基于大语言模型驱动的量子态制备演化方法
该研究团队提出了一种自动化量子电路设计框架,通过将大语言模型(LLMs)与演化优化相结合,以克服传统变分量子算法中存在的刚性、可扩展性限制以及对专家依赖的问题。该工作提出的方法(FunSearch)能够自主发现具有硬件效率的拟设(ansätze),这些拟设具有全新的可扩展性特征,并且其变分参数数量与系统规模无关,完全从零开始构建。在包含9个量子比特的Ising和XY自旋链上的演示表明,所设计的电路仅包含4个参数,即可实现跨系统规模的近乎精确的能量外推。在量子硬件(祖冲之芯片)上的实施验证了其实际应用价值,其中双量子比特量子门噪声可以通过零噪声外推技术有效缓解,适用于多达20个位点的自旋链系统。该框架将算法设计与实验约束相连接,补充了当代量子架构搜索框架,推动了可扩展量子模拟的发展。
