Discovering state-of-the-art quantum circuits with large language models
作者: Andi Gu, Alek H. Kemeny, Susanne F. Yelin, Mikhail D. Lukin
分类: quant-ph, cs.AI
发布日期: 2026-10-15
备注: 46 pages, 10 figures, 6 tables
💡 一句话要点
提出进化框架利用大语言模型发现高效量子电路
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 量子电路 大语言模型 可逆计算 电路设计 量子算法 优化技术 进化框架
📋 核心要点
- 现有量子算法在优化计算原语时面临独特挑战，尤其是可逆性约束使得设计高效电路变得复杂。
- 本文提出的进化框架利用大语言模型生成电路设计，并通过独立评估者进行验证和评分，提升了电路的效率。
- 实验结果显示，在八个任务中，七个任务的电路在Toffoli门和量子比特数量上显著减少，展示了该方法的有效性。
📝 摘要（中文）
当前，许多研究致力于实现大规模量子信息处理器，但要实现有用的量子优势，还需要开发高效的量子算法。本文提出了一种进化框架，其中大语言模型（LLMs）提出电路设计，独立评估者对其进行验证和评分。该框架应用于数值计算、化学、优化、量子模拟和数论等任务。在八个任务中，有七个发现的电路在Toffoli门和量子比特数量上显著优于现有技术。在第八个任务中，搜索发现了一种新的可逆架构，用于素域模逆运算。通过不同处理可逆性，该架构使得经典算法divsteps在可逆整数算术中变得可行，并显著改善了模逆运算的Toffoli-量子比特权衡。这些结果为评估者引导的LLM共同设计新算法结构的量子计算开辟了新方向。
🔬 方法详解
问题定义：本文旨在解决量子电路设计中的可逆性约束问题，现有方法在优化计算原语时面临效率低下的挑战。
核心思路：通过引入进化框架，利用大语言模型生成电路设计，并由独立评估者进行验证，从而提高电路设计的效率和可行性。
技术框架：整体架构包括两个主要模块：第一模块是大语言模型生成电路设计，第二模块是独立评估者对生成的电路进行验证和评分。
关键创新：最重要的技术创新在于通过大语言模型的进化框架实现了电路设计的自动化，特别是在处理可逆性方面的创新，使得传统算法在量子计算中变得可行。
关键设计：在电路设计中，关键参数包括Toffoli门和量子比特的数量设置，损失函数设计用于优化电路的性能，确保生成的电路在可逆性和效率之间达到最佳平衡。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在八个任务中，有七个任务的电路在Toffoli门和量子比特数量上显著减少，具体提升幅度未明确说明。在第八个任务中，发现了一种新的可逆架构，显著改善了模逆运算的性能，展示了该方法的有效性。
🎯 应用场景
该研究的潜在应用领域包括量子计算、量子算法设计以及量子信息处理等。通过优化电路设计，能够提高量子计算的效率，推动量子技术在实际应用中的落地，具有重要的实际价值和未来影响。
📄 摘要（原文）
Significant efforts are currently being directed toward the implementation of large-scale quantum information processors, but realizing useful quantum advantage also requires the development of efficient quantum algorithms. While for many practical problems the dominant resource costs are associated with a small set of computational primitives, optimizing them in the quantum setting presents unique challenges, including a reversibility constraint absent from ordinary classical computation. Here we introduce an evolutionary framework in which large language models (LLMs) propose circuit designs and an independent evaluator verifies and scores them. We apply this framework to tasks spanning numerical computation, chemistry, optimization, quantum simulation, and number theory. In seven of the eight tasks, the discovered circuits significantly reduce both Toffoli and qubit counts relative to the state of the art. In the eighth, the search discovers a new reversible architecture for prime-field modular inversion. By handling reversibility differently, the architecture makes divsteps -- a classical algorithm previously impractical for reversible integer arithmetic -- viable and substantially improves the Toffoli-qubit trade-off for modular inversion. These results open the door for evaluator-guided LLM co-design of new algorithmic structures for quantum computation.