在實(shí)踐中構(gòu)建實(shí)用量子計(jì)算機(jī)的難度極高，這需要大幅提高量子計(jì)算機(jī)的規(guī)模、保真度、速度、可靠性和可編程性，才能充分發(fā)揮其優(yōu)勢(shì)。另外，還需要功能強(qiáng)大的工具以解決許多阻礙實(shí)現(xiàn)實(shí)用量子計(jì)算的復(fù)雜物理挑戰(zhàn)和工程難題。

AI 正在從根本上深入改變技術(shù)格局，重塑各行各業(yè)，并改變我們與數(shù)字世界的互動(dòng)方式。獲取數(shù)據(jù)和生成智能的能力為解決當(dāng)今社會(huì)面臨的一些極具挑戰(zhàn)性的問(wèn)題鋪平了道路。從個(gè)性化醫(yī)療領(lǐng)域到自動(dòng)駕駛汽車領(lǐng)域，AI 都處于技術(shù)變革的前沿，有望重新定義其未來(lái)，解決阻礙實(shí)用量子計(jì)算應(yīng)用的諸多棘手問(wèn)題。

量子計(jì)算機(jī)將與傳統(tǒng)超級(jí)計(jì)算機(jī)集成，加速解決政府、學(xué)界和產(chǎn)業(yè)相關(guān)問(wèn)題中的關(guān)鍵部分。NVIDIA 技術(shù)博客《量子加速超級(jí)計(jì)算介紹》中描述了這一關(guān)系。量子計(jì)算機(jī)與超級(jí)計(jì)算機(jī)集成所帶來(lái)的優(yōu)勢(shì)是互惠的，這種緊密集成也將使 AI 能夠幫助解決阻礙實(shí)用量子計(jì)算的最大挑戰(zhàn)。

本文將探討 AI 支持的量子計(jì)算的三個(gè)關(guān)鍵方面——處理器、糾錯(cuò)和算法，以及在構(gòu)建使 AI 能夠充分賦能量子計(jì)算的基礎(chǔ)設(shè)施時(shí)需要考慮的一些實(shí)際因素。

改進(jìn)量子處理器

量子處理器（QPU）堪稱物理學(xué)和工程學(xué)的奇跡，這種處理器由許多經(jīng)過(guò)微調(diào)的系統(tǒng)組成，用于保護(hù)和操縱量子比特（Qubit）。量子比特極其敏感，即便是最微小的噪聲源都可能破壞計(jì)算。操作量子處理器的關(guān)鍵之一是實(shí)現(xiàn)最優(yōu)控制，這可以確保對(duì)量子比特執(zhí)行的所有必要操作都能最大程度地減少噪聲。AI 是確定最優(yōu)控制序列的重要工具，可使量子處理器產(chǎn)生最高質(zhì)量的結(jié)果。

論文《基于圖形處理單元的自動(dòng)微分為量子最優(yōu)控制提供的加速》中介紹的基礎(chǔ)工作首次展示了 GPU 在加速量子最優(yōu)控制自動(dòng)微分方面的實(shí)用性。這項(xiàng)工作將使用 GPU 優(yōu)化 10 量子比特 GHZ 狀態(tài)的準(zhǔn)備速度提高了 19 倍。這也促成了論文《利用強(qiáng)化學(xué)習(xí)的無(wú)模型量子控制》中所述的工作成果，這篇文章探討了強(qiáng)化學(xué)習(xí)在量子最優(yōu)控制問(wèn)題中的應(yīng)用。

AI 已被應(yīng)用于許多其他量子設(shè)備運(yùn)行的操作中，例如校準(zhǔn)和量子比特讀出，證明了 AI 能夠在運(yùn)行過(guò)程中同時(shí)減少來(lái)自多個(gè)來(lái)源的噪聲。

糾正噪聲量子比特引起的錯(cuò)誤

即使是設(shè)計(jì)最好的量子硬件處理器，其量子比特噪聲水平也達(dá)不到運(yùn)行大多數(shù)算法所需的要求。理論上，量子糾錯(cuò)能夠解決這一問(wèn)題，因?yàn)樗梢韵到y(tǒng)地消除量子計(jì)算中的錯(cuò)誤，確保計(jì)算結(jié)果的可靠性。

量子糾錯(cuò)程序的步驟一般包括將量子信息編碼成邏輯量子比特（由多個(gè)噪聲物理量子比特組成）、對(duì)邏輯量子比特執(zhí)行算法運(yùn)算、解碼發(fā)生了哪些錯(cuò)誤（如有）以及糾正相應(yīng)的錯(cuò)誤。每個(gè)步驟都很復(fù)雜，需要高效執(zhí)行才能在任何量子信息丟失或損壞之前糾正錯(cuò)誤并完成計(jì)算。

研究人員認(rèn)識(shí)到 AI 成為實(shí)現(xiàn)多個(gè)量子糾錯(cuò)工作步驟的絕佳工具，是因?yàn)槠渚邆渌俣?、可擴(kuò)展性和復(fù)雜模式識(shí)別能力。例如，德國(guó)馬克斯普朗克研究所（Max Planck Institutes）與埃爾朗根-紐倫堡大學(xué)（the Friedrich Alexander University）聯(lián)合組建的一個(gè)團(tuán)隊(duì)利用強(qiáng)化學(xué)習(xí)發(fā)現(xiàn)了新的量子糾錯(cuò)碼及其各自的編碼器。詳細(xì)信息請(qǐng)閱讀論文《利用噪聲感知強(qiáng)化學(xué)習(xí)智能體同時(shí)發(fā)現(xiàn)量子糾錯(cuò)碼和編碼器》。

AI 還非常有希望被用于解碼步驟，比如谷歌最近研究了如何利用基于 Transformer 的遞歸神經(jīng)網(wǎng)絡(luò)來(lái)解碼被稱為表面代碼的標(biāo)準(zhǔn)量子糾錯(cuò)碼。如要了解更多信息，請(qǐng)查閱論文《使用遞歸的、基于變換器的神經(jīng)網(wǎng)絡(luò)解碼表面代碼的學(xué)習(xí)》。

圖 1. 量子計(jì)算工作流，其中

通過(guò) AI 實(shí)現(xiàn)的任務(wù)被標(biāo)注為綠色

開(kāi)發(fā)高效的量子算法

電路簡(jiǎn)化是量子工作流中的關(guān)鍵部分，可確保算法效率的最大化和所需資源的最小化。這項(xiàng)任務(wù)極其困難，通常情況下需要解決復(fù)雜的優(yōu)化問(wèn)題。而且在編譯針對(duì)特定物理設(shè)備及其獨(dú)特限制（如量子位拓?fù)浣Y(jié)構(gòu)）的算法時(shí)，復(fù)雜程度還會(huì)增加。

這個(gè)問(wèn)題相當(dāng)重要，以致于整個(gè)量子計(jì)算生態(tài)系統(tǒng)的主要參與者都在共同尋找通過(guò) AI 實(shí)現(xiàn)的電路簡(jiǎn)化技術(shù)。例如谷歌 DeepMind、Quantinuum 和阿姆斯特丹大學(xué)最近聯(lián)合開(kāi)發(fā)了減少量子電路中資源密集型 T 門(mén)數(shù)量的 AI 方法。其研究結(jié)果表明，在量子電路通用基準(zhǔn)集上，AI 能夠顯著改進(jìn)最先進(jìn)的 T 門(mén)減少技術(shù)。

量子算法設(shè)計(jì)的另一個(gè)問(wèn)題是要找到某些子程序（如狀態(tài)準(zhǔn)備）的高效實(shí)現(xiàn)方法。理論上，一些已知的量子算法有望提供加速，但前提是這一經(jīng)典問(wèn)題已經(jīng)被編碼為量子態(tài)。狀態(tài)準(zhǔn)備本身可能就是一項(xiàng)極具挑戰(zhàn)性的任務(wù)，所以不能想當(dāng)然。

化學(xué)就是一個(gè)典型的例子，即在計(jì)算分子量子態(tài)能量之前，必須有具備分子量子態(tài)的近似值。圣猶達(dá)兒童研究醫(yī)院、多倫多大學(xué)和 NVIDIA 合作開(kāi)發(fā)了一種使用生成式預(yù)訓(xùn)練的 Transformer（GPT）模型進(jìn)行分子狀態(tài)準(zhǔn)備的方法（圖 2）。這是 GPT 在量子算法設(shè)計(jì)中的首次應(yīng)用，可以推廣到化學(xué)以外的應(yīng)用領(lǐng)域。如要了解更多信息，參見(jiàn)《生成量子本征求解器（GQE）及其在基態(tài)搜索中的應(yīng)用。

圖 2. 生成式量子求解器方法

利用 GPT 為分子模擬準(zhǔn)備電路

探索適用于量子計(jì)算的 AI

只有利用 AI 的力量，才能使實(shí)用量子加速超級(jí)計(jì)算為科學(xué)家、政府和企業(yè)帶來(lái)價(jià)值。這一點(diǎn)的影響正變得日益明顯，并且加強(qiáng)著 AI 與量子專家之間的合作。

為了將 AI 有效用于量子開(kāi)發(fā)，就需要有新的工具，而且這些工具必須能夠促進(jìn)跨學(xué)科合作、針對(duì)每項(xiàng)量子計(jì)算任務(wù)進(jìn)行高度優(yōu)化，并充分利用量子加速的超級(jí)計(jì)算基礎(chǔ)設(shè)施中可用的混合算力。

NVIDIA 正在開(kāi)發(fā)軟硬件工具，以使量子 AI 達(dá)到實(shí)現(xiàn)實(shí)用量子加速的超級(jí)計(jì)算規(guī)模所需。