量子计算走向实用，除了需要更强的硬件，也需要更省资源的算法。
10月21日，Google Quantum AI宣布在Kaggle推出“可验证量子电路编译”竞赛，邀请参赛者利用AI，设计更小、更高效的量子电路。
官方披露，竞赛总奖金为15万美元，竞赛目标也很明确：在满足正确性与精度要求的前提下，减少量子比特和量子门等的资源消耗。
三道赛题
聚变模拟方向，重点优化倒数平方根运算
惯性约束聚变研究需要理解带电粒子在高温、高密度物质中的减速与能量转移过程。相关模拟涉及粒子之间的库仑相互作用，需要计算距离的倒数。赛题要求输入距离平方x，实现与1/√x成比例的相位操作。参赛者需要在规定精度内，用更少的资源完成这一运算。相关计算有望为聚变靶设计提供支持，但仍依赖未来的容错量子计算能力。
组合优化方向，重点优化纠错码译码电路
这项任务来自“译码量子干涉”（DQI）算法。该算法利用量子傅里叶变换，将某些优化问题转化为译码问题。竞赛聚焦最优多项式交集问题中的Reed–Solomon码译码，目标是降低关键运算的电路成本。DQI在特定结构问题上展现出优于已知高效经典算法的能力，但这一结论不能直接推广到所有组合优化问题。
量子化学方向，重点优化分子表示与参数加载
第三项任务围绕固氮酶活性中心的铁钼辅因子FeMoCo展开。这类复杂体系的电子结构，是量子化学长期关注的研究对象。参赛者需要同时改善描述体系的数学分解，以及将相应参数加载进量子计算过程的电路，让模拟所需步骤更少、每一步的成本更低。
AI负责搜索，验证器负责检查
让AI提出优化方案并不够，还要判断它是否算对，一般量子电路的完整行为很难由经典计算机高效验证。为此，谷歌选择了具有特殊结构的kickmix电路，其组成包括可逆经典逻辑、对角相位操作和基于测量的反计算等。此类结构允许经典程序高效追踪计算基输入对应的输出与相位，从而检查候选方案。
不过，这里的“可验证”有明确边界：随机测试提供的是统计意义上的近似正确性保证，将其用于判断量子态上的误差，还需要满足相应假设，不能视为任意量子电路的完整正确性证明。
有了验证器，AI就能不断生成方案、接受测试、比较成本，再继续修改。竞赛使用的kickmix工具集成于谷歌开源量子算法研究库Qualtran，方便开发者构建和测试相关电路。
为什么要给量子电路“瘦身”？
量子纠错虽能够抑制错误，却会增加硬件和操作开销。因此，算法需要的量子比特越少、运算步骤越精简，未来实现相关应用的门槛就有望越低。从这一点看，谷歌举办竞赛的目的十分明确：借助AI和开放社区，寻找人工优化之外的改进空间，为未来量子应用提前压低资源需求。
公开的参考实现与验证工具，也让不同团队的结果更容易比较和复现。开发者可以围绕具体任务证明自己的方案究竟省了多少，而不只是展示一个看起来更简洁的电路。
当然，竞赛成绩还需要放回完整系统中评估。电路资源减少，能否转化为更短的运行时间或更少的物理量子比特，仍取决于硬件架构、纠错方案和其他环节的开销。这场竞赛提供了一条值得持续推进的路径：在硬件不断进步的同时，通过软件优化，让未来的量子计算机用更少资源完成有价值的科学计算。
