The Signal
Gli agenti AI di Phasecraft riducono i costi in tre benchmark quantistici
I ricercatori riferiscono costi misurati inferiori in tre compiti di compilazione per la simulazione quantistica, usando agenti AI affiancati da verificatori fissati in anticipo. I risultati riguardano i conteggi delle risorse nei benchmark
Quantum.world Team · Scritto con l’IA · verificato ·
«In ciascuno dei tre compiti, gli agenti hanno migliorato sensibilmente le costruzioni pubblicate o standard, riducendo il costo ottimizzato fino al 73% per le dimensioni maggiori esaminate e superando un ottimizzatore allo stato dell’arte per le codifiche da fermioni a qubit.»
Scrivono Marcos Crichigno e Steve Flammia, autori dell’articolo.
I ricercatori di Phasecraft Marcos Crichigno e Steve Flammia riferiscono miglioramenti in tre compiti di compilazione per la simulazione quantistica in un articolo presentato ad arXiv il 22 ottobre. Gli agenti di programmazione, basati su modelli Claude, cercano programmi che costruiscano codifiche e circuiti meno costosi. I risultati consistono in miglioramenti dei conteggi delle risorse misurati, non in dimostrazioni su hardware quantistico.
I verificatori fissati in anticipo stabiliscono le regole
Il metodo affianca alla ricerca dell’agente un verificatore che controlla la correttezza di ogni soluzione proposta. Prima che gli agenti competano, un agente distinto costruisce il compito e il valutatore insieme a un ricercatore; il verificatore deve superare test su un caso risolto, su soluzioni deliberatamente errate e su risultati pubblicati. Il ricercatore lo approva e il valutatore viene fissato prima che inizino le presentazioni delle soluzioni.
Questa fase di verifica ha modificato sia i benchmark sia le soluzioni. Durante la validazione, gli autori hanno trovato errori nelle prime versioni di due valutatori, tra cui uno che avrebbe potuto accettare un circuito che realizzava l’operatore unitario sbagliato alla metà del costo. Hanno anche scoperto che un benchmark pubblicato per la codifica fermionica non era ottimale secondo la valutazione corretta.
Gli autori riferiscono 19 soluzioni presentate dagli agenti e accettate nei tre compiti: 15 per la codifica da fermioni a qubit, tre per la disposizione dell’hamiltoniana e una per la sintesi unitaria. Ciascuna è stata eseguita in una sandbox isolata, senza accesso alla rete, con una CPU, 512 MB di memoria e un limite di 30 secondi per istanza. Una soluzione presentata veniva conteggiata solo se tutte le istanze per cui dichiarava la riuscita superavano il verificatore fissato in anticipo.
Una codifica su 225 siti riduce il peso di Pauli
Per la codifica da fermioni a qubit, gli agenti hanno cercato modi di rappresentare un’hamiltoniana fermionica mediante operatori di Pauli, riducendone il peso di Pauli totale. Su un reticolo quadrato di 15 per 15 siti, il risultato migliore ha ottenuto un punteggio di 10.749, contro 17.025 per la codifica di Jordan–Wigner: una riduzione del 37%. Per quella dimensione ha inoltre migliorato del 23% il risultato dell’ottimizzatore allo stato dell’arte usato come termine di confronto nell’articolo.
Il peso di Pauli conta i fattori degli operatori diversi dall’identità e funge da misura del costo dell’hamiltoniana codificata. Non è, di per sé, una misura del tempo di esecuzione complessivo né delle prestazioni di un algoritmo completo su un dispositivo. L’articolo osserva inoltre che il peso totale e il peso individuale massimo possono comportare un compromesso: nessuna singola codifica deteneva entrambi i primati.
Il risparmio di gate SWAP dipende dalla griglia
Il compito relativo alla disposizione dell’hamiltoniana misura quanti gate SWAP servono per portare i qubit interagenti l’uno accanto all’altro su una griglia. Rispetto a una rete di scambi standard, le soluzioni migliori hanno ridotto il conteggio del 90% sulle griglie 3 per 3 e del 73% sulle griglie 8 per 8. Sulle griglie 8 per 8, la soluzione migliore ha richiesto in media 552 gate SWAP su nove istanze, contro 2.016 per la rete di riferimento.
Questi risparmi non si estendono a ogni metrica dei circuiti. La rete di riferimento aveva ancora la profondità di circuito più bassa sulle griglie da 4 per 4 in su, perché gli agenti ottimizzavano il numero di gate SWAP, non la profondità. Gli autori avvertono inoltre che la rete di riferimento non sfrutta la struttura del grafo delle interazioni, lasciando margine per migliorarla con metodi di instradamento che tengano conto del grafo.
I miglioramenti nel conteggio dei CNOT provengono da un test circoscritto
Per la sintesi unitaria, gli agenti hanno ridotto il numero di gate CNOT nei circuiti a polinomi di fase fino al 66% rispetto alla sintesi standard. A otto qubit, un’operazione bersaglio diagonale ha richiesto 23 gate CNOT anziché 46; un’operazione bersaglio con una mappa lineare aggiunta ne ha richiesti 25 anziché 73. Ricerche esaustive hanno stabilito che i circuiti presentati erano ottimali per i casi esaminati fino a quattro qubit.
Il compito a otto qubit comprende un solo bersaglio per dimensione, quindi gli autori descrivono i risultati come costruzioni per singole istanze, anziché come un algoritmo di sintesi generale. Più in generale, il loro metodo si applica solo quando una soluzione può essere verificata in modo esatto ed efficiente su un computer classico e il punteggio è deterministico. I miglioramenti riferiti riguardano specificamente il peso di Pauli, il numero di gate SWAP e il numero di gate CNOT nelle condizioni di questi benchmark.