arXiv cs.MA· Kislaya Tiwari, Anupama Ray·· 3 天前AI 评分22
SQD-Agent：LLM 驱动的量子化学工作流智能体框架
SQD-Agent: LLM-driven agentic framework for Quantum Chemistry workflows
AI 导读
SQD-Agent 是一个基于 LLM 的智能体框架，可将自然语言意图转化为基于 Sample-Based Quantum Diagonalization（SQD）算法的量子化学可执行工作流，降低应用研究者使用混合量子-经典流程的专业门槛。
正文 · AI 翻译
摘要：量子算法与量子硬件正朝着面向科学应用的前景广阔的范式不断推进。然而，由于需要量子算法方面的专业知识、量子编程中的细微差别以及硬件感知的系统集成，将领域特定问题转化为可执行的混合量子-经典工作流，对应用研究人员而言仍是一大障碍。与此同时，AI 以及主要基于 LLM 的智能体在解读自然语言意图、对复杂工作流进行推理，以及将高层目标转化为可执行代码并构建计算流水线方面的能力日益增强。在这项工作中，我们提出了 SQD Agent，一个基于 LLM 的智能体框架，可将自然语言用户意图转化为量子化学应用的可执行工作流，其中使用基于采样的量子对角化（SQD）系列算法。通过自动化这一转化，SQD Agent 降低了所需的人工专业知识和配置开销，从而为刚接触量子的应用研究人员简化了混合量子-经典环境下的实验。SQD Agent 采用模块化且可扩展的架构，支持异构量子后端、经典求解器和工作流组件的无缝集成，确保对快速演变的量子生态系统的适应性。该框架还集成了按需性能分析、瓶颈分析、资源优化、智能结果缓存和收敛可视化的交互能力。关键特性包括量子化学实验、真实量子硬件上的误差缓解，以及对候选缓解方案在潜在误差恢复行为和计算预算方面的分析，帮助用户理解其实际权衡，并决定在后续实验中探索哪些策略。
| Comments: | 已被 IEEE 国际高性能计算会议（HiPC 2026）接收 |
| Subjects: | 量子物理（quant-ph）；多智能体系统（cs.MA） |
| Cite as: | arXiv:2609.39302 [quant-ph] |
| （或 arXiv:2609.39302v2 [quant-ph] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.39302 arXiv 颁发的 DOI，经由 DataCite |
Submission history
来自：Anupama Ray 博士 [查看邮箱]
[v1]
2026年9月30日星期三 08:45:57 UTC（5,965 KB）
[v2]
2026年10月14日星期三 12:31:16 UTC（5,967 KB）
来源：arXiv cs.MA · arxiv.org