Техас университеті A&M, Nvidia және Лос-Аламос ұлттық зертханасының зерттеушілер тобы кванттық схемаларды талдаудың жаңа тәсілін ұсынды. Олар әзірлеген SCALAR (Symbolic Conjecture and LLM-Assisted Reasoning) фреймворкі кванттық симуляцияны, символдық гипотеза генерациясын және үлкен тілдік модельді (LLM) біріктіріп, кванттық алгоритмдер жұмысындағы жасырын заңдылықтарды анықтайды.
Архитектурасы және жұмыс принципі
SCALAR кванттық есептеулер үшін «күміс оқ» болуға талаптанбайды. Бұл гипотезаларды ұсыну және тексеру процесін жылдамдататын интеллектуалды көмекші. Жүйе үш кезеңде жұмыс істейді: алдымен CUDA-Q платформасында кванттық схемалардың симуляциялары іске қосылады, содан кейін txGraffiti құралы символдық гипотезаларды генерациялайды, ал LLM оларды интерпретациялап, реттейді. Негізгі міндет — QAOA (Quantum Approximate Optimization Algorithm) алгоритмінің параметрлері мен классикалық MaxCut есебіндегі графтың құрылымдық сипаттамалары арасындағы корреляцияларды анықтау.
Эксперименттік тексеру нәтижелері
Бірінші кезеңде фреймворк MQLib бенчмаркіндегі 82 MaxCut есебінде сыналды. Талдау толық іздеу арқылы нақты жауап алуға болатын шағын салмақсыз графтарда жүргізілді. Ғалымдар QAOA-ның оңтайландырылған параметрлерін құрылымдық белгілер жиынтығымен салыстырды: төбелер саны, орташа дәреже, кластерлеу коэффициенті, хроматикалық сан және максималды тәуелсіз жиынның қатынасы.
Төрт негізгі белгіден тұратын «құрылымдық ізді» пайдалана отырып, SCALAR 14 граф тобын бөліп көрсетті. Оның 13-інде кіші тереңдіктегі схемалар үшін QAOA-ның оңтайландырылған параметрлері іс жүзінде бірдей болды. Бұл дәлелденген теорема емес, эмпирикалық бақылау, бірақ кванттық схемаларды баптау кезінде іздеуді қысқартуға жол ашады.
Алайда іріктемені 2000 кездейсоқ графқа (соның ішінде регулярлы, Эрдеш-Реньи, Барабаши-Альберт және Уоттс-Строгац) кеңейткенде, әсер әлсіреді. Бірдей негізгі белгілер, әсіресе схема тереңдігі артқанда, ұқсас параметрлерге кепілдік бермейді.
Шектеулер мен перспективалар
Негізгі нәтижелер нақты кванттық жабдықта емес, симуляторларда алынғанын түсіну маңызды. CUDA-Q тензорлық симуляторымен 77 кубиттегі демонстрация — бұл масштабталудың дәлелі емес, жеке мысал ғана. Авторлар SCALAR толығымен автономды емес екенін мойындайды — белгілерді таңдау және гипотезаларды интерпретациялау сарапшының қатысуын талап етеді.
Менің пікірім: Бұл жұмыс кванттық есептеулердің басты мәселелерінің бірі — вариациялық алгоритмдерді баптауға прагматикалық көзқарасты көрсетеді. Оңтайлы параметрлерді «болжауға» тырысудың орнына, SCALAR оларды болжау үшін есептің құрылымдық қасиеттерін пайдалануды ұсынады. Әдіс әмбебап болмаса да, ол болашақ зерттеулерге бағыт береді: символдық ЖИ мен кванттық симуляцияның комбинациясы кванттық алгоритмдерді әзірлеушілердің стандартты құралына айналуы мүмкін.