Согласование квантовых операторов с большими языковыми моделями

Аннотация

Могут ли большие языковые модели (LLM) понимать и рассуждать о квантовых операторах? Несмотря на свои выдающиеся способности в математике и символьных рассуждениях, LLM остаются принципиально невосприимчивыми к квантовым представлениям, таким как унитарные матрицы. В данной работе мы делаем шаг к преодолению этого разрыва, предлагая подход, который отображает унитарные операторы в латентное пространство LLM, обеспечивая унифицированное моделирование квантовых и лингвистических входных данных. Мы реализуем эту идею на примере синтеза схем Клиффорд+T над набором вращательных вентилей Паули, где наша модель достигает результатов, сопоставимых с современными методами, и демонстрирует устойчивое масштабирование с обучающими данными без признаков насыщения. Наш подход дополнительно позволяет осуществлять синтез, управляемый естественным языком, что даёт возможность задавать ограничения на вентили, не встречавшиеся во время обучения, непосредственно на естественном языке. Эта работа указывает путь к созданию фундаментальных моделей, осведомлённых о квантовой механике, которые могут интуитивно интерпретировать и рассуждать о квантовых операциях, что может иметь более широкие последствия для квантовой компиляции и открытия алгоритмов.

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.