研究人员开发了一种 LLM 引导的演化工作流程来发现量子 LDPC 码。该系统使用语言模型来突变生成代码候选的 Python 程序，然后通过多阶段管道进行严格验证。该过程在五个活动中筛选了大约 200,000 个代码，成本约为 400 美元的 LLM 推理和 140 小时的计算，最终确定了 465 个不同的候选代码。 AI
影响 证明了 LLM 引导的程序演化是加速量子编码等专业领域科学发现的实用方法。
排序理由 该集群包含一篇学术论文，详细介绍了使用 LLM 发现量子码的新研究方法。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
arXiv:2606.02418v1 Announce Type: cross Abstract: Quantum LDPC code discovery requires searching large algebraic design spaces while reliably certifying the parameters and equivalence classes of any candidates found. We introduce an LLM-guided evolutionary workflow in which langu…
Quantum LDPC code discovery requires searching large algebraic design spaces while reliably certifying the parameters and equivalence classes of any candidates found. We introduce an LLM-guided evolutionary workflow in which language models mutate Python programs that generate bi…
Quantum LDPC code discovery requires searching large algebraic design spaces while reliably certifying the parameters and equivalence classes of any candidates found. We introduce an LLM-guided evolutionary workflow in which language models mutate Python programs that generate bi…