摘要
本文提出 SCALAR，一种基于 CUDA-Q 构建的神经符号框架，旨在实现量子电路分析中的自动猜想生成。该系统整合了量子模拟、符号猜想生成及基于大语言模型的解释能力。在 MQLib 基准数据集的 82 个 MaxCut 实例及 2000 个随机生成图上评估显示，SCALAR 能生成关联最优 QAOA 参数与图不变量的猜想边界，复现参数迁移现象，并识别图结构特征与优化景观属性间的相关性。实验规模高达 77 量子比特，验证了该框架在准确性与通用性方面的潜力。
AI 推荐理由
论文核心利用 LLM 辅助推理生成量子电路猜想，虽属特定领域应用，但推理机制是关键。
研究机构
Department of Computer Science, Texas A&M University, College Station, USA
NVIDIA Corporation, Santa Clara, USA
Computing and Artificial Intelligence Division (CAI-3), Los Alamos National Laboratory, Los Alamos, USA
论文信息