量子科技中心_量科网

大型语言模型近期展现出弥合经典机器学习与量子机器学习之间鸿沟的潜力。然而，标准化高质量数据集的缺失及可靠翻译框架的不足制约了该领域的发展。该研究团队推出Q-Bridge——一个基于大语言模型引导的代码翻译框架，可系统地将经典机器学习实现方案转换为可执行的量子机器学习变体。该方法通过自我迭代的流程，将经过验证的种子代码库逐步扩展为包含可验证与不可验证代码对的大规模数据集CML-2-QML。Q-Bridge模型采用监督式LoRA自适应方法进行微调，实现可扩展且内存高效的训练，从而在不同架构上生成准确且可解释的量子代码。实证分析证实了经典至量子代码直接翻译的可行性，并揭示了两种范式间持续存在的结构对齐特征。案例研究进一步表明，Q-Bridge既能保持确定性正确，也可支持创造性的架构探索。该工作首次建立了大语言模型驱动的量子代码翻译可复现框架与数据集，为可扩展量子人工智能发展奠定了基础。