量子科技中心_量科网

本文提出了SCALAR（符号化猜想与大语言模型辅助推理）框架，这是一个构建于CUDA-Q开源框架之上的神经符号系统，用于量子电路分析中的自动猜想生成。该系统集成了量子模拟、符号化猜想生成以及基于大语言模型的解释功能。研究团队在MQLib基准数据集中的82个MaxCut实例上评估了SCALAR，并将分析扩展至2000个随机生成的图，涵盖四种拓扑结构：正则图、埃尔德什-雷尼图、巴拉巴西-阿尔伯特图以及沃茨-斯特罗加茨图。该框架生成了关于最优QAOA参数与图不变量之间关系的猜想边界，包括已知的相位分离参数γ的周期性约束关系。SCALAR还重现了先前报道的结构相似实例间的参数迁移现象。此外，该系统识别了图结构特征与优化景观属性之间的相关性，研究人员通过基于不变量的描述符对其进行了刻画。利用CUDA-Q张量网络模拟器，该工作将实验规模扩展至最多77个量子比特。本文讨论了所生成猜想的准确性、通用性及局限性，包括对图类型和量子电路深度的敏感性。