量子科技中心_量科网

截至目前，生成式人工智能（GenAI）在自然语言处理（NLP）领域仍占据主导地位。量子计算（QC）的一个重要研究方向是探索其能否降低训练和运行GenAI模型所需的庞大资源需求。尽管当前实用量子计算机尚无法处理大规模生成式NLP任务，但生成短语义结构（如密码）已成为可能。生成模拟真实用户行为的密码具有广泛的应用场景，例如测试认证系统面对现实威胁模型时的防御能力。 近期研究表明，基于深度学习的经典密码生成方法在产生新颖且逼真的候选密码方面取得显著进展。该工作重点探究了绝热量子计算机在此任务中的应用价值，具体研究了令牌字符串的不同编码方式，并提出基于二次无约束二进制优化（QUBO）和单位圆最大独立集（UD-MIS）问题的新方法。该方案可估算数据中的令牌分布，通过绝热制备量子态最终实现测量采样生成密码。实验结果显示，在QuEra Aquila 256量子比特中性原子量子计算机上生成的128个密码样本中，已出现诸如“Tunas200992”或“teedem28iglove”等高度拟人化的密码。