arXiv cs.AI· Andi Gu, Alek H. Kemeny, Susanne F. Yelin, Mikhail D. Lukin·· 2 天前AI 评分37
用大语言模型发现最先进的量子电路
Discovering state-of-the-art quantum circuits with large language models
AI 导读
研究者提出一个进化框架，由 LLM 提出量子电路设计、独立评估器负责验证与打分，并在数值计算、化学、优化、量子模拟和数论等任务上测试。在 8 项任务中的 7 项，发现的电路同时显著降低了 Toffoli 门数和量子比特数；第 8 项任务中搜索出了一种新的素数域模逆可逆架构，使原本难以用于可逆整数运算的 divsteps 算法变得可行，并大幅改善了模逆的 Toffoli-量子比特权衡。
正文 · AI 翻译
摘要：目前有大量工作正致力于实现大规模量子信息处理器，但要实现有用的量子优势，还需要开发高效的量子算法。尽管对许多实际问题而言，主要资源开销与一小组计算原语相关，但在量子环境下优化它们面临独特挑战，包括普通经典计算中不存在的可逆性约束。在此，我们引入一个进化框架，其中大语言模型（LLM）提出电路设计，并由独立评估器进行验证和评分。我们将该框架应用于涵盖数值计算、化学、优化、量子模拟和数论的任务。在八个任务中的七个里，所发现的电路相对于当前最先进水平显著减少了 Toffoli 门和量子比特数量。在第八个任务中，搜索发现了用于素域模逆运算的新可逆架构。通过以不同方式处理可逆性，该架构使 divsteps——一种此前不适用于可逆整数运算的经典算法——变得可行，并大幅改善了模逆运算的 Toffoli-量子比特权衡。这些结果为评估器引导的 LLM 协同设计量子计算的新算法结构打开了大门。
| 评论： | 46 页，10 幅图，6 张表 |
| 主题： | 量子物理（quant-ph）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.22367 [quant-ph] |
| （或 arXiv:2610.22367v1 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22367 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Andi Gu [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 17:59:20 UTC（2,811 KB）
来源：arXiv cs.AI · arxiv.org