論文の概要: Pushing the Limits of LLMs in Quantum Operations

• arxiv url: http://arxiv.org/abs/2507.21327v1
• Date: Mon, 28 Jul 2025 20:43:55 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-07-30 13:42:07.151894
• Title: Pushing the Limits of LLMs in Quantum Operations
• Title（参考訳）: 量子演算におけるLDMの限界を押し上げる
• Authors: Dayton C. Closser, Zbigniew J. Kabala,
• Abstract要約: 本稿では,量子ゲートの設計に携わる一般的なAIモデルと公開可能なAIモデルを比較した最初のベンチマーク研究を示す。 Wolfram Mathematicaフレームワークは、WolframLLM、OpenAI ChatGPT、Google Gemini、DeepSeekを含む4つのAI LLMとのインターフェースに使用された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: What is the fastest Artificial Intelligence Large Language Model (AI LLM) for generating quantum operations? To answer this, we present the first benchmarking study comparing popular and publicly available AI models tasked with creating quantum gate designs. The Wolfram Mathematica framework was used to interface with the 4 AI LLMs, including WolframLLM, OpenAI ChatGPT, Google Gemini, and DeepSeek. This comparison evaluates both the time taken by each AI LLM platform to generate quantum operations (including networking times), as well as the execution time of these operations in Python, within Jupyter Notebook. Our results show that overall, Gemini is the fastest AI LLM in producing quantum gate designs. At the same time, the AI LLMs tested achieved working quantum operations 80% of the time. These findings highlight a promising horizon where publicly available Large Language Models can become fast collaborators with quantum computers, enabling rapid quantum gate synthesis and paving the way for greater interoperability between two remarkable and cutting-edge technologies.
• Abstract（参考訳）: 量子演算を生成するためのAI LLM(Artificial Intelligence Large Language Model)とは何か? これに対応するために、量子ゲート設計の策定に携わる一般的なAIモデルと一般公開されたAIモデルを比較した最初のベンチマーク研究を示す。 Wolfram Mathematicaフレームワークは、WolframLLM、OpenAI ChatGPT、Google Gemini、DeepSeekを含む4つのAI LLMとのインターフェースに使用された。 この比較は、各AI LLMプラットフォームが量子演算(ネットワーク時間を含む)を生成するのに要する時間と、Jupyter Notebook内のPythonでのこれらの演算の実行時間の両方を評価する。 以上の結果から,Geminiは量子ゲートの設計において最速のAI LLMであることがわかった。 同時にAI LLMは、動作中の量子演算の80%を達成した。 これらの発見は、公開可能なLarge Language Modelsが量子コンピュータとの高速なコラボレータになり、高速な量子ゲート合成と、2つの目立った最先端技術間の相互運用性の確立を可能にする、有望な展望を浮き彫りにしている。

関連論文リスト

• Programming Quantum Computers with Large Language Models [0.29998889086656577]
  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。
  論文  参考訳（メタデータ） (2025-06-22T18:18:35Z)
• QCircuitNet: A Large-Scale Hierarchical Dataset for Quantum Algorithm Design [17.747641494506087]
  量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された、最初のベンチマークおよびテストデータセットであるQCircuitNetを紹介する。 従来のコードの記述にAIを使用するのとは異なり、このタスクは基本的に異なり、非常に柔軟な設計空間と複雑なキュービット操作のため、さらに複雑である。
  論文  参考訳（メタデータ） (2024-10-10T14:24:30Z)
• Application of Large Language Models to Quantum State Simulation [0.11666234644810894]
  現在、様々な量子シミュレーターが研究者に強力なツールを提供しているが、これらのシミュレーターで量子進化をシミュレートすると、しばしば高コストが発生する。 本稿では、1量子ビットと2量子ビットの量子シミュレータモデルを構築し、複数の量子ビットに拡張し、最終的には3量子ビットの例を実装する過程を詳述する。 本研究は,LLMが量子ビット間の進化パターンを理論的出力状態と比較して最小限の誤差で効果的に学習し,予測できることを実証する。
  論文  参考訳（メタデータ） (2024-10-09T07:23:13Z)
• 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)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Real-time hybrid quantum-classical computations for trapped-ions with Python control-flow [0.0]
  我々はPythonのような解釈型プログラミング言語において,量子計算をリアルタイムに制御する手法を開発した。 これにより、ハイブリッドアルゴリズムの実装をシンプルに保ち、既存のPythonライブラリのリッチな環境から恩恵を受けることができる。
  論文  参考訳（メタデータ） (2023-03-02T14:06:10Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)

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。