CGD - Crypto Government Department logo CGD - Crypto Government Department logo
Forklog 2026-07-02 09:14:50

Исследователи применили ИИ для анализа квантовых схем

Команда из Техасского университета A&M, Nvidia и Лос-Аламосской национальной лаборатории описала SCALAR — нейросимволический фреймворк для анализа квантовых схем. На исследование обратило внимание издание The Quantum Insider. Система использует квантовую симуляцию, символьную генерацию гипотез и большую языковую модель, чтобы находить связи между параметрами Quantum Approximate Optimization Algorithm (QAOA) и структурой графа в задаче MaxCut. Как работает SCALAR SCALAR задуман как инструмент для выдвижения проверяемых предположений в анализе квантовых схем. Он не заменяет исследователя и не доказывает теоремы, а помогает быстрее находить признаки задачи, которые могут влиять на результат. Фреймворк собрали на базе CUDA-Q: сначала система запускает симуляции квантовых схем, затем сопоставляет результаты с признаками графа. После этого txGraffiti генерирует символьные гипотезы, а LLM помогает интерпретировать и ранжировать их. Задача SCALAR— формулировать утверждения, которые можно проверять, уточнять или опровергать. Что показали эксперименты В первой фазе SCALAR проверили на 82 задачах MaxCut из бенчмарка MQLib. Речь шла о небольших невзвешенных графах, где можно получить точный ответ полным перебором и сравнить его с симуляцией QAOA. Авторы запускали схемы глубины один и два и сопоставляли найденные параметры с набором структурных признаков графа. Среди них — число вершин, средняя степень, средний коэффициент кластеризации, хроматическое число и отношение максимального независимого множества. Для группировки в исходном бенчмарке авторы использовали «структурный отпечаток» из части этих признаков: числа вершин, средней степени, среднего коэффициента кластеризации и отношения максимального независимого множества. На этом наборе SCALAR выделил 14 групп графов с одинаковым «структурным отпечатком». В 13 из 14 групп оптимизированные параметры QAOA на малой глубине оказались почти одинаковыми. Авторы описали это как эмпирическое наблюдение, а не доказанную закономерность. Поэтому результат не означает, что параметры QAOA можно универсально предсказывать для любых графов. Во второй фазе анализ расширили на 2000 случайно сгенерированных графов. В выборку вошли графы четырех топологий: регулярные, Эрдеша — Реньи, Барабаши — Альберт и Уоттса — Строгаца. На этом наборе эффект проявился слабее: одинаковые базовые признаки не гарантировали схожие параметры, а при увеличении глубины схем предсказуемость снижалась. Какие есть ограничения Основные результаты получили на симуляторах, а не на реальном квантовом оборудовании. Отдельно команда провела демонстрацию на 77 кубитах с использованием тензорного симулятора CUDA-Q. Авторы назвали ее единичным примером работоспособности подхода, а не исследованием масштабируемости. Они также отметили, что добавление новых признаков, включая стандартное отклонение степени вершины, может улучшить разделение графов в простых режимах. При этом исследование не утверждает, что небольшой универсальный набор признаков будет надежно работать для любых графов и вариантов QAOA. SCALAR также не является полностью автономной системой. Выбор признаков, интерпретация гипотез и оценка их значимости по-прежнему требуют участия человека и предметной экспертизы. https://forklog.com/cryptorium/chto-takoe-kvantovye-vychisleniya-i-kvantovye-kompyutery Напомним, в июле исследователь Энтони Чиаварелла впервые использовал квантовый процессор IBM для моделирования одного из фундаментальных процессов квантовой электродинамики — рождения пары частица-античастица под действием сильного электрического поля.

Διαβάστε την Αποποίηση Ευθυνών : Όλο το περιεχόμενο που παρέχεται εδώ στον ιστότοπό μας, τους υπερσυνδεδεμένους ιστότοπους, τις σχετικές εφαρμογές, τα φόρουμ, τα ιστολόγια, τους λογαριασμούς κοινωνικών μέσων και άλλες πλατφόρμες (“Site”) προορίζεται μόνο για τις γενικές πληροφορίες σας, που προέρχονται από τρίτες πηγές. Δεν κάνουμε καμία εγγύηση οποιουδήποτε είδους σε σχέση με το περιεχόμενό μας, συμπεριλαμβανομένης ενδεικτικά της ακρίβειας και της ενημέρωσης. Κανένα μέρος του περιεχομένου που παρέχουμε δεν αποτελεί οικονομική συμβουλή, νομική συμβουλή ή οποιαδήποτε άλλη μορφή συμβουλών που προορίζεται για τη συγκεκριμένη εμπιστοσύνη σας για οποιονδήποτε σκοπό. Οποιαδήποτε χρήση ή εξάρτηση από το περιεχόμενό μας είναι αποκλειστικά με δική σας ευθύνη και διακριτική ευχέρεια. Πρέπει να πραγματοποιήσετε τη δική σας έρευνα, να ελέγξετε, να αναλύσετε και να επαληθεύσετε το περιεχόμενό μας προτού βασιστείτε σε αυτά. Η διαπραγμάτευση είναι μια εξαιρετικά επικίνδυνη δραστηριότητα που μπορεί να οδηγήσει σε μεγάλες απώλειες, επομένως συμβουλευτείτε τον οικονομικό σας σύμβουλο πριν λάβετε οποιαδήποτε απόφαση. Κανένα περιεχόμενο στον ιστότοπό μας δεν προορίζεται να είναι παράκληση ή προσφορά