자율 변분 양자 회로 설계를 위한 LLM 시스템

고성능 양자 회로 설계는 여전히 인간의 전문 지식에 크게 의존하고 있습니다. 우리는 대규모 언어 모델(LLMs)을 활용하여 명시적인 설계 제약 조건 하에서 반복적인 양자 회로 설계를 수행하는 자율 에이전트 프레임워크를 소개합니다. 저희 시스템은 탐색(Exploration), 생성(Generation), 토론(Discussion), 검증(Validation), 저장(Storage), 평가(Evaluation), 그리고 검토(Review)의 일곱 가지 구성 요소가 통합되어 있습니다. 이 구성 요소들은 웹 기반 지식 습득, 문헌 기반 비평, 실행 가능한 코드 생성, 실험적 피드백을 결합하는 폐쇄 루프 워크플로우를 형성합니다. 우리는 두 가지 과제에서 프레임워크를 평가했습니다: 양자 머신러닝을 위한 양자 특징 맵 구성과 양자 화학 분야의 변분 양자 고유값 해법(Variational Quantum Eigensolver) 애플리케이션을 위한 안자츠(ansatz) 생성입니다. 이미지 분류 벤치마크에서, 생성된 특징 맵은 대표적인 양자 특징 맵보다 우수하며, 더 큰 큐비트 수로 확장했을 때 클래식한 방사 기저 함수 커널(radial basis function kernel)을 능가합니다. 일곱 가지 분자에 걸친 분자 바닥 상태 추정에서, 생성된 안자츠는 광범위하게 사용되는 화학적 영감을 받은 구조 및 하드웨어 효율적인 구성과 경쟁력 있는 정확도를 달성하는 동시에 부과된 스케일링 제약 조건을 만족시킵니다. 이러한 결과들은 LLM 구동 에이전트 시스템을 자동화된 양자 회로 설계를 위한 실행 가능한 패러다임으로 확립하며, AI 시스템이 과학적 도메인 전반의 반복적인 과학 최적화 워크플로우에 어떻게 참여할 수 있는지 보여줍니다.