본 논문은 대규모 언어 모델(LLM)을 활용하여 양자 회로를 자동 생성하고 최적화하는 시스템인 Agent-Q를 제안한다. 기존의 사전 훈련된 LLM은 양자 회로에 대한 지식이 부족하다는 문제를 해결하기 위해, 양자 컴퓨팅의 도메인 특정 지식을 주입하여 LLM을 미세 조정하는 방법을 제시한다. Agent-Q는 다양한 최적화 문제에 대한 매개변수화된 양자 회로를 생성하기 위해 훈련 데이터 세트를 생성하고, 사전 훈련된 LLM을 미세 조정하는 엔드투엔드 파이프라인을 구축한다. 12가지 최적화 문제 인스턴스와 이에 대한 최적화된 QAOA, VQE, 적응형 VQE 회로를 포함하는 14,000개의 양자 회로 데이터셋을 활용하여 OpenQASM 3.0으로 구문적으로 정확한 매개변수화된 양자 회로를 생성한다. 실험 결과, Agent-Q는 기존 최첨단 LLM보다 우수한 성능을 보이며, 무작위 매개변수보다 더 나은 매개변수를 생성하는 것으로 나타났다. 생성된 매개변수화된 회로는 양자 머신 러닝의 템플릿이나 컴파일러 및 하드웨어의 벤치마크로 활용될 수 있다.
