論文の概要: PennySynth: RAG-Driven Data Synthesis for Automated Quantum Code Generation
- arxiv url: http://arxiv.org/abs/2605.25572v1
- Date: Mon, 25 May 2026 08:26:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:19.472244
- Title: PennySynth: RAG-Driven Data Synthesis for Automated Quantum Code Generation
- Title（参考訳）: PennySynth: 自動量子コード生成のためのRAG駆動データ合成
- Authors: Minghao Shao, Nouhaila Innan, Hariharan Janardhanan, Muhammad Kashif, Alberto Marchisio, Muhammad Shafique,
- Abstract要約: 本稿では,量子コードアシスタントのための検索拡張生成フレームワークであるPenny Synthを紹介する。
13,389ペニーレーンの命令コードペアのキュレートされた知識ベースの上に構築されている。
QHackコンペティションの3年間にわたる74の課題に対して、64%、68%、52%のpass@5を達成した。
- 参考スコア（独自算出の注目度）: 3.5252595463686274
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing complexity of quantum programming frameworks has exposed a critical limitation in existing large language model (LLM)-based code assistants: general-purpose models hallucinate PennyLane-specific gate names, misplace device configurations, and produce structurally invalid circuits when faced with specialized quantum coding challenges. We present PennySynth, a retrieval-augmented generation framework that addresses this gap by conditioning LLM inference on a curated knowledge base of 13,389 PennyLane instruction-code pairs, built via a three-stage extraction, verification, and deduplication pipeline over official PennyLane repositories, community GitHub sources, and QHack competition archives. PennySynth introduces a code-aware embedding strategy using st-codesearch-distilroberta-base, trained for natural-language-to-code retrieval, increasing average retrieval cosine similarity from 0.45 to 0.726 compared to a general-purpose baseline. Evaluated across 74 challenges spanning three years of the QHack competition (2022, 2023, 2024), PennySynth achieves 64%, 68%, and 52% pass@5 on QHack 2022, 2023, and 2024, respectively, improving over Claude Sonnet 4.6 without retrieval by +28, +25, and +28 percentage points. We further introduce a quantum-adapted CodeBLEU metric that upweights qml.* token patterns and show that structural code similarity and functional correctness capture distinct aspects of quantum code quality. Controlled ablations reveal that code-aware embeddings are the primary driver of retrieval performance, while dataset expansion and source composition provide additional gains when retrieval quality is sufficiently precise.
- Abstract（参考訳）: 汎用モデルは、ペニーレーン固有のゲート名に幻覚を与え、デバイス構成を間違え、特殊な量子コーディング課題に直面した時に構造的に無効な回路を生成する。
私たちはPennySynthという,13,389のPennyLane命令コードペアのキュレートされた知識ベースにLLM推論を条件付けて,このギャップに対処する検索強化生成フレームワークを紹介します。
PennySynthは、st-codesearch-distilroberta-baseを使ったコード認識埋め込み戦略を導入し、自然言語からコードへの検索を訓練し、一般的なベースラインと比較して平均的な検索コサイン類似度を0.45から0.726に増やした。
QHackコンペティションの3年間にわたる74の課題(2022年、2023年、2024年)で評価されたPennySynthは、それぞれQHack 2022年、2023年、2024年で64%、68%、52%のpass@5を獲得し、+28、+25、+28ポイントの検索なしでClaude Sonnet 4.6よりも改善された。
さらに、qml をアップウェイトする量子適応型 CodeBLEU メトリックを導入する。
*トークンパターンは、構造的コードの類似性と機能的正しさが、量子コード品質の異なる側面を捉えていることを示します。
制御されたアブリゲーションにより、コード認識埋め込みが検索性能の第一の要因であり、一方、データセットの拡大とソース構成は、検索品質が十分に正確である場合に追加的なゲインを提供する。
関連論文リスト
- Synthesis and Optimization of Encoding Circuits for Fault-Tolerant Quantum Computation [4.561664406615985]
任意の安定化器符号に対して効率的なエンコーダを合成する手法を開発した。
図形符号やホログラフィック符号のようなモジュラー構造を持つ族に対しては、最適化された局所構成エンコーダからいかに大きなエンコーダを組み立てるかを示す。
2ビットゲート数では最大43%,深さでは最大70%の改善が得られた。
論文 参考訳（メタデータ） (2026-05-14T18:00:01Z) - Quantum-Safe Code Auditing: LLM-Assisted Static Analysis and Quantum-Aware Risk Scoring for Post-Quantum Cryptography Migration [0.0]
量子セーフコード(Quantum-Safe Code)は、量子を意識した静的解析フレームワークである。
量子加重プリミティブの15のクラスと変分ブーンシゾルダー(VQE)モデルを使用している。
602のラベル付きインスタンスのサンプルでは、71.98%の精度、100%のリコール、そしてF1スコア83.71%を達成した。
論文 参考訳（メタデータ） (2026-04-01T07:10:17Z) - From Memorization to Creativity: LLM as a Designer of Novel Neural-Architectures [48.83701310501069]
大規模言語モデル(LLM)は、プログラム合成において優れているが、ニューラルネットワーク設計(信頼性、性能、構造的ノベルティ)を自律的にナビゲートする能力は、未調査のままである。
コード指向LLMをクローズドループ合成フレームワークに配置し、22の教師付き微調整サイクルの進化を解析することによって、この問題に対処する。
論文 参考訳（メタデータ） (2026-01-06T13:20:28Z) - Game-Theoretic Discovery of Quantum Error-Correcting Codes Through Nash Equilibria [0.0]
我々は、平衡が所望の特性を持つコードを生成する競合対象間の戦略的相互作用として、コードの最適化を再考する。
最適な$[![15,7,3]!]$Calの量子ハミング符号を再検討することで、このフレームワークを検証する。
この研究は、ゲーム理論と量子情報の交わりにおける研究の道を開き、量子システム設計のための体系的で解釈可能なフレームワークを提供する。
論文 参考訳（メタデータ） (2025-10-17T01:11:32Z) - An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。
入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。
我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2025-04-13T11:49:53Z) - KodCode: A Diverse, Challenging, and Verifiable Synthetic Dataset for Coding [49.56049319037421]
KodCodeは、高品質で検証可能なトレーニングデータを取得するという永続的な課題に対処する、合成データセットである。
自己検証手順によって体系的に検証される質問解決テスト三つ子を含む。
このパイプラインは大規模で堅牢で多様なコーディングデータセットを生成する。
論文 参考訳（メタデータ） (2025-03-04T19:17:36Z) - PennyLang: Pioneering LLM-Based Quantum Code Generation with a Novel PennyLane-Centric Dataset [4.826802034066811]
PennyLang(ペニーラン)は、ペニーレーン固有の量子コードサンプル3,347の、市販の高品質データセットである。
コントリビューションは、(1)PennyLangの作成とオープンソースリリース、(2)自動量子コードデータセット構築のためのフレームワーク、(3)データセットのベースライン評価である。
Qiskitにフォーカスした研究を超えて、私たちはLLMベースのツールと再現可能なメソッドをPennyLaneに持ち込み、AI支援量子開発を前進させます。
論文 参考訳（メタデータ） (2025-03-04T11:04:35Z) - Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。
我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。
我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
論文 参考訳（メタデータ） (2023-04-10T23:01:10Z) - Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。
3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文 参考訳（メタデータ） (2021-08-03T17:49:09Z) - Trellis Decoding For Qudit Stabilizer Codes And Its Application To Qubit
Topological Codes [3.9962751777898955]
トレリス復号器は強い構造を持ち、古典的符号化理論を用いて結果をガイドとして拡張し、復号グラフの構造特性を計算できる正準形式を示す。
修正されたデコーダは、任意の安定化コード$S$で動作し、コードの正規化子のコンパクトでグラフィカルな表現を構築するワンタイムオフライン、$Sperp$、Viterbiアルゴリズムを使った高速でパラレルなオンライン計算である。
論文 参考訳（メタデータ） (2021-06-15T16:01:42Z)
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。