論文の概要: Aligning Quantum Operators with Large Language Models

• arxiv url: http://arxiv.org/abs/2606.13811v1
• Date: Thu, 11 Jun 2026 18:27:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.574003
• Title: Aligning Quantum Operators with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた量子演算子の設計
• Authors: Rogerio Feris, Yunchao Liu, Pengyuan Li, Hang Hua, David Kremer,
• Abstract要約: 我々は、ユニタリ作用素を LLM の潜在空間にマッピングするアプローチを導入する。 パウリ回転ゲート集合上のクリフォード+T回路合成において、このアイデアをインスタンス化する。 提案手法により言語合成が可能となり,学習中のゲート制約を自然言語で直接指定することが可能になる。
• 参考スコア（独自算出の注目度）: 7.837080726525561
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can Large Language Models (LLMs) understand and reason about quantum operators? Despite their remarkable capabilities in mathematics and symbolic reasoning, LLMs remain inherently blind to quantum representations such as unitary matrices. In this work, we take a step toward bridging this gap by introducing an approach that maps unitary operators into the latent space of an LLM, enabling unified modeling over quantum and linguistic inputs. We instantiate this idea on Clifford+T circuit synthesis over a Pauli rotation gate set, where our model achieves results competitive with state-of-the-art methods and scales consistently with training data, with no signs of saturation. Our approach further enables language-conditioned synthesis, allowing gate constraints unseen during training to be specified directly in natural language. This work suggests a path toward quantum--aware foundation models that can natively interpret and reason about quantum operations, which could have broader implications reaching across quantum compilation and algorithm discovery.
• Abstract（参考訳）: 大規模言語モデル(LLM)は量子演算子について理解し、推論できるのか? 数学や記号的推論において顕著な能力にもかかわらず、LLMはユニタリ行列のような量子表現に本質的に盲目である。 本研究では,LLMの潜在空間にユニタリ演算子をマッピングし,量子入力と言語入力の統一的モデリングを可能にするアプローチを導入することにより,このギャップを埋める方向への一歩を踏み出した。 我々は、このアイデアをパウリ回転ゲートセット上のクリフォード+T回路合成においてインスタンス化し、我々のモデルは、最先端の手法と競合し、飽和の兆候のないトレーニングデータと一貫してスケールする結果を達成する。 提案手法により言語条件の合成が可能となり,学習中のゲート制約を自然言語で直接指定することが可能になる。 この研究は、量子コンパイルとアルゴリズム発見にまたがる幅広い意味を持つ量子演算を自然に解釈し、推論できる量子認識基盤モデルへの道のりを示唆している。

関連論文リスト

• Quantum LLMs Using Quantum Computing to Analyze and Process Semantic Information [0.0]
  本稿では,大規模言語モデルの埋め込みを解析するための量子コンピューティング手法を提案する。 我々は、量子力学原理を用いた複雑な値表現と意味関係のモデル化を利用する。
  論文  参考訳（メタデータ） (2025-12-02T10:28:05Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Algorithms for Compositional Text Processing [1.3654846342364308]
  本稿では、最近提案された自然言語用DisCoCircフレームワークに注目し、量子適応QDisCoCircを提案する。 これはAI解釈可能なレンダリングに対する構成的アプローチによって動機付けられている。 テキスト類似性のモデルネイティブな原始演算に対しては、フォールトトレラントな量子コンピュータのための量子アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-08-12T11:21:40Z)
• Quantum circuit synthesis with diffusion models [0.6554326244334868]
  我々は、この変換を促進するために、生成機械学習モデル、特に拡散モデル(DM)をデノナイズする。 我々は、ゲートベースの量子回路内で所望の量子演算を生成するために、このモデルを操縦する。 我々は、DMを量子回路合成の重要な要素として想定し、実用的な応用だけでなく、理論的量子計算に関する洞察も強化する。
  論文  参考訳（メタデータ） (2023-11-03T17:17:08Z)
• The Quantum Monadology [0.0]
  関数型プログラミング言語の現代の理論は、計算サイドエフェクトとサイドコンテキストを符号化するためにモナドを使用する。 我々はGrothendieckの「操作のモチベーションヨガ」によって誘導されるパラメータ化モジュールスペクトルのカテゴリ上での(co)モナドの分析を行う。 本稿では、これらのモナディック量子効果を透明なdo-notationで表現したドメイン固有量子プログラミング言語(QS)を示す。
  論文  参考訳（メタデータ） (2023-10-24T11:19:24Z)
• 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)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)

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。