技術要約: QiboAgent – 量子コンピューティングにおけるオープンソース・アシスタントのための実践ガイドライン

1. 問題提起

科学的なソフトウェア・エコシステム、特に量子コンピューティングの領域におけるメンテナンスと進化は、コードベースの規模拡大に伴い、重大な課題に直面している。汎用的な大規模言語モデル（LLM）は、コード生成には長けているものの、Qiboミドルウェアのような専門領域に適用する場合、固有の限界に直面する。パラメトリックメモリのみに依存すると、標準的なモデルはハルシネーション（存在しないモジュールや関数を捏造すること）を引き起こしやすく、複雑で状態依存的なエンジニアリング・タスクに必要な推論の深さに欠ける。さらに、プロプライエタリなモデルは膨大な計算リソースを必要とし、研究環境におけるセキュアなローカル展開に必要な透明性やカスタマイズ性を欠いている。

2. 手法

著者らは、専門的なコーディング・アシスタントの開発を導くためのリファレンス実装として、QiboAgentを導入する。本システムは、静的なLLMの限界を克服するために、2つの補完的なパラダイムを統合している。

A. 検索拡張生成 (RAG)

事実の正確性を高め、ハルシネーションを抑制するために、Qiboのコードベース（ソースコード、ドキュメント、ノートブック）に基づいたRAGパイプラインを採用している。著者らは2つの検索戦略を評価した：

1. セマンティック検索 (Semantic Retrieval): 情報の冗長性を最小限に抑え、多様なコンテキストの取得を確実にするために、最大周辺関連性 (Maximum Marginal Relevance: MMR) によるリランキング・メカニズムを用いた固定サイズ・チャンキングを利用する。
2. ハイブリッド検索 (Hybrid Retrieval): 意味理解のための密なベクトル埋め込みと、精密な技術的トークン取得のためのOkapi BM25キーワード・マッチングを組み合わせる。このアプローチは、コードの構文（例：クラス定義とそのメソッドの集約）を尊重する構造認識型のインジェクション・パイプラインを使用し、正規化された線形結合を介してスコアを融合させる。これは、純粋なセマンティック検索では見落とされる可能性のある、ドメイン固有の命名規則（例：特定のハミルトニアン識別子）を扱う上で極めて重要である。

B. エージェンティック・ワークフロー (Agentic Workflows)

状態管理と多段階の推論を必要とする複雑なエンジニアリング・タスクのために、システムは受動的な生成器から、ReActフレームワークに基づく自律型エージェントへと移行する。

• シングルエージェント・モード: リポジトリのメンテナンス（例：GitHubイシューの解決）に使用される。エージェントはイシュー・トラッカーをスクレイピングし、ファイルシステムをナビゲートし、反復的にコードパッチを提案する。
• 逐次マルチエージェント・モード: 大規模なリファクタリング（例：PythonパッケージからRustへの移植）に使用される。ワークフローは、専門化されたエージェント（Rustアーキテクト、バインディング生成器、互換レイヤー、検証エージェント）に分解され、コンパイラ駆動型フィードバック・ループ内で動作する。このループにより、エージェントはシェルコマンド（例：cargo build, pytest）を実行し、エラーログを解析し、コンパイルとテストがパスするまで自律的に修正パッチを適用することができる。

C. モデル選択

フレームワークは、ローカル展開を可能にするために、オープンソースで軽量なモデル（20Bから120Bパラメータの範囲）を優先している。

• 埋め込み (Embedding): sentence-transformers/all-MiniLM-L6-v2
• 生成 (Generative): 階層的な戦略が用いられる。Q&Aやドキュメント作成には軽量モデル（例：gpt-oss:20b, qwen3-coder:30b）、堅牢なツール呼び出し能力を必要とする複雑なエージェント推論には、より大規模なモデル（例：gpt-oss:120b）を使用する。
• インフラストラクチャ: システムは、推論にはOllama、オーケストレーションにはLangChainを使用してローカルで動作する。

3. ベンチマーク・タスクと評価

著者らは、以下の4つの異なるタスクにわたる包括的な評価プロトコルを確立した：

1. 量子コンピューティング Q&A: 設定、プリミティブ、高度なシミュレーション、およびデバッグをカバーする50問の質問からなるデータセット。性能は、機能的正当性（生成されたコードをグラウンドトゥルースに対して実行）、ハルシネーション・スコア（AttributeErrorなどのランタイムエラーの追跡）、およびスタイルの質（Pylintスコア）によって測定された。
2. 自動ドキュメント生成: 新しいコードに対してSphinx互換のドックストリングを生成し、正しい相互参照と使用例を保証する。
3. 新機能プルリクエスト: 人間の介入なしに、GitHubイシュー（例：テンソル展開のロジックに関するIssue #1710）を自律的に解決する。
4. リファクタリングとリベース: Qibo-coreモジュールをRustで作成するための「グリーンフィールド」開発タスク。これには、pyO3によるPythonバインディング、ビルド構成、およびユニットテストが含まれる。

4. 主な結果

• 精度とハルシネーションの低減: ハイブリッド検索戦略は、No-RAGのベースラインおよび純粋なセマンティック検索の両方を一貫して上回った。システムは、qwen3-coder:30bモデルを使用して**90.2%**のピーク精度を達成した。決定的なことに、RAGアプローチは、セマンティック検索のみでは改善が最小限であったプロプライエタリなベースライン（例：GoogleのGemini-2.5-flash）と比較して、ハルシネーション率を大幅に減少させた。これは、後者が検索されたコンテキストではなく、事前学習のメモリに依存していることを示唆している。
• エージェント能力: エージェントは、複雑なGitHubイシュー（Issue #1710）を解決し、Qibo-core Rustモジュールのための機能的な概念実証（PoC）を生成することに成功した。エージェントのコードは、人間が書いたパッチに見られる特定のアーキテクチャ上の最適化（例：置換インデックスのキャッシュ）を欠いている場合もあったが、軽微な洗練のみで済む、数学的に妥当で機能的に完全なソリューションを生成した。
• コンパイラ駆動型フィードバック: マルチエージェント・システムは、Rust移植プロセス中のコンパイルエラーと型不一致を解決するためにフィードバック・ループを正常に活用し、人間の介入なしに反復および自己修正を行う能力を実証した。
• 効率性: 軽量なオープンソースモデル（最大30Bパラメータ）が高い精度を達成したことは、大規模なプロプライエタリ・アーキテクチャなしでも、セキュアでコスト効率の高いローカル展開が可能であることを検証している。

5. 重要性と主張

本論文は、QiboAgentを人間の開発者の代替としてではなく、ドメイン特化型のAIアシスタントを構築するための実践者のガイドラインおよびリファレンス・アーキテクチャとして位置づけている。

• モデルの規模よりもドメイン認識: 本研究は、専門的な科学ソフトウェアにおいては、生のモデルサイズや事前学習への露出よりも、構造化された知識ベースとエージェント・ツールの方が重要であることを示している。ハイブリッド検索戦略は、一般的なLLMと専門的な要求事項との間のギャップを効果的に埋める。
• ローカル展開の実現可能性: オープンソースモデルで高いパフォーマンスを達成したことにより、著者らは、研究機関が複雑なメンテナンス・タスクを自動化しながら、データのプライバシーとプロプライエタリなプラットフォームからの独立性を維持できると主張している。
• 動的な適応性: 過学習のリスクがあり、コードベースの変化に伴うコストのかかる再学習を必要とするドメイン特化型のファインチューニングとは異なり、RAGベースのアプローチは動的で最新のコンテキストを提供し、再学習なしで進化するコードベースに適応することを可能にする。
• 将来の展望: 著者らは、これらのアーキテクチャがソフトウェアのメンテナンスを超えて、QibocalやQibolabを通じた量子ハードウェアのキャリブレーションなどの物理的タスクの自動化にまで拡張できる可能性を示唆しており、オープンソースAIを量子コンピューティングのフルスタックにおける不可欠なコンポーネントとして位置づけている。

フレームワーク、ソースコード、ベンチマーク・データセット、およびデプロイメント手順は、https://github.com/qiboteam/qiboagent で公開されている。