arXiv · quant-ph· Tanuj Khattar, Nicholas C. Rubin, Craig Gidney, Michael Broughton, Guang Hao Low, Ryan Babbush·· 7 小时前
研究利用可验证结构与智能体 AI 优化量子电路编译
Leveraging verifiable structure in quantum circuits to find more efficient compilations with agentic AI
arXiv:2610.23832v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tanuj Khattar, Nicholas C. Rubin, Craig Gidney, Michael Broughton, Guang Hao Low, Ryan Babbush
研究任务与主要进展
该论文研究如何利用具有经典可验证结构的关键子程序，借助 AI Agent 更高效地编译量子电路，并对近似电路合成进行基于 fuzz testing 的认证。作者讨论了其在库仑算符实空间模拟、Reed-Solomon 码译码和二量子化化学模拟量子查找表与受控 Givens 旋转中的三类应用，并提供参考实现，用于为相关 AI 编译优化研究设计 Kaggle 竞赛。
阶段、条件与复现 · 深读核对
- AI 解决哪一个明确的量子问题？
- 训练数据、物理约束、误差与分布外检验是什么？
- 相同精度和总资源下，是否优于已有方法？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org