当前位置:

首页 > 硬件相关 > 量子计算遇上AI大脑:IBM研究院如何让语言模型"读懂"量子世界

量子计算遇上AI大脑:IBM研究院如何让语言模型"读懂"量子世界

IBM与MIT联合研究首次让语言模型直接理解量子算符,将256×256的泡利转移矩阵作为视觉令牌输入,实现4量子比特Clifford+T电路自回归合成。通过数据规模扩展和多次采样,合成成功率可达99.4%,全面超越贪心搜索、模拟退火等基线方法。

本文目录

    最近,IBM和MIT联合发布了一篇很有意思的研究,严格来说,它属于2026年6月的arXiv预印本。先不说别的,这篇工作的核心在于—让AI学会直接“看懂”量子操作的核心数学工具。

    大家都知道,像ChatGPT、GPT-4这种大模型(LLM),已经能在代码、数学、问答上秀出惊人的能力。另一边,量子计算也在快马加鞭,毕竟它承诺能解决那些经典计算机永远搞不定的问题。那么问题来了:能不能让这两个领域来个“梦幻联动”?让AI的大脑直接进入量子世界?

    问题的关键恰恰在于:现有所有方法,都只是让AI看“文字描述”——比如量子电路的名称、代码,或者门的列表。这就像让一个厨师只看菜名而不看食材——他永远无法真正理解这道菜的本质。量子操作的核心是一种叫“酉矩阵”的数学对象,它是一张布满复数的大表格,这才是量子计算的真正内涵。过去,没有任何系统能让AI直接“吞下”这种数学对象并加以理解。

    IBM的研究团队决定直接翻越这道墙。他们开发了一套方法,能把量子算符直接“翻译”成AI大脑能够理解的语言,并在此基础上完成量子电路的自动生成。这可以说是历史上第一次,有系统让语言模型能够直接基于量子算符本身进行推理,而不是只靠它的文字标签。直接说结论:这扇门,被推开了。

    一、量子电路合成:像拼乐高,但难度是地狱级别的

    要理解这项研究究竟解决了什么,咱们得先搞明白“量子电路合成”到底是个啥。

    量子计算机执行任务时,依靠的是一系列量子门操作。你可以把它们想象成乐高积木。每一种量子操作(也就是一个酉矩阵)都需要用这些基础积木搭出来。“量子电路合成”其实就是给你一个目标形状(目标酉矩阵),要你找出用哪些积木、按什么顺序拼,才能还原出这个形状。

    听起来挺简单?错。难就难在这里:可用的积木有256种。每多塞一块积木,搜索空间就直接乘以256。如果电路长度是15块积木,理论上需要搜索的可能性超过256的15次方。这已经是个天文数字,任何暴力搜索在这个问题面前都会直接趴下。

    这篇论文具体研究的是“4量子比特Clifford+T电路合成”,使用的是一种叫“泡利旋转门集”的框架。每个量子门可以用一个4字母的字符串来表示(比如“XIIX”或“ZIII”),4量子比特下,一共有256种不同的门。目标就是找到一串门的序列,使其组合起来近似等于给定的目标量子操作。研究团队用一个叫“泡利转移矩阵”(PTM)的东西来表示量子操作,它是一个256×256的实数矩阵。好处是不含复数,而且对全局相位不敏感,非常适合作为神经网络的输入。

    为了衡量合成进行到哪一步了,研究团队引入了一个叫“保真度”的指标。保真度等于1意味着完美合成,研究中把大于等于0.999视为合成成功。

    二、给AI大脑装上“量子眼睛”:核心技术架构

    这里可以用一个很贴切的类比来理解整个技术框架。

    我们都知道,现代多模态AI(比如能看图说话的AI)是这样工作的:把一张图片分割成小块,每一小块通过一个“翻译官”变成AI大脑能理解的数字向量,然后这些向量和文字一起送进AI大脑,AI就能同时理解图和文字了。这篇论文的核心创新,就是把这套“图文结合”的方法,移植到了“量子操作+文字”的组合上。

    具体来说,系统首先把那个256×256的PTM矩阵当成一张“图片”来处理。这张“图片”被切割成若干个16×16的小块,一共得到256个小块,每个小块就像图像中的一个像素区域。每个小块通过一个轻量级的线性变换层(加上层归一化和位置编码)被转换成一个768维的向量——这些向量就是“视觉令牌”,你可以理解为量子操作的“视觉语言”。

    紧接着,一个两层的MLP(多层感知机,就是一个小型神经网络)把这些视觉令牌进一步映射到语言模型的“词嵌入空间”——也就是AI大脑理解文字时所用的内部数字表示空间。这整个“翻译”过程引入的参数量大约为1400万,还不到整个系统总参数量的0.4%,非常轻量。

    这256个“量子视觉令牌”会被拼接到文字令牌的前面,一起送入语言模型。文字部分包含两类信息:一是当前的“上下文”——即目前的保真度和已经预测出的前几个门;二是一段“指令前缀”——告诉AI大脑要用指定的门集来合成这个量子操作。

    整个系统以IBM的Granite 4.0 Micro(30亿参数)作为语言模型骨干,整体设计灵感来自视觉语言模型(比如LLaVA),但服务对象从图像换成了量子算符。

    三、像剥洋葱一样一步步合成电路:自回归推理机制

    系统的工作方式不是一次性预测整条电路,而是像剥洋葱一样,每次只预测一层。

    具体流程是这样的:目标量子操作U可以分解为一系列门的乘积,比如U = g14 × g13 × … × g1 × g0,其中g0最先作用于量子态。系统从最后一个门开始,逐步向前预测。在每一步,系统看到的是“残差PTM”——也就是目标中尚未被合成出来的部分。

    预测出一个门g_hat后,系统会用这个门的PTM的逆(在PTM框架下,逆就是转置)从左边乘上残差PTM,得到新的残差PTM,然后重新编码送入系统,预测下一个门。这个过程一直持续,直到残差PTM的保真度超过阈值,系统会输出一个特殊的“END”令牌,表示合成完成。

    这种设计有一个妙处:系统不需要在自己的“记忆”里维持整个合成状态,因为每一步都会重新算出当前的残差PTM并重新编码。换句话说,残差PTM就像一块实时更新的“小黑板”,每一步都在告诉系统还剩多少活儿没干完。系统只需要专注于当下这一步:看着黑板,预测下一个最合适的门。

    训练数据的生成方式利用了一个天然的“不对称性”:给你一串门,算出它的PTM很容易;但给你一个PTM,找出对应的门序列很难。于是研究团队随机采样了大量长度在1到15个门之间的电路,正向计算PTM,然后把每一个分解步骤作为一条训练样本。每步都是独立的“看残差PTM预测下一个门”任务,用标准的下一个令牌预测损失(也就是语言模型最常用的训练目标)来优化。

    训练分两个阶段进行。第一阶段冻结语言模型,只训练视觉编码器和MLP映射层,让量子视觉令牌先和语言模型的表示空间对齐,大约训练7000步。第二阶段解冻所有参数一起训练,但语言模型用较低的学习率,视觉部分用大约4倍于语言模型的较高学习率,并采用“热身-稳定-衰减”的学习率调度策略。

    四、数据越多,效果越好:规模化实验结果

    研究团队在4量子比特、1到15个门长度的电路上进行了系统性的数据规模实验,所有超参数保持不变,只改变训练电路数量。结果相当清晰地展示了一条向上的曲线。

    从14.5万条训练电路开始,合成成功率仅有23.4%,平均保真度0.477。随着数据量翻倍,成功率稳步上升:28.7万条时25.5%,57.5万条时跃至37.3%,115万条时达到58.1%,230万条时62.9%,460万条时66.7%,920万条时71.0%。整体上看,从最少到最多数据,成功率提升了超过3倍,而且没有出现任何停滞的迹象,说明继续增加数据有望带来进一步提升。

    更有意思的是,研究团队还尝试了在门长度维度上扩展:先用920万条1到15门电路训练好的模型作为起点,再用额外的460万条1到30门电路继续训练。这个“更长电路”模型在同样的1到15门测试集上达到了87.9%的成功率,比仅在1到15门电路上训练的9.2M模型高出近17个百分点。这说明让模型见识更长的电路,能显著提升它处理较短电路的能力——就像练过马拉松的人跑5公里会更轻松一样。

    五、多试几次,成功率直冲99.4%:推理时的规模化

    语言模型有一个天然优势:它可以通过“多次采样”来提高成功率。这就好比让一个学生考试时有机会做多份卷子,然后选最好的那份。

    研究团队在同一个目标电路上运行N次独立合成尝试:第1次用贪心解码(每步选概率最高的门),后续N-1次用温度为0.7的随机采样(引入一些随机性来探索不同路径),然后从N次结果中选保真度最高的那个。

    结果非常亮眼。仅用贪心解码(N=1),成功率为87.9%。N=3时升至92.7%,N=5时94.5%,N=10时97.1%,N=80时达到99.4%。提升幅度随N的增长大致呈对数线性,而且主要集中在较长的电路(11到15门)上,因为在这些情况下贪心路径更容易走错,而随机探索能找到贪心方法错过的正确路径。

    这说明系统学到的不只是一种固定的合成策略,而是一个覆盖多种可能路径的概率分布——即使贪心路径失败,模型仍然给正确路径分配了有意义的概率,随机采样就能把它挖掘出来。在一块NVIDIA H100 GPU上,单次合成大约需要1秒,80次尝试大约80秒,计算代价完全在可接受范围内。

    六、与其他方法的正面对决:全面超越基线

    研究团队将系统与四个基线方法进行了比较,测试对象是2000条保留的1到15门电路。

    首先是“贪心搜索”:在每一步枚举256种可能的门,每步选保真度提升最多的那个,重复256次。这个方法整体成功率仅有13.8%,在超过3门的电路上基本崩溃,因为局部最优经常不是全局最优。

    其次是SynthetiQ,一种基于模拟退火的搜索方法,使用100秒时间预算和48个CPU线程。它在1到6门电路上表现接近完美,但在13门及以上完全失效,整体成功率62.7%。

    第三是Rietsch等人的强化学习方法(Gumbel AlphaZero),整体成功率约83.7%,在短路上表现强劲,但在13门以上急剧下滑。

    第四是Theissinger等人的MDL束搜索方法,整体约68.8%,在短路上不如强化学习,但在长路上更稳定,每样本耗时约1秒。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 量子计算
    相关文章 更多
    今年,量子计算融资爆发!产业资本身影频现
    今年,量子计算融资爆发!产业资本身影频现

    2026年以来量子计算融资爆发,量旋科技完成10亿元D轮融资,半年累计20亿元成为独角兽。一季度国内量子赛道融资超32亿元,产业资本频频入局。但行业仍处工程化早期,暂无企业实现正向盈利,需理性看待。

    上海量子计算未来产业培育区启动,有何“量子雄心”? 科创观察员
    上海量子计算未来产业培育区启动,有何“量子雄心”? 科创观察员

    上海量子计算未来产业培育区启动,首批26家企业入驻,聚焦中性原子主赛道。徐汇区集聚近30家量子企业,估值超200亿元,发布专项措施最高支持1亿元,目标三年内估值突破千亿。

    曝三星整合量子计算和AI,在芯片代工上追赶台积电
    曝三星整合量子计算和AI,在芯片代工上追赶台积电

    三星子公司SamsungSDS牵头,计划2026年下半年验证量子计算与AI融合的光刻仿真技术,旨在通过新算法压缩光刻蚀刻成本与时间,提升芯片密度和良率,以追赶台积电。

    微软CEO纳德拉:量子计算不会取代经典计算,二者结合才能成事
    微软CEO纳德拉:量子计算不会取代经典计算,二者结合才能成事

    微软首席执行官纳德拉强调指出,量子计算不会取代经典计算,二者必须有机结合才能发挥更大作用。与此同时微软预计2030年前造出实用量子计算机,这将为材料科学、新药研发等领域带来极其深远而重大的变革。

    IBM(IBM.US)量子计算重大突破!携手美国国家实验室攻克聚变能源燃料生产关键计算
    IBM(IBM.US)量子计算重大突破!携手美国国家实验室攻克聚变能源燃料生产关键计算

    IBM联合美国橡树岭国家实验室及克利夫兰诊所,利用量子计算机成功计算出生产聚变燃料氚所需关键材料的九种分子构型,该成果被视为优化氚生产与提取的基础性一步,有助于解决聚变电站商业化中的燃料供应障碍。

    冷原子量子计算北京市重点实验室揭牌
    冷原子量子计算北京市重点实验室揭牌

    冷原子量子计算北京市重点实验室在北京亦庄揭牌,由清华大学等单位联合组建,聚焦量子整机研发等方向,推动从基础研究到产业应用。清华团队近期实现11000个原子稳定捕获,打破世界纪录,并开发出毫米量级高协同度光学腔。

    全球量子计算研究进入关键跨越期
    全球量子计算研究进入关键跨越期

    量子计算正从理论探索迈向实用化,进入关键跨越期。多国加强政策与资金投入,中美已实现量子计算优越性,目标打造容错量子计算机。谷歌计划2029年交付实用能力,欧盟、日本等也加大投入,全球投资超557亿美元。但面临技术壁垒与过度炒作等阻碍,需全球合作与耐心。

    国际观察|全球量子计算研究进入关键跨越期
    国际观察|全球量子计算研究进入关键跨越期

    全球量子计算研究进入关键跨越期,多国竞相投入。容错量子计算机成为核心目标,中美已实现“量子计算优越性”。需警惕技术封锁与过度炒作,倡导全球开放合作。

    菱方堆垛有什么用?
    菱方堆垛有什么用?

    菱方堆垛石墨烯因强电子关联特性,电子可集体呈现超导、磁性等奇异行为。研究团队将其纯度提升至99%以上,尺寸达百微米级,为拓扑量子比特和室温超导体的研发提供了关键材料基础。

    活力中国调研行 | 量子密钥“飞入寻常百姓家”
    活力中国调研行 | 量子密钥“飞入寻常百姓家”

    中电信量子集团推出量子安全能力开放平台“Q-Link”,采用密钥即服务模式,通过标准化SDK向千行百业输出量子级防护,按需付费降低部署成本,已覆盖全国超40个城市,推动量子密钥普及。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。