迈向量子软件自动化：LLM引导进化的量子感知工具

量子软件对于提高稀缺量子硬件的效率和可靠性至关重要。然而，它的设计仍然严重依赖于临时的、手工设计的启发式方法，这些启发式方法通常不是最优的，并且随着量子硬件的发展很快就会过时。 LLM引导的进化搜索提供了一种自动探索复杂软件设计的有前途的方法，但现有的搜索框架缺乏高效进化所需的特定于量子的支持：验证成本高昂，反馈稀疏，并且异构量子程序需要不同的优化目标。在本文中，我们提出了 QSA，这是一种量子感知工具，用于大语言模型引导的进化搜索，以实现量子软件设计的自动化。 QSA 为搜索配备了三种形式的特定于量子的指导：进化硬度引导的核心集和近似评分以降低验证成本、静态和快照分析以提供细粒度的执行上下文，以及针对编译器传递和运行时策略的特定于任务的奖励。我们通过三个基准套件评估 IBM Quantum 平台上的 QSA。对于多道编程，与现有技术相比，QSA 将 QPU 利用率提高了 4.2%-9.5%，将 Hellinger 保真度提高了 15.2%-19.5%。为了缓解错误，QSA 将缓解时间至少缩短了 96.8%，同时实现了相当或更好的保真度。这些收益仅需要 11.3 小时的 LLM API 成本 6.9 美元。