量子科技中心_量科网

量子计算在软件工程优化领域的研究日益增多，但将自然语言描述的任务级需求转化为可执行的量子应用，仍然需要大量的量子与编程专业知识。该团队提出QPipe，一种基于大语言模型的多智能体架构，通过专门负责需求解析、公式化、代码生成、审查、执行与验证的智能体，自主将自然语言需求转化为可追溯的量子应用工作流。该团队在20个自然语言需求上对QPipe进行了评估，每个需求均关联一个真实基准和一个测试优化问题。QPipe成功完成了各需求下量子应用生成的关键阶段，代码编译平均成功率达100%，应用执行与最终结果组合平均成功率达96.7%，每个需求平均生成耗时260.1秒，消耗189万token。在成功执行的生成量子应用中，返回的解决方案在多数情况下优于离线遗传算法基线。消融实验结果进一步表明，QPipe的优势依赖于保留代码生成能力、任务知识、审查反馈以及多智能体分解。这些结果表明，智能体协作能够支持从真实基准中生成可执行的量子应用，以解决测试优化问题。