論文の概要: QASM-Eval: A Dataset to Train and Evaluate LLMs on OpenQASM-3 Beyond Quantum Circuits

• arxiv url: http://arxiv.org/abs/2605.30358v1
• Date: Tue, 28 Apr 2026 19:01:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.556167
• Title: QASM-Eval: A Dataset to Train and Evaluate LLMs on OpenQASM-3 Beyond Quantum Circuits
• Title（参考訳）: QASM-Eval:OpenQASM-3上のLLMの量子回路を越えたトレーニングと評価のためのデータセット
• Authors: Zhenxiao Fu, Lei Jiang, Fan Chen,
• Abstract要約: 我々は,OpenQASM-3プログラム上でLLMをトレーニングし,評価するための最初のデータセットであるQASM-Evalを紹介する。 QASM-Evalは、専門家が検証した100のタスクと4,000のタスクのトレーニングセットで構成される。 我々の評価では、最先端のLLMがOpenQASM-3のコーディングタスクで苦労しているのに対して、QASM-Evalの微調整を目標とすると大きな利益が得られます。
• 参考スコア（独自算出の注目度）: 8.73473101831257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing remains in the Noisy Intermediate-Scale Quantum (NISQ) era, where the performance is highly constrained to noise. Addressing the limitation often requires hardware-facing capabilities beyond gate-sequence circuit specification, including mid-circuit measurement and classical feedback for quantum error correction (QEC), precise timing control for dynamical decoupling (DD), and pulse-level waveform access for calibration. OpenQASM-3 was introduced to expose exactly these capabilities, providing a hardware-level programming interface. However, despite the rapid progress of large language models in code generation, there is still no dataset specifically designed to train and evaluate LLMs on OpenQASM-3 programs that involve its advanced hardware-oriented features. To address this gap, we introduce QASM-Eval, the first comprehensive dataset designed to train and evaluate LLMs on OpenQASM-3. Rather than focusing on quantum algorithm design or reasoning, QASM-Eval explicitly targets the language's hardware-facing features. QASM-Eval comprises an expert-verified test set of 100 tasks and a training set of 4,000 tasks, systematically covering classical logic, timing scheduling, pulse control, and complex real-world workflows. To automatically validate generated programs, we check syntax, quantum states and program timeline using an extended verifier. Our evaluation reveals that while state-of-the-art LLMs struggle heavily in OpenQASM-3 coding tasks, targeted fine-tuning on QASM-Eval yields significant gains. QASM-Eval provides a crucial benchmark and training foundation to accelerate the development of reliable LLM assistants for hardware-facing quantum programming in NISQ era. Data and code: https://github.com/fuzhenxiao/QASM-Eval
• Abstract（参考訳）: 量子コンピューティングは、ノイズに強い制約があるノイズ中間スケール量子(NISQ)時代にも残っている。 この制限に対処するには、中間回路の測定や量子エラー補正(QEC)の古典的なフィードバック、動的デカップリング(DD)の正確なタイミング制御、校正のためのパルスレベルの波形アクセスなど、ゲートシーケンス回路仕様を超えたハードウェア対応の機能を必要とすることが多い。 OpenQASM-3は、ハードウェアレベルのプログラミングインタフェースを提供するために、これらの機能を公開するために導入された。 しかし、コード生成における大規模言語モデルの急速な進歩にもかかわらず、先進的なハードウェア指向の機能を含むOpenQASM-3プログラム上でLLMを訓練し評価するためのデータセットはいまだに存在しない。 このギャップに対処するために,OpenQASM-3上でLLMをトレーニングし,評価するために設計された最初の包括的データセットであるQASM-Evalを紹介した。 QASM-Evalは量子アルゴリズムの設計や推論に焦点をあてるのではなく、明示的に言語のハードウェア対応機能をターゲットにしている。 QASM-Evalは100タスクのエキスパート検証テストセットと4000タスクのトレーニングセットで構成され、古典論理、タイミングスケジューリング、パルス制御、複雑な現実世界のワークフローを体系的にカバーしている。 生成したプログラムを自動的に検証するために,拡張検証器を用いて構文,量子状態,プログラムタイムラインをチェックする。 我々の評価では、最先端のLLMがOpenQASM-3のコーディングタスクで苦労しているのに対して、QASM-Evalの微調整を目標とすると大きな利益が得られます。 QASM-Evalは、NISQ時代のハードウェア向け量子プログラミングのための信頼性の高いLLMアシスタントの開発を加速するための重要なベンチマークとトレーニング基盤を提供する。 データとコード:https://github.com/fuzhenxiao/QASM-Eval

関連論文リスト

• QBugLM: An Agentic Benchmarking Framework for LLM-based Quantum Software Debugging [0.8609132348927196]
  大規模言語モデル(LLM)は、古典的なソフトウェア工学のタスクにおいて強力なパフォーマンスを示している。 量子ソフトウェアデバッグパイプラインを自動化するマルチエージェントフレームワークであるQBugLMを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:34:46Z)
• AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
  我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。 我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
  論文  参考訳（メタデータ） (2026-02-02T14:39:42Z)
• QUASAR: Quantum Assembly Code Generation Using Tool-Augmented LLMs via Agentic RL [8.823588193058727]
  大規模言語モデル(LLM)に基づく量子回路生成は有望な自動解法として登場した。 本稿では,量子回路生成と最適化のためのエージェント強化学習フレームワークであるQUISARを提案する。
  論文  参考訳（メタデータ） (2025-10-01T14:40:04Z)
• LLM-Guided Ansätze Design for Quantum Circuit Born Machines in Financial Generative Modeling [0.9176056742068813]
  量子回路ボルンマシン(QCBM)を用いた量子生成モデリングは、実用的な量子優位性を示す。 本稿では,大規模言語モデル(LLM)を利用してハードウェア対応QCBMアーキテクチャを生成するプロンプトベースのフレームワークを提案する。 実際のIBM量子ハードウェア上で12量子ビットを用いて実行される場合, LLM 生成した ans"atze は, 標準ベースラインに比べて著しく浅く, 生成性能に優れることを示す。
  論文  参考訳（メタデータ） (2025-09-10T08:23:58Z)
• QAgent: An LLM-based Multi-Agent System for Autonomous OpenQASM programming [8.73473101831257]
  OpenQASMプログラミングを完全に自動化するマルチエージェントシステムであるQAgentを提案する。 評価では, 異なるサイズの複数のLDMに対して, 大幅な改善が見られた。 我々は、このマルチエージェントシステムを、量子プログラミングの民主化、専門知識のギャップを埋め、量子コンピューティングの実践的採用を加速するための重要な実現手段として想定する。
  論文  参考訳（メタデータ） (2025-08-26T18:40:02Z)
• QCircuitBench: A Large-Scale Dataset for Benchmarking Quantum Algorithm Design [63.02824918725805]
  量子コンピューティングは、量子アルゴリズムによる古典的コンピューティングよりも大幅にスピードアップされていることが認識されている。 QCircuitBenchは、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データセットである。
  論文  参考訳（メタデータ） (2024-10-10T14:24:30Z)
• Quantum Federated Learning with Entanglement Controlled Circuits and Superposition Coding [44.89303833148191]
  我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。 本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。 画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
  論文  参考訳（メタデータ） (2022-12-04T03:18:03Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。