在最近一项新的研究中，谷歌DeepMind公司证明了其人工智能技术可以帮助加速量子计算机的发展，这在整合两种最具颠覆性的技术方面又向前迈进了一步。DeepMind与总部位于英国的Quantinuum公司合作，解决了容错量子计算机的一项关键挑战：减少T门的数量。

T门是实现量子电路的关键，而量子电路是通过操作量子比特来执行算法的门网络。然而，T门也是该网络中最“昂贵”、最耗费资源的门。

为了解决这个问题，该研究团队开发了AlphaTensor-Quantum，这是DeepMind的AlphaTensor的扩展版本，它是首个能发现矩阵乘法等任务的有效算法的人工智能系统。AlphaTensor-Quantum是一个利用了深度强化学习的人工智能模型，它能利用优化T门计数和张量分解之间的关系。

与现有方法不同的是，该模型可以结合特定领域的量子计算知识，并使用“小工具化”(gadgetisation)技术，通过引入额外的量子比特和操作来实现替代门。这样，人工智能就能显著减少T门的数量。

该团队的研究人员表示，AlphaTensor-Quantum在T门数量优化方面要优于现有系统，并且在多个应用场景中与人工设计的最佳解决方案一样高效。该团队在论文中表示，AlphaTensor-Quantum通过全自动优化流程能节省数百小时的研究时间。

Quantinuum的产品开发负责人Konstantinos Meichanetzidis说道：“在一组具有代表性的标准基准电路集上，AlphaTensor-Quantum与通过人工启发法获得的现有技术相比，平均降低了37％的成本。一般来说，这种方法可以很容易地应用于任何给定的电路，且不受应用的限制。”(编译:Tmac)