在實踐中構建一臺有用的量子計算機極具挑戰性。需要在量子計算機的規模、保真度、速度、可靠性和可編程性方面進行重大改進，以充分實現其優勢。需要強大的工具來幫助解決許多復雜的物理和工程挑戰，這些挑戰阻礙了有用的量子計算。
人工智能 (AI) 正在從根本上改變技術格局，重塑行業，改變我們與數字世界的互動方式。獲取數據和生成情報的能力為解決當今社會面臨的一些最具挑戰性的問題鋪平了道路。從個性化醫療到自動駕駛汽車，人工智能正處于一場有望重新定義未來的技術革命的前沿，其中包括許多阻礙有用量子計算的挑戰性問題。
量子計算機將與傳統超級計算機集成，加速解決與政府、學術界和工業相關的挑戰性問題的關鍵部分。如 量子加速超級計算導論所述，這種關系將帶來雙贏的優勢。將量子計算機與超級計算機集成不僅能夠加速解決復雜問題，還將使人工智能能夠幫助解決阻礙有用量子計算的最重要挑戰。
這篇文章探討了人工智能支持的量子計算的三個關鍵方面——處理器、糾錯和算法。它還探討了構建人工智能可以最有效地實現量子計算的基礎設施的一些實際考慮因素。
改進量子處理器
量子處理器，或 QPUs，是由許多用于保護和操縱量子比特（量子位）的微調系統組成的物理和工程奇跡。由于量子位非常敏感，最輕微的噪聲源都會破壞計算，因此最優控制是操作量子處理器的一個關鍵方面。它確保以最小化任何噪聲的方式對量子位執行所有必要的操作。人工智能是確定最佳控制序列的重要工具，可以從量子處理器中產生盡可能高質量的結果。
基礎工作介紹于 基于圖形處理單元的自動微分加速量子最優控制 首先展示了 GPU 在加速量子最優控制的自動微分方面的實用性。這項工作使用 GPU 優化了 10 量子比特 GHZ 狀態的制備，實現了 19 倍的加速。隨后，這項工作的成果被應用于 具有強化學習的無模型量子控制，探討了強化學習在量子最優控制問題中的應用。
人工智能已經應用于量子器件操作的許多其他方面，如 calibration 和量子位讀出，這些應用證明了人工智能在操作過程中減少來自多個來源的噪聲的實用性。
校正噪聲量子位的誤差
即使是設計最好的量子硬件處理器，其量子比特噪聲水平也低于運行大多數算法所需的要求。對此的理論解決方案是量子糾錯，這是一種系統地從量子計算中消除誤差并確保可靠結果的過程。
量子糾錯程序的一般步驟包括將量子信息編碼為邏輯量子位（由多個有噪聲的物理量子位組成），對邏輯量子位數執行算法操作，解碼發生的錯誤（如果有的話），并糾正適當的錯誤。每個步驟都很復雜，需要有效地執行，以便在任何量子信息丟失或以其他方式損壞之前糾正錯誤并完成計算。
研究人員認識到，速度、可擴展性和復雜模式識別的能力使人工智能成為實現量子糾錯工作流程許多部分的絕佳工具。例如，德國馬克斯·普朗克研究所和弗里德里希·亞歷山大大學的一個團隊通過強化學習發現了新的量子糾錯碼及其各自的編碼器。有關詳細信息，請參閱 利用噪聲感知強化學習代理同時發現量子糾錯碼和編碼器。
解碼步驟是人工智能的另一個有希望的目標，例如谷歌最近的工作，該工作探索了如何使用遞歸的、基于變換器的神經網絡來解碼標準量子糾錯碼，即表面代碼。欲了解詳細信息，請參閱 使用遞歸的、基于變換器的神經網絡解碼表面代碼的學習。
開發高效的量子算法
電路縮減是量子工作流程的關鍵部分，確保算法盡可能高效，并需要最少的資源。這項任務極其困難，通常需要解決復雜的優化問題。當為特定物理設備及其獨特約束（如量子位拓撲）編譯算法時，復雜性會增加。
這個問題極其重要，以至于量子計算生態系統的主要參與者正在合作尋找人工智能電路簡化技術。例如，谷歌 DeepMind、Quantinuum 和阿姆斯特丹大學最近合作 開發了一種人工智能方法，以減少量子電路中資源密集型 T 門數量 他們的研究結果表明，在一組通用的量子電路基準上，人工智能可以顯著改進最先進的 T 門減少技術。
量子算法設計的另一個問題是找到某些子程序的有效實現，如狀態準備。有一些已知的量子算法承諾理論上的加速，但假設經典問題已經被編碼為量子態。國家準備本身可能是一項極具挑戰性的任務，不能想當然。
化學是一個很好的例子，在計算分子量子態的能量之前，必須對其進行良好的近似。多倫多大學圣猶達兒童研究醫院和 NVIDIA 合作開發了一種使用生成預訓練變換器（GPT）模型進行分子狀態制備的方法（圖 2）。這是 GPT 在量子算法設計中的首次應用，可以推廣到化學以外的應用。要了解更多信息，請參閱 生成量子本征求解器及其在基態搜索中的應用。
探索量子計算的人工智能
只有利用人工智能的力量，才能實現實用的量子加速超級計算為科學家、政府和企業提供的價值。這一點越來越明確，并推動人工智能與量子專家之間的更大合作。
用于量子開發的有效人工智能需要新的工具來促進多學科協作，對每個量子計算任務進行高度優化，并充分利用量子加速超級計算基礎設施中可用的混合計算能力。
NVIDIA 正在開發硬件和軟件工具，以實現人工智能在量子加速超級計算所需的規模上實現量子化。欲了解更多信息，請訪問 NVIDIA 量子計算。
