2026-11-06,研究团队提交预印本,展示用LLM多智能体搜索量子程序并以Lean形式化验证的流程。人类选择问题并编写量子Hoare逻辑规格,智能体负责提出程序,外部比较器在冻结规格和干净沙箱中重放证明。

验证器会拒绝修改定理、加入自定义公理或虚报成本的方案,使“找到更短程序”与“能通过机器检查”分离。论文报告平行搜索最高1.41倍改进、固定点arcsin的时空成本最高290倍改进,以及聚变、光化学和药物代谢模拟中的10.9倍、8.08倍与2.49倍改进。

这些结果不能解释成量子硬件已经完成相应计算。论文未披露所用模型名称,问题和规格由人类设定,智能体不能优化规格之外的目标;路由、布局、纠错与硬件噪声也没有被完整纳入。作者明确表示端到端资源仍远超早期容错量子机。

Lean库、规格和解答在论文中仅称将开源,截至本次核查尚未找到正式仓库。研究因此具备较强的原始方法证据,但独立复现和同行评审仍缺失;报告的倍数还依赖各任务定义与成本模型,不能跨任务横向比较。形式化比较器还为并行探索提供统一验收门槛,多个智能体提出的结构最终都要在同一规格下重放。

量仔观察

这项工作对AI辅助科学编程的启示是:把可机检规格放在生成模型外部,能减少“看似正确”的结果进入工程链。E3论文全文支持方法和数字,但预印本、未公开模型与代码限制成熟度。研究者可先复核规格是否覆盖真实硬件约束;下一观察点是代码开放、独立重放和加入纠错路由后的收益。