論文の概要: Programming Quantum Computers with Large Language Models

• arxiv url: http://arxiv.org/abs/2506.18125v1
• Date: Sun, 22 Jun 2025 18:18:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.762521
• Title: Programming Quantum Computers with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた量子コンピュータのプログラミング
• Authors: Elena R. Henderson, Jessie M. Henderson, Joshua Ange, Mitchell A. Thornton,
• Abstract要約: 大規模言語モデル(LLM)は、医療診断、法務サービス、ソフトウェア開発など多様な分野への変革を約束する。 この研究は、未完成で一般公開のLLMがいかに簡単に量子回路を書けるかを示す最初のものである。
• 参考スコア（独自算出の注目度）: 0.29998889086656577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) promise transformative change to fields as diverse as medical diagnosis, legal services, and software development. One reason for such an impact is LLMs' ability to make highly technical endeavors more accessible to a broader audience. Accessibility has long been a goal for the growing fields of quantum computing, informatics, and engineering, especially as more quantum systems become publicly available via cloud interfaces. Between programming quantum computers and using LLMs, the latter seems the more accessible task: while leveraging an LLM's fullest potential requires experience with prompt engineering, any literate person can provide queries and read responses. By contrast, designing and executing quantum programs -- outside of those available online -- requires significant background knowledge, from selection of operations for algorithm implementation to configuration choices for particular hardware specifications and providers. Current research is exploring LLM utility for classical software development, but there has been relatively little investigation into the same for quantum programming. Consequently, this work is a first look at how well an uncustomized, publicly available LLM can write straightforward quantum circuits. We examine how well OpenAI's ChatGPT (GPT-4) can write quantum circuits for two hardware providers: the superconducting qubit machines of IBM and the photonic devices of Xanadu. We find that ChatGPT currently fares substantially better with the former.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、医療診断、法務サービス、ソフトウェア開発など多様な分野への変革を約束する。 そのような影響の1つの理由は、LLMが高度な技術的努力を、より広い聴衆によりアクセスしやすいものにする能力である。 アクセシビリティは長い間、量子コンピューティング、情報学、エンジニアリングの分野の成長を目標としてきた。 量子コンピュータのプログラミングとLLMの使用の間、後者はよりアクセスしやすいタスクに思える: LLMの最大限の可能性を利用するには、迅速なエンジニアリングの経験が必要であるが、リテラルのある人なら誰でもクエリやレスポンスを読める。 対照的に、量子プログラムを設計し、実行するには、アルゴリズム実装のための操作の選択から、特定のハードウェア仕様やプロバイダの設定選択まで、大きなバックグラウンド知識が必要です。 現在の研究は、古典的ソフトウェア開発のためのLLMユーティリティを探求しているが、量子プログラミングについても同様の研究はほとんど行われていない。 その結果、この研究は、未カスタマイズで公開のLLMがいかに簡単に量子回路を書けるかを示す最初のものである。 我々は,OpenAIのChatGPT(GPT-4)がIBMの超伝導量子ビットマシンとXanaduのフォトニックデバイスという,2つのハードウェアプロバイダの量子回路をいかにうまく書けるかを検討する。 ChatGPTは現在、前者よりもはるかに優れていることが分かりました。

関連論文リスト

• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• $Classi|Q\rangle$ Towards a Translation Framework To Bridge The Classical-Quantum Programming Gap [5.177070928114865]
  $Classi|Qrangle$は、クラシックコンピューティングと量子コンピューティングを橋渡しするフレームワークである。 PythonやC++のようなハイレベルなプログラミング言語を低レベルな言語、例えばQuantum Assemblyに翻訳する。
  論文  参考訳（メタデータ） (2024-06-10T19:50:16Z)
• Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code [2.0108122340549985]
  本稿では,量子コンピューティングの分野を専門とする Code LLM のトレーニングに焦点をあてる。 量子コンピューティングに特化したコードLLMは、量子コンピューティングと量子情報理論の基本的な理解を必要とする。 我々は,Qiskitライブラリを用いて,高品質な量子コードを生成するための Code LLMs のトレーニングについて論じる。
  論文  参考訳（メタデータ） (2024-05-29T20:21:00Z)
• LLM4EDA: Emerging Progress in Large Language Models for Electronic Design Automation [74.7163199054881]
  大規模言語モデル(LLM)は、文脈理解、論理推論、回答生成においてその能力を実証している。 本稿では,EDA分野におけるLLMの応用に関する系統的研究を行う。 論理合成,物理設計,マルチモーダル特徴抽出,回路のアライメントにLLMを適用することに焦点を当て,今後の研究の方向性を強調した。
  論文  参考訳（メタデータ） (2023-12-28T15:09:14Z)
• Explaining Quantum Circuits with Shapley Values: Towards Explainable Quantum Machine Learning [1.0984331138780683]
  人工知能(AI)や機械学習(ML)の手法はますます複雑化しており、同時に人々の生活にも影響を及ぼしている。 並行して、量子機械学習(QML)が登場し、量子コンピューティングハードウェアの改善とクラウドサービスによる可用性の向上が進行中である。 QMLは、量子力学を利用してMLタスク(典型的には量子と古典のリソースを組み合わせた量子古典的ハイブリッドアルゴリズム)を促進する量子強化MLを可能にする。
  論文  参考訳（メタデータ） (2023-01-22T15:17:12Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Quantum Advantage Seeker with Kernels (QuASK): a software framework to speed up the research in quantum machine learning [0.9217021281095907]
  QuASKはPythonで書かれたオープンソースの量子機械学習フレームワークである。 量子カーネルを通じてデータを解析するために、最も最先端のアルゴリズムを実装している。 データセットのダウンロード、前処理、量子機械学習ルーチン、分析と視覚化のためのコマンドラインツールとして使用できる。
  論文  参考訳（メタデータ） (2022-06-30T13:43:16Z)
• Tangelo: An Open-source Python Package for End-to-end Chemistry Workflows on Quantum Computers [85.21205677945196]
  Tangelo(タンジェロ)は、量子コンピュータ上でエンドツーエンド化学を開発するためのオープンソースのPythonソフトウェアパッケージである。 量子ハードウェアで成功した実験の設計を支援し、量子アルゴリズムの発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2022-06-24T17:44:00Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。