arXiv cs.AI· Zidu Liu, Florian Marquardt·· 10 小时前AI 评分42
大语言模型通过结构化概念演化发现量子 LDPC 码
Large-Language-Model Discovery of Quantum LDPC Codes through Structured Concept Evolution
AI 导读
研究者提出结构化概念演化方法，让 LLM 通过修改有限群、原型图形状或条目分配规则来演化构造程序及其内部搜索策略，用于搜索数据量子比特少于 600、校验权重至多 12 的量子 LDPC 码。
正文 · AI 翻译
摘要：量子低密度奇偶校验码有望实现低开销的纠错，但高性能的构造仍然难以找到。在此，我们引入结构化概念演化，其中大型语言模型（LLM）通过修改有限群、原型图形状或条目分配规则来演化构造程序及其内部搜索策略。我们搜索数据量子比特数少于 $600$、校验权重至多为 $12$ 的码，优化 $kd^2/n$ 或电路级逻辑错误率。我们的方法在选定的参数区间内改进了已发表的提升乘积基准，主要结果的距离得到了精确认证。电路级优化通常比 $kd^2/n$ 优化产生更低的逻辑错误率，尽管码距往往更小。在相同的演化框架和步数预算下，最佳 LLM 在两个目标上都优于所有随机变异和爬山运行。我们的结果表明，LLM 驱动的程序搜索是设计通用量子 LDPC 码的一种方法。
| 评论： | 23 页，4 幅图 |
| 主题： | 量子物理（quant-ph）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.24808 [quant-ph] |
| （或 arXiv:2606.24808v2 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.24808 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zidu Liu [查看电子邮件]
[v1]
2026 年 6 月 23 日星期二 16:56:24 UTC（1,700 KB）
[v2]
2026 年 11 月 4 日星期三 12:37:38 UTC（260 KB）
来源：arXiv cs.AI · arxiv.org