一轮想法的基础。
研究人员专注于一种被称为克利福德电路(Clifford circuit)的特定类型量子电路,这对于许多量子操作至关重要。他们要求人工智能为三个不同的挑战创建电路:准备处于特定初始状态的逻辑量子比特、执行逻辑门(一种基本操作,如翻转比特)、以及执行更复杂的程序,例如在不同类型的纠错码之间进行切换,或将一个小规模的代码扩展成更大规模的代码。为了确保人工智能理解规则,团队提供了一个“验证器”,这是一个能够模拟电路中可能发生的每一种错误方式的工具。如果单个错误会导致计算失败,验证器就会拒绝该设计。人工智能随后会从这次拒绝中学习,调整其下一次尝试以避免同样的陷阱。
研究结果令人瞩目。人工智能成功发现了针对其所承担的所有任务的容错电路,包括一些对于非标准量子码而言极其困难的任务。在许多情况下,它发现的电路不仅有效,而且比以往人类专家设计的电路更高效。例如,在被要求在特定的五量子比特码上准备逻辑状态时,人工智能发现的设计比之前的尝试显著更“浅”(meaning it required fewer steps and less time to execute,即所需的步骤更少、执行时间更短)。在涉及更大规模代码的测试中,人工智能成功找到了能够消除“沉默”错误的电路,这类错误是难以被系统安全检查检测到的危险错误。人工智能通过学习使用被称为“标志量子比特”(flag qubits)的额外量子比特来实现这一点,这些量子比特充当早期预警系统,在错误扩散之前将其捕捉。
这项工作的最显著方面之一是人工智能如何处理效率与安全性之间的权衡。在以往的方法中,研究人员通常必须在快速但有风险的电路与安全但过慢而无法投入使用的电路之间做出选择。然而,人工智能学会了自动驾驭这种平衡。它发现,通过仔细安排操作顺序并使用特定的测量结果来触发纠正,它可以构建出既快速又强健的电路。该系统能够处理各种物理布局,从任何量子比特都可以与任何其他量子比特通信的理想化设置,到量子比特只能与相邻量子比特进行交互的现实硬件约束。这种灵活性表明,该方法可以应用于当今正在建造的实际量子计算机。
研究人员还探索了人工智能如何随时间学习。他们发现,该系统不仅仅是偶然发现了一个解决方案;它建立了一个关于什么有效以及什么无效的记忆。随着人工智能生成数千个提案,它会对自己的推理过程进行记录,解释为什么某些设计失败了,以及计划如何改进它们。最先进的版本的人工智能,即那些被给予更多思考时间来处理每一步的模型,产生的设计始终更加优秀且更具创造力。这些模型会撰写更长、更详细的笔记,在最终确定解决方案之前探索更广泛的可能性。这种对自身过程进行反思的能力,使人工智能能够跳出那些会让简单算法或人类设计师陷入困境的死胡同。
研究还解决了“代码切换”(code switching)这一难题,即逻辑量子比特从一种类型的纠错码转移到另一种类型。这是执行某些特定类型计算的关键技术,而这些计算在单一代码内是无法实现的。人工智能成功设计了在不同代码之间切换的电路,且不会丢失信息或引入不可纠正的错误。它还成功地“生长”了一个代码,即将一个小型的逻辑量子比特扩展成一个更大、更强大的版本,同时保持其完整性。这些是复杂的、多步骤的过程,此前需要精细的手动设计,然而人工智能却以与处理简单任务相同的自动化效率处理了它们。
虽然人工智能的成功令人印象深刻,但研究人员谨慎地指出,他们的发现是基于模拟的。他们尚未在物理量子计算机上运行这些特定的电路,因此其实际表现仍有待观察。然而,人工智能发现的解决方案能够满足如此严格的数学容错标准,这有力地表明这些设计在实践中将会奏效。这项研究表明,设计量子电路的瓶颈不再是人类创造力的局限,而是一个可以通过赋予机器正确的工具和迭代自由来解决的问题。
这种方法标志着量子计算研究方式的转变。不再依赖于一小群专家来手工打造每一个新电路,该领域现在可以利用自动化系统,这些系统可以比任何人类团队都更快地探索广阔的可能性空间。人工智能并不是取代科学家;相反,它作为一个强大的伙伴,处理设计过程中繁琐而复杂的工作,以便研究人员能够专注于该领域的更宏大目标。通过证明人工智能可以发现多种任务的容错电路,这项研究为未来打开了一扇大门:届时量子计算机可以扩展到实现实际优势所需的规模,其内部逻辑将由它们旨在处理的信息本身所孕育的智能来设计。
这项工作还强调了人工智能“代理性”(agentic nature)的重要性。与早期的尝试不同(在那些尝试中,人工智能可能会生成一个设计然后停止),这个系统配备了测试和验证其想法的工具。它可以运行模拟、检查错误,然后利用这些反馈来改进其下一次尝试。这种行动、验证和改进的循环,正是该系统能够快速找到高质量解决方案的原因。研究人员发现,人工智能使用这些工具的能力与其生成代码的能力同样重要。如果没有提供即时反馈的验证器,人工智能将难以区分好的设计与坏的设计。
最终,这项研究为量子纠错的发展提供了一条清晰的路径。它表明,设计容错电路这一复杂且多层次的问题,可以被分解为一个人工智能可以解决的搜索问题。发现的电路并非仅仅是理论上的奇珍异宝;它们是可以在当今制造的硬件上实施的实用设计。随着量子计算机在规模和复杂性上的不断增长,自动设计维持其正确运行的电路的能力将变得日益重要。这项研究表明,量子计算的未来可能不是由手写成的,而是由学习如何保护其旨在处理的信息的机器进化而成的。
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。