Alineación de Operadores Cuánticos con Grandes Modelos de Lenguaje

Resumen

¿Pueden los Modelos de Lenguaje de Gran Tamaño (LLMs) comprender y razonar sobre operadores cuánticos? A pesar de sus notables capacidades en matemáticas y razonamiento simbólico, los LLMs permanecen inherentemente ciegos a representaciones cuánticas como las matrices unitarias. En este trabajo, damos un paso hacia la superación de esta brecha introduciendo un enfoque que mapea operadores unitarios en el espacio latente de un LLM, permitiendo un modelado unificado sobre entradas cuánticas y lingüísticas. Materializamos esta idea en la síntesis de circuitos Clifford+T sobre un conjunto de puertas de rotación de Pauli, donde nuestro modelo logra resultados competitivos con métodos de vanguardia y escala de manera consistente con los datos de entrenamiento, sin signos de saturación. Nuestro enfoque además permite la síntesis condicionada por lenguaje, lo que permite especificar restricciones de puertas no vistas durante el entrenamiento directamente en lenguaje natural. Este trabajo sugiere un camino hacia modelos fundacionales conscientes de lo cuántico que puedan interpretar y razonar de forma nativa sobre operaciones cuánticas, lo cual podría tener implicaciones más amplias que abarquen la compilación cuántica y el descubrimiento de algoritmos.

English

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.