يعتبر تصميم الدوائر الكمية من المهام المعقدة التي تتطلب خبرة بشرية عميقة، لكن ماذا لو كان هناك طريقة أخرى؟ في دراسة جديدة، تم تقديم إطار عمل مبتكر يتيح استخدام نماذج لغوية ضخمة (LLMs) لتصميم دوائر كمية ذاتياً بشكل يتجاوز التحديات التقليدية. يعتمد هذا النظام على سبعة مكونات رئيسية تشمل الاستكشاف، والتوليد، والنقاش، والتحقق، والتخزين، والتقييم والمراجعة، مما يشكل دورة عمل مغلقة ترتبط بالكفاءة والاكتساب المعرفي عبر الإنترنت.

تعمل هذه المكونات بشكل متكامل للقيام بتصميمات دوائر كمية تحت قيود محددة، مما يساعد في توسيع استخدامات الذكاء الاصطناعي في مجالات متعددة. تم تقييم هذا النظام على مهمتين رئيسيتين: تصميم خريطة الخصائص الكمية لتطبيقات التعلم الآلي الكمي وتوليد ansatz لتطبيقات محلل الطاقة الكمية في الكيمياء الكمية.

في اختبارات تصنيف الصور، تفوقت أفضل خريطة خصائص تم إنشاؤها على الخرائط الكمية التقليدية، وعند تطبيقها على عدد أكبر من الكيوبتات، تجاوزت الوظائف الكلاسيكية المعروفة. بالإضافة إلى ذلك، أظهرت الأنماط التي تم إنشاؤها دقة تنافسية مع بعض الأنماط المعروفة المستخدمة في الكيمياء، مما يعكس كفاءة عالية في التعامل مع قيود القياس المفروضة.

تُعتبر هذه النتائج خطوة مهمة نحو تعزيز استخدام النماذج اللغوية الضخمة (LLMs) كنموذج فعّال لتصميم الدوائر الكمية، مما يفتح الآفاق أمام تطبيقات جديدة للذكاء الاصطناعي في مجال العلوم الهندسية والعلمية.