⚛️ quantum physics

AG-CoT: Verified Algorithmic Traces for LLM Program Synthesis on Clifford Circuits

Este artículo demuestra que el entrenamiento de modelos de lenguaje con trazas de cadena de pensamiento de Aaronson-Gottesman verificadas, combinado con un entrenamiento de continuación filtrado por verificadores, mejora significativamente la precisión de la síntesis de circuitos de Clifford correctos para la corrección de errores cuánticos en comparación con las bases de solo circuitos.

Autores originales: Lu Wei, Yufeng Wang, Chenfeng Cao, Lu Pang, Haibin Ling

Publicado 2026-09-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Lu Wei, Yufeng Wang, Chenfeng Cao, Lu Pang, Haibin Ling

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el campo emergente de la computación cuántica, los científicos están aprendiendo a construir máquinas que operan bajo las extrañas reglas del mundo subatómico. Para hacer que estas máquinas funcionen, los investigadores deben escribir software —llamado circuitos cuánticos— que manipula diminutas unidades de información para alcanzar un resultado específico y deseado. Piense en un circuito cuántico como un conjunto de instrucciones que guía a una partícula desde un punto de partida hasta un destino preciso. El desafío es que estas instrucciones son increíblemente frágiles; un solo paso erróneo puede enviar a la partícula al lugar equivocado, dejando todo el cálculo inútil. Durante años, los científicos de la computación han intentado enseñar a la inteligencia artificial a escribir estos circuitos automáticamente, con la esperanza de que las máquinas pudieran aprender a diseñar la compleja lógica requerida para los experimentos cuánticos. Sin embargo, un obstáculo importante ha persistido: una IA a menudo puede producir código que parece perfectamente correcto en la superficie, sigue todas las reglas gramaticales del lenguaje de programación e incluso se ejecuta sin fallos, pero aun así no logra preparar el estado cuántico exacto necesario. El código es válido, pero el resultado es incorrecto.

Un nuevo estudio aborda este problema específico centrándose en un tipo particular de circuito cuántico conocido como circuito de Clifford. Estos circuitos son especiales porque son lo suficientemente potentes como para ser útiles para la corrección de errores y otras tareas críticas, pero poseen una propiedad matemática única que permite verificarlos con precisión perfecta en una computadora estándar. A diferencia de la mayoría de las simulaciones cuánticas, que requieren rastrear un número imposible de posibilidades, estos circuitos pueden verificarse de forma exacta y rápida. Los investigadores utilizaron esta ventaja para crear un sistema de entrenamiento para modelos de lenguaje de gran tamaño. En lugar de simplemente pedirle a la IA que adivine el código final, le enseñaron a mostrar su procedimiento. El sistema requería que la IA generara un rastro lógico paso a paso —una cadena de razonamiento que explique cómo transformar el estado inicial en el estado objetivo— antes de permitirle escribir el programa final. Este rastro era entonces comprobado por un verificador estricto, un árbitro digital que confirmaba si la lógica era sólida y si el circuito resultante preparaba realmente el estado cuántico correcto. Solo los ejemplos en los que la IA acertaba la lógica y el resultado final era correcto se conservaban para enseñar más al modelo.

Los resultados de este enfoque fueron sorprendentes. Cuando los investigadores probaron la IA en miles de objetivos cuánticos diferentes, los modelos que aprendieron con estos rastros paso a paso verificados funcionaron drásticamente mejor que aquellos entrenados solo con el código final. Para uno de los modelos probados, el número de soluciones correctas saltó de apenas un puñado a más de dos cientos de entre el mismo conjunto de problemas. En otra familia de modelos, la tasa de éxito aumentó de menos del dos por ciento a casi el nueve por ciento. El estudio encontró que mostrar simplemente la respuesta final a la IA no era suficiente; la IA necesitaba comprender los pasos intermedios de la transformación para lograrlo. Además, los investigadores descubrieron que incluso cuando la IA producía código gramaticalmente perfecto y físicamente válido, a menudo seguía preparando el estado cuántico incorrecto. Esta brecha entre un programa válido y un resultado correcto es una visión crítica, que demuestra que verificar la sintaxis del código es insuficiente para las tareas cuánticas. Los modelos más exitosos fueron aquellos que aprendieron de los rastros verificados y luego fueron refinados mediante el entrenamiento basado únicamente en sus propios intentos exitosos, creando un ciclo de mejora impulsado por la verificación exacta.

Los investigadores también exploraron si este método podría escalar a modelos de IA mucho más grandes y potentes. Descubrieron que, si bien estos modelos más grandes podían escribir casi perfectamente código que seguía las reglas y permanecía dentro de la familia válida de circuitos cuánticos, seguían teniendo dificultades para alcanzar el estado objetivo exacto sin la guía específica del entrenamiento basado en rastros. Incluso con los modelos más avanzados, la tasa de éxito para preparar el estado exacto seguía siendo relativamente baja, rondando el seis por ciento para intentos únicos. Sin embargo, cuando los investigadores permitieron que el modelo generara muchos candidatos diferentes para cada problema y utilizaron el verificador para elegir el mejor, la cobertura de soluciones correctas mejoró significamente. Esto sugiere que, si bien la IA está mejorando en la mecánica de la escritura de código cuántico, la verdadera dificultad reside en la comprensión semántica profunda necesaria para asegurar que el código haga exactamente lo que se pretende. El estudio concluye que, para que la IA se convierta en un socio fiable en el diseño de experimentos cuánticos, debe ser entrenada no solo para producir código, sino para producir código que haya sido rigurosamente verificado en su resultado, cerrando la brecha entre un programa que se ejecuta y un programa que funciona.

Resumen Técnico: AG-COT: Trazas Algorítmicas Verificadas para la Síntesis de Programas de LLM en Circuitos de Clifford

1. Planteamiento del Problema

El artículo aborda una brecha crítica en la generación de código científico: la capacidad de los Modelos de Lenguaje Extensos (LLMs) para producir programas sintácticamente válidos y ejecutables que, no obstante, fallan en computar el objeto científico pretendido. Mientras que los benchmarks basados en ejecución han desplazado la evaluación hacia la corrección conductual, la síntesis de programas cuánticos presenta un desafío único donde un circuito puede parsearse, ejecutarse y permanecer físicamente válido (por ejemplo, Clifford-válido) y, aun así, preparar el estado cuántico incorrecto.

Los autores se centran en los circuitos de Clifford, los cuales están construidos a partir de puertas Hadamard, fase y CNOT. Estos circuitos son significativos porque:

Preparan estados estabilizadores, los cuales son esenciales para la corrección de errores cuánticos y la computación basada en mediciones.
Admiten verificación clásica exacta mediante el algoritmo de Aaronson–Gottesman, permitiendo una simulación eficiente sin rastrear $2^n$ amplitudes.
Sirven como un entorno controlado para probar si la supervisión del proceso de derivación (trazas algorítmicas) y el entrenamiento sobre salidas verificadas mejora la corrección semántica más allá de la simple generación de código.

Benchmarks previos, como QCircuitBench, mostraron que incluso los modelos de última generación (incluyendo GPT-4o) alcanzaron una fidelidad cercana a cero en tareas de preparación de estados de Clifford utilizando prompting estándar, lo que resalta la dificultad de la tarea.

2. Metodología

El marco propuesto, AG-COT, integra la verificación exacta en el bucle de entrenamiento a través de dos mecanismos primarios: Supervisión de la Traza Algorítmica y Continuación Filtrada por Verificador.

2.1 Representación del Objetivo y Verificación

En lugar de utilizar vectores de estado completos (que son exponencialmente grandes), los objetivos se representan como generadores estabilizadores con signo compactos. Esto reduce significativamente la longitud del prompt (por ejemplo, de ~16K caracteres para un vector de estado de 12 qubits a ~800 caracteres para el tableau).

El Verificador: Una cadena de decisión ordenada comprueba:
1. Validez Sintáctica ( $P(y)$ ): ¿El output se parsea como OpenQASM?
2. Validez de Clifford ( $K(y)$ ): ¿Puede el circuito parseado convertirse en un objeto Qiskit Clifford?
3. Coincidencia Exacta:
  - Coincidencia Estricta de Etiquetas: Comprueba si las etiquetas de los estabilizadores generados coinciden exactamente con las etiquetas objetivo.
  - Equivalencia de Estado ($StateEq$): Comprueba si el estado generado es equivalente al estado objetivo, ignorando las diferencias de base de los generadores.

2.2 Pipeline de Entrenamiento

El proceso de entrenamiento involucra dos etapas distintas:

Supervisión AG-CoT (Traza Algorítmica):
- En lugar de entrenar solo con el circuito OpenQASM final, el modelo es supervisado con trazas de cadena de pensamiento (CoT) de Aaronson–Gottesman (AG).
- Estas trazas consisten en pasos deterministas de reducción de tableau que, al invertirse, producen el circuito de preparación correcto.
- Los datos de entrenamiento emparejan el prompt objetivo con un bloque <think> que contiene la traza de reducción, seguido del programa OpenQASM final.
- Construcción: Para el estudio de 32B, las trazas se derivan de circuitos de referencia. Para los estudios de 3B/7B, las trazas se construyen directamente a partir de generadores estabilizadores con signo completando el tableau, aplicando la reducción, invirtiendo los pasos y compilando al conjunto de puertas permitido.
- Solo se incluyen en el conjunto de entrenamiento aquellos pares donde el verificador acepta el circuito final.
Continuación Filtrada por Verificador (Fine-Tuning de Muestreo de Rechazo - RFT):
- Tras el entrenamiento inicial de AG-CoT, el modelo genera sus propios outputs.
- El verificador filtra estas generaciones, reteniendo solo aquellas que pasan la comprobación de equivalencia de estado exacta.
- El modelo se somete a un segundo ajuste supervisado (fine-tuning) sobre este conjunto filtrado de sus propias generaciones exitosas.

2.3 Configuración Experimental

Modelos: Los experimentos se realizaron con Qwen2.5-3B-Instruct, Mistral-7B-Instruct-v0.3 y Qwen2.5-Coder-32B-Instruct.
Baselines: Comparados contra SFT Directo (supervisión de solo circuito) y baselines de Zero-shot.
Métricas: Evaluados en validez sintáctica, validez de Clifford, coincidencia estricta de etiquetas, equivalencia de estado y Pass@N (cobertura de búsqueda).

3. Contribuciones Clave

Supervisión de la Traza Algorítmica: El artículo demuestra que supervisar los modelos con trazas de AG-CoT verificadas por un verificador mejora significativamente la corrección semántica. Este enfoque empareja el circuito emitido con los pasos de reducción específicos que lo produjeron, enseñando al modelo el procedimiento de síntesis en lugar de solo el formato de salida.
Continuación Filtrada por Verificador: Los autores muestran que continuar el entrenamiento en los propios outputs aceptados por el verificador proporciona una ganancia consistente, aunque menor, sobre la línea base de supervisión de trazas.
Representación Compacta del Objetivo: El trabajo establece un pipeline donde los objetivos se especifican mediante generadores estabilizadores con signo, permitiendo la verificación exacta y reduciendo la sobrecarga del prompt mientras mantiene la precisión semántica total.
Evaluación Exhaustiva: El estudio separa la validez sintáctica, la validez de Clifford y la equivalencia de estado para demostrar que el código cuántico válido a menudo falla en preparar el estado correcto, confirmando la necesidad de la verificación exacta.

4. Resultados

4.1 Comparaciones Controladas (Modelos de 3B y 7B)

Sobre un conjunto de prueba de 3,661 objetivos:

Qwen2.5-3B:
- El SFT Directo logró un 0.90% de éxito en la tarea (33/3,661).
- El AG-CoT SFT aumentó el éxito al 5.49% (201/3,661), una ganancia de 4.59 puntos porcentuales.
- Las versiones de RFT filtradas por verificador lograron un 5.74%–5.87% (210–215 éxitos).
Mistral-7B:
- El SFT Directo logró un 1.94% (71/3,661).
- El AG-CoT SFT aumentó el éxito al 8.63% (316/3,661), una ganancia de 6.69 puntos porcentuales.
- El RFT alcanzó un 8.80% (322/3,661).
Significancia Estadística: Las pruebas de McNemar confirmaron que las ganancias de la supervisión AG-CoT sobre el SFT Directo son altamente significativas desde el punto de vista estadístico ( $p < 10^{-48}$ para Qwen, $p < 10^{-72}$ para Mistral). Las ganancias de RFT fueron menores y menos uniformemente significativas.

4.2 Estudio de 32B

Sintaxis y Validez: Los modelos supervisados lograron una validez sintáctica y de Clifford casi perfecta (~99.9%), mientras que los modelos Zero-shot tuvieron dificultades (<40%).
Equivalencia de Estado: A pesar de la alta validez, el modelo directo más fuerte (RFT-v1) logró solo un 6.14% de equivalencia de estado.
Cobertura de Búsqueda: Utilizando selección guiada por verificador con 64 candidatos por objetivo (Best-of-64), la cobertura para el AG-CoT Básico aumentó a 10.07% bajo equivalencia de estado, demostiendo que la búsqueda puede recuperar más circuitos correctos que la generación de un solo output.
Análisis de Errores: Los modelos entrenados con trazas produjeron errores con menores "déficits de restricciones" (menos restricciones del objetivo independientes faltantes) en comparación con los modelos de solo circuito, sugiriendo que retienen más información del objetivo incluso cuando fallan.

5. Significancia y Reivindicaciones

El artículo afirma que la supervisión de la traza algorítmica y la continuación filtrada por verificador son estrategias efectivas y complementarias para mejorar la corrección semántica de los LLMs en la síntesis de código científico.

Necesidad de la Verificación Exacta: La brecha persistente entre la validez de Clifford (sintaxis/física) y la equivalencia de estado (corrección semántica) confirma que la validez sintáctica es insuficiente. Un circuito puede ser físicamente válido pero preparar el estado incorrecto; por lo tanto, la verificación exacta es necesaria para las señales de entrenamiento.
Valor de la Derivación: Supervisar la derivación (la traza de AG-CoT) junto con el output final produce ganancias sustanciales sobre la supervisión del output por sí solo. Esto sugiere que los LLMs se benefician al aprender los pasos de razonamiento intermedio del algoritmo de síntesis.
Escalabilidad: Los métodos muestran mejoras consistentes a través de diferentes familias de modelos (3B, 7B, 32B), aunque las tasas de éxito absolutas siguen siendo modestas (de un solo dígito), lo que indica que, si bien el enfoque es efectivo, la tarea de la síntesis de circuitos cuánticos sigue siendo un desafío para los LLMs actuales.

Los autores concluyen que estos resultados apoyan el uso de la supervisión algorítmica y los datos filtrados por verificador como un camino hacia una generación de código científico más confiable, particularmente en dominios donde la verificación exacta es computacionalmente factible.