IBM联合麻省理工打破“量子盲区”，大模型首次“看懂”量子算子

这几年大型语言模型（LLM）的发展可以说是非常迅速。从最开始的流畅对话，接着能写代码、做奥数，甚至能处理图像、音频等多模态数据，看起来大模型无所不能。

量子计算行业也是一样，有大量的跨界融合尝试，例如用大模型做Qiskit代码助手、做量子编程的教学工具，甚至完全自动化的OpenQASM多智能体系统。

但是，现有的大模型对酉矩阵等量子表示仍然固有盲点，本质上还是在玩“文字游戏”。

最近MIT-IBM计算研究实验室和IBM Quantum的研究团队提出了一种全新的框架，首次将量子算子直接嵌入大模型的潜在空间，实现了对量子操作的原生理解与推理。

该研究在Pauli旋转门上的Clifford+T电路合成中实现了上述理念，模型实现了与最先进方法竞争的结果，并且与训练数据的规模一致，且没有饱和迹象。这项研究方法进一步支持语言条件综合，允许训练中未曾察觉的门约束直接用自然语言指定。

这项工作也被收录到了IEEE QCE 2026会议论文集中，为量子感知的基础模型打开了一片新的天地，也可能对量子编译和算法发现有更广泛的影响。

大模型的“量子盲区”

当前的量子AI辅助工具，无论是Qiskit代码助手还是OpenQASM编程的多智能体系统，目前都仅仅是运行在符号层级上。它们能够生成量子程序的文本表示，但却不能理解这些代码所蕴含的真实含义——酉矩阵。而量子编译、验证和算法设计中很多重要任务，恰好是需要直接访问算子的。

传统的精确Clifford+T综合和近似单量子比特综合，虽然会有最优性保证，但将它们扩展到多量子比特面临着很大的计算挑战。

这几年，有不少团队开始用深度强化学习（RL）去啃这块硬骨头。比如业界有名的AlphaTensor-Quantum。RL确实也能做复杂线路的部分优化，但也有明显的缺点：必须有十分精细的奖励设计、大量超参数调整、巨大的环境交互成本等。

同时，模型在超过11个门的电路上性能急剧下滑。这凸显了现有方法在可扩展性和泛化能力上的不足。

研究团队认为既然LLM都在向多模态发展（能看图、听声音），或许也可以把量子算子当做一种“图像”或者“模态”扔给模型。这也是本研究的出发点。

让大模型“看见”量子算子

研究团队的一个创新，是建立一个多模态对齐框架，把酉算子映射到LLM的嵌入空间。

图：LLM对齐框架

研究的第一步，将酉矩阵转化为实数值的泡利转移矩阵（PTM）。对于4个量子比特系统，PTM是一个256×256的实矩阵。相对于复数酉矩阵来说，PTM具有全局相位不变、复合相乘两个优势，更方便神经网络处理。该矩阵被当做一个单通道“图像”进行编码。

然后用视觉编码器的思路处理PTM。256×256的PTM分割成16×16不重叠块，就得到256个视觉令牌（visual tokens），用轻量级编码器和两层MLP投影器将其映射到LLM的词嵌入空间，与文本令牌（当前保真度、之前预测的门和指令提示等）拼接之后输入LLM，整个过程增加了大约1400万个参数。

第三步是逐步自回归的“剥离”合成。模型一次仅预测1个门，按照从逆执行到正执行的顺序进行预测。每预测1个门就逆PTM左乘于残差矩阵。如此往复，直到残余PTM成为单位矩阵，表示合成完成。

图：逐步剥层合成过程可视化

训练采取两阶段策略：先冻结LLM，只优化编码器和投影器，约七千步建立跨模态对齐；然后以差异化学习率联合微调所有参数：LLM采用较低的学习率，视觉组件采用4倍于此学习率一起微调。

整个过程中仅使用有监督微调的标准下一个令牌预测损失，并不增加强化学习的奖励塑造、探索策略等。

性能领先，且持续可扩展

研究团队使用30亿参数的Granite 4.0 Micro作为LLM骨干，在1-15个门的电路上进行测试，结果如下。

数据扩展方面，当训练电路从14.5万增加到920万时，成功率从23.4%跃升至71.0%，增加了3倍以上。更令人兴奋的是，从920万检查点继续训练模型在在1-30门的电路，模型在1-15门测试集上的成功率进一步上升到87.9%。两条曲线都还没有饱和，表明继续扩展数据还有巨大的潜力。

推理时扩展的效果也是明显的。通过最佳-N采样（Best-of-N sampling），贪婪解码的87.9%成功率在N=10时提升至97.1%，N=80时达到99.4%。收益主要集中在长电路上，说明模型的分布校准良好，即使在贪婪策略失败时，仍为正确路径保留概率质量。

与基线方法相比，优势也比较明显。贪婪搜索解码的成功率仅为13.8%，SynthetiQ（模拟退火）为62.7%，MDL波束搜索为68.8%，RL方法是83.7%。

本方法能实现N=80时达到99.4%，远远超过了所有对比方法，且每个样本推理时间仅仅需要大约1秒即可。对于成功合成出的电路来说，平均预测的门数与原始门数之比为1.007，意味着模型学会了最接近最优长度的分解，而不是通过增加门数凑保真度。

图：4量子比特Clifford+T合成成功率对比

在哈尔随机酉矩阵这一分布外测试中，在1-150门上训练的模型比15门模型有显著更高的保真度，说明扩展训练门数范围会有助于泛化到任意酉矩阵。

图：合成过程保真度曲线

语言条件合成

将量子合成建立在语言模型之上的一个优势是能由自然语言指令更加灵活地控制合成过程。

研究团队做了一个实验：训练模型遵循门集约束，例如“只能对q0、q2施行T门”。对训练阶段而言，一些组合的约束被故意排除。

图：语言条件合成实验

测试时，LLM初始化的模型有91%的门级约束合规率；当移除约束文本时，合规率降至53%，证明模型在“读”指令而不是默认生成合成序列。而随机初始化的模型仅有65%的合规率，这表明，预训练的语言理解对解释没有见过的约束起着至关重要的作用。

这种能力在硬件感知的编译中会有直接的应用价值——量子处理器的连通性约束需要编译器限制门的作用范围。更进一步讲，这将为交互式调试、合成策略分析，甚至未来对量子态的思维链推理打开了大门。

结论与展望

这项工作首次将量子算子直接嵌入大语言模型潜在空间，让LLM直接“看见”和推理量子操作。

该方法在4量子比特Clifford+T电路合成任务上，既超越了现有方法的性能，也拥有对数据扩展以及推理时扩展的潜力。语言条件合成的实现也证明了多模态量子-语言模型的独特优势。

总之，这项工作目前为止还还局限在小规模演示上。如果是从概念上的可行走向实用的量子基础模型，还需涉及到表示扩展、训练成本、严格验证、硬件兼容等各种问题。

但这项工作至少提供了一条明晰的方向。未来的量子大模型，不只是“谈论”量子计算，也要能够读取量子操作，并且直接围绕它们进行编译、验证、推理等。

[1]https://arxiv.org/pdf/2606.13811

[2]https://www.linkedin.com/feed/update/urn:li:activity:7480673973882605568/