Кванттық есептеулер мен жасанды интеллект тек теориялық пікірталастарда ғана емес, сонымен қатар практикалық құралдарда да қиылыса бастады. Техас A&M университеті, Nvidia және Лос-Аламос ұлттық зертханасының зерттеушілер тобы нейросимволдық тәсілді кванттық симуляциямен біріктіретін SCALAR фреймворкін ұсынды. Бұл кезекті алгоритм ғана емес — бұл кванттық схемалардың параметрлерін интуитивті таңдауды жүйелі талдаумен ауыстыру әрекеті.
SCALAR симуляция деректері негізінде жасалған символдық гипотезаларды түсіндіру үшін үлкен тілдік модельді (LLM) пайдаланады. Назарда — графиктердегі MaxCut есебін шешетін QAOA (Quantum Approximate Optimization Algorithm) гибридті алгоритмі. Жүйе кездейсоқ іздеуге сүйенудің орнына, графиктің құрылымдық белгілерін талдайды: төбелер саны, орташа дәреже, кластерлеу коэффициенті, хроматикалық сан және басқалары.
Фреймворк қалай жұмыс істейді
SCALAR CUDA-Q платформасында құрылған. Алдымен жүйе кванттық схеманың симуляциясын іске қосады, содан кейін нәтижелерді график белгілерімен салыстырады. Бұл кезеңде символдық гипотезаларды жасайтын txGraffiti құралы іске қосылады, ал LLM оларды маңыздылығы бойынша сұрыптайды. Маңыздысы: SCALAR теоремаларды дәлелдемейді, тек тексерілетін тұжырымдарды ұсынады. Бұл зерттеу процесін жылдамдатады, бірақ сарапшыны алмастырмайды.
Эксперимент нәтижелері
Тестілеудің бірінші фазасында MQLib бенчмаркінен 82 MaxCut есебі қолданылды. Бұл шағын салмақсыз графиктер туралы болды, мұнда нақты шешімді толық іздеу арқылы алуға болады. SCALAR бір және екі тереңдіктегі схемаларды іске қосты, содан кейін графиктерді «құрылымдық із» бойынша топтастырды — төрт негізгі белгіден тұратын жиынтық. Бөлінген 14 топтың 13 жағдайында QAOA оңтайландырылған параметрлері дерлік бірдей болды. Бұл эмпирикалық бақылау, заң емес, бірақ ықтимал болжамдылықты көрсетеді.
Екінші фазада іріктеу төрт топологияның 2000 кездейсоқ графигіне дейін кеңейтілді: регулярлық, Эрдеш — Реньи, Барабаши — Альберт және Уоттс — Строгац. Мұнда әсер әлсіз байқалды: бірдей негізгі белгілер ұқсас параметрлерге кепілдік бермеді, әсіресе схема тереңдігі артқанда.
Шектеулер мен перспективалар
Эксперименттер нақты кванттық жабдықта емес, симуляторларда жүргізілді. CUDA-Q тензорлық симуляторын қолдана отырып, 77 кубиттегі демонстрация бірегей мысал болды, масштабталу мүмкіндігін зерттеу емес. Сонымен қатар, SCALAR автономды емес: белгілерді таңдау және гипотезаларды түсіндіру адамның қатысуын талап етеді.
Менің көзқарасым бойынша, SCALAR — кванттық зерттеулерді автоматтандырудағы маңызды қадам, бірақ әзірге ол тек тар жағдайларда жұмыс істейді. Криптоиндустрия үшін бұл кванттық төзімді алгоритмдерді әзірлеуді жеделдетуді білдіруі мүмкін, бірақ практикалық қолдануға әлі алыс. Ең бастысы — біз ЖИ-дің деректерді өңдеп қана қоймай, кванттық есептеулер үшін гипотезаларды тұжырымдай бастағанын көріп отырмыз.