ハーバード大学、Anthropic、QuEraがLLMを活用し、リソースコストを最大9,100倍削減する量子回路を発見

ハーバード大学、Anthropic、QuEra Computingの研究者たちは、arXivに発表された研究論文で、大規模言語モデル（LLM）が耐故障性量子回路を自動的に発見、記述、最適化する進化的AIフレームワークを発表しました。

論文（「大規模言語モデルによる最先端量子回路の発見“）で詳述されているように、著者らはLLMのコード提案と独立した古典的評価器を組み合わせることで、コア計算プリミティブの時間・空間リソースコスト（T × Qコスト）を手作業で作成されたベースラインと比較して4.1倍から9,100倍以上に削減できることを実証しています。