연구진이 양자 연산자를 LLM의 잠재 공간에 매핑하는 방식으로 양자 및 언어 입력을 통합 모델링하는 방법을 제시했어요. Clifford+T 회로 합성에서 기존 방법과 경쟁력 있는 결과를 얻었으며, 훈련 데이터 증가에 따라 꾸준히 성능이 향상됐어요. 자연어 기반 제약 조건을 지정할 수 있는 언어 기반 회로 합성이 가능해졌어요.
연구진은 양자 연산자를 LLM의 잠재 공간에 매핑하는 새로운 접근 방식을 도입하여 양자 및 언어 입력을 통합 모델링하는 방법을 제시했어요. 이 방법은 Pauli 회전 게이트 집합을 사용하는 Clifford+T 회로 합성에 적용됐어요. 훈련 데이터 증가에 따라 꾸준히 성능이 향상됐으며, 포화 징후는 나타나지 않았어요.
연구진은 양자 연산자를 LLM의 잠재 공간에 매핑하는 방법을 제시하여 양자 연산과 추론을 기본적으로 이해할 수 있는 양자 인식 기반 모델 개발의 가능성을 열었어요.