精选理由
量子电路设计长期依赖人类专家，这个LLM智能体框架实现了自动化迭代优化，做量子计算或量子机器学习的研究者可以直接参考其闭环设计思路。
研究人员提出一个基于大语言模型的自主智能体框架，用于迭代设计高性能量子电路。该框架包含探索、生成、讨论、验证、存储、评估和审查七个组件，形成闭环工作流，结合网络知识获取、文献批评、可执行代码生成和实验反馈。在量子机器学习特征映射和量子化学变分量子本征求解器两个任务上评估，生成的电路在图像分类基准上优于代表性量子特征映射，并在更大量子比特数时超越经典径向基函数核。在七种分子的基态能量估计中，生成的ansatz在满足约束条件下达到与化学启发式和硬件高效构造相当的精度。该工作展示了LLM驱动的智能体系统作为自动量子电路设计的可行范式。
AI 翻译 · 中文
研究人员提出一个基于大语言模型的自主智能体框架，用于迭代设计高性能量子电路。该框架包含探索、生成、讨论、验证、存储、评估和审查七个组件，形成闭环工作流，结合网络知识获取、文献批评、可执行代码生成和实验反馈。在量子机器学习特征映射和量子化学变分量子本征求解器两个任务上评估，生成的电路在图像分类基准上优于代表性量子特征映射，并在更大量子比特数时超越经典径向基函数核。在七种分子的基态能量估计中，生成的ansatz在满足约束条件下达到与化学启发式和硬件高效构造相当的精度。该工作展示了LLM驱动的智能体系统作为自动量子电路设计的可行范式。
The design of high performing quantum circuits remains largely dependent on human expertise. We introduce an autonomous agentic framework that employs large language models (LLMs) to conduct iterative quantum circuit des…