量子科技中心_量科网

基于人工智能语言模型的编程代理已深刻改变了我们日常与计算机交互的方式，如今仅通过自然语言就能创建、优化和运行程序脚本已成为常态。当这些程序能够自动执行并获得评分（而非依赖人工偏好判断）时，代理代码的更新将获得更精准的引导。在量子计算和经典量子模拟领域，基态制备存在并行结构：候选方案可通过预估能量值及其他反映量子态收敛质量的代理指标进行排序。该工作研究了如何利用“自主研究”（一种基于编程代理的代码优化策略）来优化不同基态制备与采样方案的超参数选择，包括变分量子本征求解器（VQE）、密度矩阵重整化群（DMRG）以及辅助场量子蒙特卡洛（AFQMC）。研究人员通过在简单自旋模型和分子哈密顿量上的实验，验证了该方法在时空计算资源受限条件下的可行性与优化能力。实验表明，该代理能将简单基线方案演化成具有更优能量代理指标的复杂协议。最后，该团队探讨了其他支持可执行标量评分的量子例程，这类功能使得进化式编程代理能自动化完成大量原本需要手动调试的方案优化工作。