量子科技中心_量科网

使用量子电路玻恩机（QCBMs）的量子生成建模显示出实现实用量子优势的潜力。然而，如何设计兼具表达能力和硬件效率的拟设结构仍是一个关键挑战，尤其是在噪声中等规模量子（NISQ）设备上。该工作提出了一种基于提示词的框架，利用大语言模型（LLMs）生成硬件感知的QCBM架构。提示词参数包含量子比特连接性、门错误率和硬件拓扑结构，同时采用包括KL散度、电路深度和有效性在内的迭代反馈来优化电路。研究人员在日本国债（JGB）利率日变动率的金融建模任务中验证了该方法。结果表明，当在真实IBM量子硬件上使用12个量子比特时，LLM生成的拟设结构电路深度显著更浅，且生成性能明显优于标准基线。这些发现证明了LLM驱动的量子架构搜索具有实用价值，并为近期量子设备开发鲁棒、可部署的生成模型指明了一条可行路径。