英伟达和IBM搞事情！主攻“量子计算+AI”

内容来源：量子前哨（ID：Qforepost）

文丨娴睿/慕一  排版丨沛贤

深度好文：2000字丨8分钟阅读

Ismael Faro是一位计算机工程师，自2015年以来，他就成为开发IBM量子软件生态系统的重要人物。从2016年将第一台量子计算机上云，到推出Qiskit，并参与整合经典计算和量子计算，Faro在软件服务方面具备丰富的专业知识，这对于量子计算机的研发落地至关重要。

作为量子服务和数据部门副总裁，Faro目前负责利用AI来简化并优化整个量子软件堆栈。在近期的采访中，他谈到了这一新兴领域。

 （采访现场，图片来自网络）

据Faro解释，其核心目标是“如何利用AI来改进量子部分，以及如何将AI融入经典计算来改进经典部分，以便最终在量子计算机中取得更好的结果。”

一个有力的例子就是由AI驱动的新型转译器服务。

Faro说：“把问题放在AI模型面前，通过强化学习，AI会尝试找到更好的路径。”通过对大量量子电路数据进行AI模型训练，转译器可以发现超越经典方法的新型优化策略。正如 Faro 所言：“当你看到AI模型如何解决问题时，你将感到意外，这很有趣。”

不过Faro强调，这需要融合多个专业领域的跨学科知识。“我们密切关注着转译理念、AI和启发算法之间的联系，”他说道，“当我们与业内人士交谈，他们会说‘我要向你提出更高层次的挑战。’”

 （图片来自网络）

Faro认为，从用户体验的角度来看，AI在简化整个量子工作流程方面发挥着越来越重要的作用。他表示，“今明两年，我们将继续添加小组件以提升用户体验。”他还提到即将推出的功能，如由AI指导的代码优化建议。

但其潜力远不止于此。“从长远来看，我们需要使用AI来协调经典计算和量子计算之间的所有资源，”Faro说道，他设想，随着量子计算扩展到包含各种量子比特数量的多个设备，智能地协调并分配经典和量子资源势在必行。

Faro还强调，“量子纠错是我们致力于探索如何利用AI来改进的领域。”鉴于量子纠错的复杂性，我们可能利用AI发现新技术以推动该领域的发展。

在采访中，Faro明确表示，AI对于解锁量子计算的下一个前沿应用不可或缺。Faro总结道：“经典计算的软件中支持量子计算融合的部分，都可能是AI有潜力改进的地方。”

随着量子软件栈日益庞大和复杂，在多个集成点注入AI对于提供简化用户终端体验，同时协调量子和经典工作负载至关重要。Faro 的团队正在开创这种以AI为中心的方法，以便塑造一个经典-量子模型的未来。

AI之于量子计算的作用，正如NVIDIA HPC 的技术营销工程师Mark Wolf所言，“AI处于技术革命的前沿，有望重新定义未来，包括解决许多阻碍实用量子计算发展的挑战性问题。”

NVIDIA HPC 的技术营销工程师Mark Wolf，图片来源：网络

他认为，AI将在以下方面促进量子计算的发展：

1、改进量子处理器。量子处理器 (QPU)是物理学和工程学的奇迹，由许多用于保护和操纵量子比特 (qubit) 的精细化调节系统组成。量子比特极其敏感，哪怕是最轻微的噪声源都可能影响计算。所以最优控制是操作量子处理器的一个关键方面，可确保以尽可能弱化噪声的方式对量子比特执行必要的操作。AI是确定最优控制序列的重要工具，可由量子处理器产生尽可能高质量的结果。

AI已经应用于量子设备操作的许多其他方面，如校准和读取量子比特，证明了其在运行过程中同时降低多来源噪声的实用性。 

2、即使设计最精良的量子硬件处理器，也会出现量子比特抗噪水平达不到运行大多数算法所需要求的情况。理论上的解决方案是量子纠错，这是一种系统地排除量子计算中的错误，确保结果可靠的过程。

量子纠错程序的一般步骤包括将量子信息编码为逻辑量子比特、对逻辑量子比特执行算法操作、解码并纠正产生的错误。每个步骤都很复杂，需要高效执行，以便在任何量子信息丢失或损坏之前纠正错误并完成计算。 

研究人员认识到，AI具有优良的速度、可扩展性和复杂模式识别能力，这使AI成为实现量子纠错工作流程许多部分的绝佳工具。例如，来自德国马克斯·普朗克研究所和弗里德里希-亚历山大大学（FAU）的团队利用强化学习发现了新的量子纠错码及其各自的编码器。

解码步骤是AI的另一个量子应用方向，例如谷歌最近研究探索了如何使用基于变压器的循环神经网络来解码标准量子纠错码。

3、开发高效的量子算法。简化电路是量子工作流程的关键部分，可确保算法尽可能高效。这项任务极其困难，通常需要解决复杂的优化问题。当为特定物理设备及其独特约束（如量子比特拓扑）编译算法时，复杂性会增加。

这个问题非常关键，以至于整个量子计算生态系统的主要参与者都在联手寻找支持AI的电路缩减技术。例如，Google DeepMind、Quantinuum 和阿姆斯特丹大学最近联手开发了用于减少量子电路中资源密集型T门数量的AI方法。实验结果表明，AI可以在一组常见的基准量子电路上极大地改进最先进的 T 门缩减技术。

参考资料：

https://thequantuminsider.com/2024/06/14/how-classical-ai-is-saving-quantum-computing-a-talk-with-ibms-ismael-faro/

https://developer.nvidia.com/blog/enabling-quantum-computing-with-ai/

特此说明：量子前哨翻译此文仅作信息传递和参考，并不意味着同意此文中的观点与数据。

——end——