Het afstemmen van kwantumoperatoren op grote taalmodellen

Samenvatting

Kunnen grote taalmodellen (LLM's) quantumoperatoren begrijpen en erover redeneren? Ondanks hun opmerkelijke capaciteiten op het gebied van wiskunde en symbolisch redeneren, blijven LLM's inherent blind voor quantumrepresentaties zoals unitaire matrices. In dit werk zetten we een stap om deze kloof te overbruggen door een aanpak te introduceren die unitaire operatoren in de latente ruimte van een LLM projecteert, waardoor een uniforme modellering van quantum- en taalkundige invoer mogelijk wordt. We implementeren dit idee voor Clifford+T-circuitsynthese over een Pauli-rotatiepoortenset, waarbij ons model resultaten behaalt die concurrerend zijn met de nieuwste methoden en consistent schaalt met trainingsgegevens, zonder tekenen van verzadiging. Onze aanpak maakt bovendien taalgestuurde synthese mogelijk, waardoor poortbeperkingen die niet tijdens de training zijn gezien, direct in natuurlijke taal kunnen worden gespecificeerd. Dit werk suggereert een pad naar quantumbewuste funderingsmodellen die quantumoperaties native kunnen interpreteren en erover kunnen redeneren, wat bredere implicaties kan hebben voor quantumcompilatie en algoritmeontdekking.

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.