在实践中构建一台有用的量子计算机是一项极其艰巨的任务。需要在量子计算机的规模、保真度、速度、可靠性和可编程性方面进行重大改进，以充分实现其优点。需要强大的工具来帮助解决阻碍有用量子计算的许多复杂物理和工程挑战。
人工智能正在从根本上改变技术景观，重塑行业，改变我们与数字世界的互动方式。获取数据和生成情报的能力为解决当今社会面临的一些最具挑战性的问题铺平了道路。从个性化医疗到自动驾驶汽车，人工智能处于技术革命的前沿，这场技术革命有望重新定义未来，其中包括许多阻碍有用量子计算的挑战性问题。
量子计算机将与传统超级计算机集成，并加速解决与政府、学术界和工业相关的挑战性问题的关键部分。这种关系在中进行了描述量子加速超级计算简介将量子计算机与超级计算机集成的优点是相互的，这种紧密集成也将使人工智能能够帮助解决阻碍有用量子计算的最重要挑战。
本文探讨了AI支持的量子计算的三个关键方面——处理器、纠错和算法。它还探讨了建立人工智能可以最有效地实现量子计算的基础设施的一些实际考虑因素。
改进量子处理器
Quantum处理器，或QPU（质量保证单位）是由许多用于保护和操作量子比特（qubit）的微调系统组成的物理和工程奇迹。量子比特非常敏感，最轻微的噪声源会破坏计算。优化控制是操作量子处理器的一个关键方面，它确保所有必要的操作都以最小化任何噪声的方式在量子比特上执行。AI是一种重要的工具，用于确定最佳控制序列，从而从量子处理器中产生尽可能高质量的结果。
基础工作介绍基于图形处理单元的自动微分加速量子最优控制首先演示了GPU用于加速量子最优控制的自动微分的实用性。这项工作使用GPU优化10量子比特GHZ态的制备，导致19倍的加速。这导致了具有强化学习的无模型量子控制，探索了强化学习在量子最优控制问题中的应用。
人工智能已经应用于量子设备操作的许多其他方面，例如校准和量子位读出，演示其在操作过程中同时降低多个来源的噪音的实用性。
修正含噪量子位的错误
即使是设计最好的量子硬件处理器，其量子比特噪声水平也会低于运行大多数算法所需的要求。这一问题的理论解决方案是量子误差修正，这是一种系统地消除量子计算中的误差并确保结果可靠的过程。
量子纠错过程的一般步骤包括将量子信息编码为逻辑量子比特（由多个带噪物理量子比特组成），对逻辑量子比特执行算法操作，解码发生的错误（如果有），以及纠正适当的错误。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，速度、可扩展性和复杂模式识别的能力使人工智能成为实现量子纠错工作流程许多部分的绝佳工具。例如，马克斯·普朗克研究所和德国弗里德里希·亚历山大大学的一个团队利用强化学习来发现新的量子纠错码及其各自的编码器。有关详细信息，请参阅用噪声增强学习代理同时发现量子纠错码和编码器.
解码步骤是人工智能的另一个有希望的目标，谷歌最近的工作就是一个例证，该工作探索了如何使用基于变换器的递归神经网络来解码一个称为地面代码。有关更多信息，请参阅学习使用基于递归变换的神经网络解码表面代码.
图1。带有绿色标记的支持AI的任务的量子计算工作流
开发高效的量子算法
电路简化是量子工作流的一个关键部分，确保算法尽可能高效且所需资源最少。这项任务非常困难，通常需要解决复杂的优化问题。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。
这个问题如此重要，以至于来自量子计算生态系统的主要参与者正在合作寻找支持人工智能的电路简化技术。例如，谷歌DeepMind、Quantinum和阿姆斯特丹大学最近合作开发人工智能方法，以减少量子电路中资源密集型T门的数量他们的结果表明，AI可以在一组通用的量子电路基准上实现比最先进的T门简化技术更大的改进。
量子算法设计的另一个问题是寻找某些子程序的有效实现，如状态准备。已知的量子算法承诺理论上的加速，但假设经典问题已经编码为量子状态。国家准备本身可能是一项极具挑战性的任务，不能想当然。
化学是一个很好的例子，在计算分子量子态的能量之前，必须准备好一个良好的近似值。多伦多大学圣犹德儿童研究医院和NVIDIA合作开发了一种使用生成预处理变压器（GPT）模型进行分子状态制备的方法（图2）。这是GPT在量子算法设计中的首次应用，可以推广到化学以外的应用。要了解更多信息，请参阅生成量子特征解（GQE）及其在基态搜索中的应用。
图2。生成量子特征解方法利用GPT为分子模拟准备电路
探索用于量子计算的AI
只有利用人工智能的力量，才能实现实用的量子加速超级计算为科学家、政府和企业提供的价值。这一点越来越明确，并促进了人工智能和量子专家之间的更大合作。
有效的量子人工智能开发需要新的工具来促进多学科协作，对每个量子计算任务进行高度优化，并充分利用量子加速超级计算基础设施中可用的混合计算能力。
NVIDIA正在开发硬件和软件工具，使AI能够在实现实际量子加速超级计算所需的规模上进行量子计算。访问NVIDIA量子计算了解更多信息。
