Alinhando Operadores Quânticos com Modelos de Linguagem de Grande Porte

Resumo

Modelos de Linguagem de Grande Escala (LLMs) conseguem compreender e raciocinar sobre operadores quânticos? Apesar de suas capacidades notáveis em matemática e raciocínio simbólico, os LLMs permanecem intrinsecamente cegos a representações quânticas, como matrizes unitárias. Neste trabalho, damos um passo em direção a preencher essa lacuna ao introduzir uma abordagem que mapeia operadores unitários no espaço latente de um LLM, permitindo modelagem unificada sobre entradas quânticas e linguísticas. Instanciamos essa ideia na síntese de circuitos Clifford+T sobre um conjunto de portas de rotação de Pauli, onde nosso modelo alcança resultados competitivos com métodos de ponta e escala consistentemente com os dados de treinamento, sem sinais de saturação. Nossa abordagem ainda possibilita síntese condicionada por linguagem, permitindo que restrições de portas não observadas durante o treinamento sejam especificadas diretamente em linguagem natural. Este trabalho sugere um caminho em direção a modelos fundacionais conscientes de quântica que possam interpretar e raciocinar nativamente sobre operações quânticas, o que poderia ter implicações mais amplas alcançando a compilação quântica e a descoberta 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.