利用人工智能设计更优的量子电路

理论物理学家汉斯·布里格尔（Hans Briegel）课题组与英伟达（NVIDIA）合作，开发了一种能自动生成高效量子电路的人工智能方法，而量子电路正是让量子计算机走向实用的关键瓶颈。

该研究成果发表在《机器学习：科学与技术》期刊上，论文题为《基于多模态扩散模型的离散-连续量子电路合成》。

在量子计算机能够执行任何有实际用处的任务之前，必须先将量子算法转化为一系列基本的量子操作，即量子门。如何高效地编写这些量子电路，是该领域最棘手的开放性问题之一。

两年前，理论物理系戈尔卡·穆尼奥斯-希尔（Gorka Muñoz-Gil）带领的团队发布了一种新方法，利用机器学习生成模型，为特定的量子计算机找出执行某个量子操作所需的恰当量子门序列。

如今，因斯布鲁克的研究人员与英伟达以及英伟达 CUDA‑Q 量子-经典超级计算平台合作，对这一模型进行了改良，以生成高效的量子电路。该方法的关键创新在于，它能同时处理电路的结构选择（使用哪些量子门）以及这些门的数值参数。

由此生成的电路，比同类方法产生的电路要短得多。这对于当下充满噪声的量子硬件来说至关重要，因为每多一个量子门，就会多引入一分误差。

该方法的能力还有一个令人瞩目的体现：人工智能在没有被告知答案应该是什么样的情况下，独自重新发现了量子傅里叶变换的标准教科书电路。量子傅里叶变换是众多量子算法的基本构件。这表明，人工智能在整个量子计算技术栈中都展现出广阔的应用前景。

相关链接：https://dx.doi.org/10.1088/2632-2153/ae5b21