دستیارهای هوش مصنوعی (LLMs) معمولاً در کدنویسی تخصصی کوانتومی دچار اشتباهات ساختاری و توهم (Hallucination) میشوند. اما محققان با معرفی فریمورک جدید «PennySynth»، این مشکل را حل کردهاند.
این ابزار از تکنیک RAG (تولید با بازیابی اطلاعات) استفاده میکند و با آموزش روی بیش از ۱۳ هزار نمونه کد اختصاصی «PennyLane»، دقت تولید کدهای کوانتومی را به شکل چشمگیری افزایش داده است. در تستهای مسابقات برنامهنویسی QHack، این مدل توانسته است با اختلاف قابل توجهی، عملکرد مدلهای قدرتمندی مثل Claude Sonnet 4.6 را بهبود ببخشد.
این دستاورد خبر بسیار خوبی برای توسعهدهندگانی است که در حوزهی پیچیده و حساسِ پردازش کوانتومی فعالیت میکنند. ⚛️💻
منبع: arXiv AI