論文の概要: Intent-Level Quantum Programming with Assertion-Guided Execution and Inspectable Intermediate Representation
- arxiv url: http://arxiv.org/abs/2608.02648v1
- Date: Fri, 31 Jul 2026 18:21:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:22.875427
- Title: Intent-Level Quantum Programming with Assertion-Guided Execution and Inspectable Intermediate Representation
- Title（参考訳）: Assertion-Guided Execution と Inspectable Intermediate Representation を用いたIntent-Level量子プログラミング
- Abstract要約: 量子ドメイン固有言語(Q)は3つのメカニズムを通して問題に対処する。
第1級IRイントロスペクション、回路幅の露光、ワイヤマッピング、操作順序、および実行前の開発者検査のための測定意図。
アサーション誘導モード推論では、エンジンが宣言された検証プロパティを調べて、サンプリング、ステートベクタ、デュアル実行を自動的に選択する。
- 参考スコア（独自算出の注目度）: 0.22183164865527472
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum programs are difficult to validate: circuits are typically expressed as imperative gate sequences with limited inspectability, execution modalities must be selected manually, and outputs are inherently probabilistic. These challenges are compounded when programs must be portable across backend frameworks with differing internal conventions. We present a quantum domain-specific language (QDSL) that addresses these problems through three mechanisms: (i) intent-execution separation, where algorithmic constructs such as preparation, superposition, entanglement, and measurement are represented as inspectable objects compiled into backend-specific circuits only after pre-execution Intermediate Representation (IR) validation; (ii) first-class IR introspection, exposing circuit width, wire mapping, operation order, and measurement intent for developer inspection prior to execution; and (iii) assertion-guided modality inference, where the engine examines declared verification properties to automatically select sampling, statevector, or dual execution without user intervention. Results are logged in structured form to support reproducible regression testing. We evaluate our prototype on benchmark circuits spanning entanglement, oracle-based, structured-transform, and variational examples. In fault-injection experiments on Bell and 3-qubit GHZ circuits, a total-variation-distance detector identifies the injected faults across all evaluated shot budgets (True Positive Rate 1.0), with observed false positives (False Positive Rate 2.7-3.8%) only at 128 shots. Differential testing demonstrates numerical agreement across PennyLane and Qiskit compilation targets for the evaluated constructs after endianness canonicalization. IR generation costs are sub-millisecond.
- Abstract（参考訳）: 回路は通常インペラビリティが制限された命令ゲートシーケンスとして表現され、実行モードは手動で選択され、出力は本質的に確率的である。
これらの課題は、プログラムが内部のコンベンションが異なるバックエンドフレームワーク間でポータブルでなければならない場合に複雑になる。
量子ドメイン固有言語(QDSL)は、これらの問題に3つのメカニズムを通して対処する。
一 準備、重ね合わせ、絡み込み、測定等のアルゴリズム的な構成物を、前処理中間表現(IR)検証後にのみバックエンド特定回路にコンパイルされた検査可能な対象として表現すること。
二 第一級赤外線検査、回路幅の露出、電線マッピング、運転順序及び実施前の開発者検査のための測定意図
3) アサーション誘導型モーダリティ推論では、エンジンが宣言された検証プロパティを調べ、ユーザーの介入なしにサンプリング、ステートベクタ、あるいは二重実行を自動的に選択する。
再現性のある回帰テストをサポートするために、結果は構造化形式でログされる。
提案するプロトタイプは, エンタングルメント, オラクルベース, 構造化変換, 変分例にまたがるベンチマーク回路上で評価する。
ベル回路と3量子GHZ回路の故障注入実験において、全変量距離検出器は、評価された全てのショット予算(トルー陽性率1.0)にまたがって注入された欠陥を検知し、観測された偽陽性(偽陽性率2.7-3.8%)は128ショットでのみ検出される。
微分テストは、エンディアンネスの正準化後の評価された構成物に対するペニーレーンとキースキットのコンパイルターゲット間の数値的な一致を示す。
赤外線発生コストはミリ秒以下である。
関連論文リスト
- Verification-Aware Training for Speculative Decoding [57.84976863792784]
VAT(Verification-Aware Training)は、トレーニングステップ毎に検証をシミュレートし、その結果の受け入れパターンと拒否パターンを監督するプラグインフレームワークである。
VATはトレーニング対象のみを変更するため、ドラフトアーキテクチャやターゲットモデル、推論手順を変更することなく、既存のメソッドの上にレイヤー化することができる。
VATは平均受理期間を最大11.4%改善し、ウォールクロックのスピードアップを最大8.7%向上させ、数学、コード、チャットベンチマークで一貫した利益を得ている。
論文 参考訳（メタデータ） (2026-08-31T01:42:10Z) - Test-Time Scaling in Reasoning LLMs: Inference Regimes, Evaluation, and Reproducibility [7.838210213616623]
3つの軸に沿ってテスト時間スケーリングを体系的に記述する。
まず、自動回帰モデルの暗黙の接頭辞木に対する予算付き推論としてテスト時間スケーリングを定式化する。
次に,評価対象を全体推論システムとして扱う。
論文 参考訳（メタデータ） (2026-08-04T17:57:20Z) - GroverFigureOfMerit: An Agnostic Figure of Merit for Quantum Backend Characterization in the NISQ Era [41.99844472131922]
本稿では,Groverのアルゴリズムに基づくメリットのフィギュアを,量子バックエンド性能を均等に評価するアルゴリズム的ストレステストとして提案する。
この計量は、目標状態の成功確率と、非一様増幅と非マーク状態へのリークに対する罰則を組み合わせ、ハードウェアアーキテクチャ全体で統一されたスコアを得る。
論文 参考訳（メタデータ） (2026-07-09T16:08:48Z) - Speculative Refinement: A Hybrid Autoregressive Diffusion Decoding Strategy and Its Behavior Across Benchmarks [1.9800951131982487]
我々はSpecRef(Speculative Refinement)を用いて、ARドラフトからマスク付き拡散言語モデルをウォームスタートする。
We evaluate SpecRef across six benchmarks (HumanEval, MBPP, GSM8K, BBH, ARC-Challenge, HellaSwag) with three distinct evaluation protocol。
これらの観察は、多段階または非自己回帰生成パイプラインに適用され、より診断評価の実践に向けて向けられる。
論文 参考訳（メタデータ） (2026-06-25T18:52:24Z) - Gatekeepers and Hallucinations: A Layered Evaluation Framework for LLM-Driven Quantum Circuit Generation [0.0]
材料インフォームド変分量子固有解器(VQE)回路生成のための階層評価フレームワークを提案する。
5つの異なるLCM障害モード(幾何学幻覚、存在しないAPI使用、統合障害、制約違反、検証不可能な出力)を分類する。
評価プラットフォーム自身のソースコードの法医学的な監査により、サイレントフォールバック・テンプレート置換によって、ハーネスに2つの明らかなモデル障害が生じたことが確認された。
論文 参考訳（メタデータ） (2026-06-16T19:17:54Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - StabilizerBench: A Benchmark for AI-Assisted Quantum Error Correction Circuit Synthesis [0.0]
StabilizerBenchは、12のファミリー、4-196のキュービット、距離2-21の192の安定化器コードからなるベンチマークスイートである。
本稿では,成功度を計測する能力スコアと,品質スコア取得回路の有益性という,2段階の統一型ジェネレータ重み付けスコアシステムを定義する。
我々は、3つのフロンティアAIエージェントを評価し、そのベンチマークがモデルとタスク間で差別化され、改善のための実質的なヘッドルームを見つける。
論文 参考訳（メタデータ） (2026-04-23T05:04:28Z) - Scaling Agentic Verifier for Competitive Coding [66.11758166379092]
大規模言語モデル(LLM)は強力なコーディング能力を示しているが、1回の試行で競合するプログラミング問題を正しく解くのに苦戦している。
実行ベースの再ランク付けは、有望なテスト時間スケーリング戦略を提供するが、既存のメソッドは、難しいテストケースの生成または非効率的なランダム入力サンプリングによって制約される。
本稿では,プログラムの動作を積極的に推論し,高い差別性のあるテスト入力を検索するエージェント検証手法を提案する。
論文 参考訳（メタデータ） (2026-02-04T06:30:40Z) - BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。
提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
論文 参考訳（メタデータ） (2025-11-26T06:39:19Z) - Learning to rank quantum circuits for hardware-optimized performance enhancement [0.0]
本稿では,論理的に等価な量子回路をランク付けするための機械学習に基づく手法を実験的に導入し,実験を行った。
提案手法をランダムなレイアウト選択とMapomaticと呼ばれる一般公開ベースラインの2つの一般的なアプローチと比較する。
我々の最良のモデルでは、ベースラインアプローチと比較して選択誤差が1.8タイムズ$減少し、ランダム選択と比較して3.2タイムズ$減少する。
論文 参考訳（メタデータ） (2024-04-09T18:00:01Z) - PREGO: online mistake detection in PRocedural EGOcentric videos [49.72812518471056]
自己中心型ビデオにおける誤り検出のための,最初のオンライン一級分類モデルであるPregoを提案する。
PreGOは、現在のアクションをモデル化するオンラインアクション認識コンポーネントと、次のアクションを予測するシンボリック推論モジュールに基づいている。
手続き的誤り検出のオンラインベンチマークに適応する2つの手続き的自己中心型ビデオデータセットであるAmbly101とEpic-tentについてPreGOを評価した。
論文 参考訳（メタデータ） (2024-04-02T13:27:28Z) - Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。
我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。
まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
論文 参考訳（メタデータ） (2020-08-19T16:04:34Z)
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。