생성된 임베디드 도메인 특화 언어 프로그램에 대한 구성 계약: 측정 프로토콜 및 조건부 효과
요약
본 논문은 생성된 도메인 특화 언어 프로그램의 구조적 결정을 측정하는 프로토콜을 제시합니다. OpenQASM 3 기반으로 QAOA 및 VQE 인스턴스를 테스트했으며, '계약 카드'가 전체 일치율과 성능에 유의미한 증가를 가져옴을 통계적으로 입증했습니다.
핵심 포인트
- 구조적 결정을 나열한 '계약 카드'를 통해 프로그램 성능 측정 가능.
- QAOA의 경우, 계약 카드가 전체 일치율을 +32.0%p 증가시키는 효과 확인.
- 측정에는 McNemar 검정과 95% 쌍별 부트스트랩 구간이 사용됨.
- 카드 삽입은 해당 카드에 학습된 생성기에 한정되어야 함.
생성된 도메인 특화 프로그램은 호스트에 의해 수용될 수 있지만 여전히 참조 구성을 놓칠 수 있습니다. 우리는 이 두 이벤트를 분리하여 측정하고 짧은 구성 계약을 테스트합니다. 사용되는 언어는 Open Quantum Assembly Language (OpenQASM) 3입니다.
30억 개의 파라미터를 가진 생성기가 7가지 조건 하에 100개의 quantum approximate optimization (QAOA) 인스턴스와 100개의 variational quantum eigensolver (VQE) 인스턴스에서 실행됩니다. 100개의 QAOA 시그니처 중 80개가 일부 학습 분할(training split)에서 나타납니다. 정확한 McNemar 검정과 95% 쌍별 부트스트랩 구간이 사용되었습니다.
이 계약(카드)은 구조적 결정을 나열하고 프롬프트에 입력되며 시뮬레이터 없이 검사됩니다. 구문 분석률(Parse rates)은 0.55에서 0.97이며, 전체 구조 일치율(full structural match)은 0.02에서 0.87입니다.
QAOA의 경우, 고정된 가중치에서 카드는 카드 학습 가중치를 사용했을 때 전체 일치율을 +32.0 퍼센트 포인트 증가시키고, 해당 학습 없이 사용할 때는 -13.0 (-23 ~ -3) 감소시킵니다. 이 +45.0점 차이는 배포 대비(deployment contrast)가 아닙니다.
동일 단계의 계획 없는 이득(plan-free gain)은 +23.0 (+13 ~ +33)이며, 주 분포 점수는 이를 분리하지 못합니다. 이전 체크포인트 대비 이득은 +27.0 (+17 ~ +37)이고, 체크포인트 또한 변경됩니다.
규칙 카드(rule card)는 학습된 플래너와 분리되지 않으며, 예측된 카드 컴파일러 역시 마찬가지입니다 (0.760 대 0.780). 모든 학습 분할 외부의 20개 QAOA 행에서 구간은 0을 포함합니다.
이 카드 하에서 VQE 준수율(adherence)은 0.020이며 전체 일치율은 0.03 근처에 머무릅니다. 두 검사는 별도로 보고해야 합니다. 카드는 해당 카드를 읽도록 학습된 생성기에만, 그리고 파일럿 테스트가 준수를 보이는 경우에만 삽입되어야 합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기