用于自主变分量子电路设计的 LLM 系统

本文提出一种基于大语言模型的自主智能体框架，用于在明确约束下迭代设计高性能量子电路。该系统集成探索、生成、讨论、验证、存储、评估与审查七大组件，形成结合知识获取、文献批判、代码生成及实验反馈的闭环工作流。在量子机器学习特征映射与量子化学变分本征求解器任务中，该方法生成的电路在分类精度与分子基态估计上均表现优异，证明了 LLM 驱动的智能体系统在自动化科学优化流程中的可行性。