量子科技中心_量科网

设计和优化任务特定的量子电路对于发挥量子计算优势至关重要。最近基于大语言模型（LLM）的量子电路生成已成为一种有前景的自动化解决方案。然而，根本性挑战仍未解决：（i）参数化量子门需要精确的数值以实现最佳性能，这些数值还取决于多个方面，包括量子门数量、参数以及电路的布局/深度；（ii）由于缺乏量子领域专业知识，LLM 通常生成低质量或错误的量子电路。该研究团队提出 QUASAR，一种基于工具增强型 LLM 的量子电路生成和优化的代理强化学习（RL）框架。为使 LLM 与量子专业知识对齐并改进生成的量子电路，QUASAR 设计了（i）利用外部量子模拟器的量子电路验证方法，以及（ii）RL 训练中复杂的分层奖励机制。广泛评估表明，生成的量子电路在语法和语义性能上均有提升。在增强 4B LLM 时，QUASAR 在 Pass@1 中实现了 99.31% 的有效性，在 Pass@10 中达到 100%，优于 GPT-4o、GPT-5 和 DeepSeek-V3 等工业级 LLM 以及若干仅使用监督微调（SFT）和仅使用强化学习的基线方法。