Новый класс квантовых алгоритмов для матричных функций создан с помощью ИИ
Научная группа на платформе arXiv опубликовала исследование, в котором показано, как ИИ-система AIM помогла математикам перейти от неформальной идеи к новому классу квантовых алгоритмов. Работа посвящена sign-embedding алгоритмам для матричных уравнений и функций — фундаментальных инструментов квантовой линейной алгебры.
Обычно ИИ в математике оценивают по способности решать уже поставленные задачи. В данном случае всё началось раньше: человек заметил, что рациональная аппроксимация особенно эффективна для функций типа sign (знак), и предположил, что это может стать основой для квантовых алгоритмов. ИИ-система, встроенная в AIM, помогла развить эту догадку в целостную карту путей, сравнить разные формулировки и прийти к sign-embedding как центральной концепции.
AIM также связала известное матричное тождество со знаковой функцией с более широким классом матричных уравнений и матричных функций, а также подготовила черновики доказательств и оценок сложности. Однако ключевые научные решения остались за человеком: выбор направлений, отклонение приближения Кэли-трапеции из-за скрытых условий и доработка реализации уравнения Сильвестра.
Исследователи подчёркивают, что подобные системы ценны не как самостоятельные «доказыватели теорем», а как партнёры на этапах постановки задачи, поиска связей, вывода и критической проверки под контролем человека. Работа демонстрирует синергию, когда интуиция учёного сочетается с вычислительными способностями ИИ.
Полученные алгоритмы могут найти применение в квантовых вычислениях для решения систем линейных уравнений, моделирования операторов и других задач, где важна работа с матричными функциями. Это шаг к более эффективным и масштабируемым квантовым алгоритмам.
