LLM-QUBO：从自然语言问题描述自动生成 QUBO 的端到端框架
机器学习
2025-09-03 v1 量子物理
摘要
量子退火为解决 NP-hard 组合优化问题提供了有前景的范畴，但其实际应用受到两个挑战的严重制约：将问题描述翻译为必需的二次无约束二进制优化（QUBO）格式的复杂且手动的过程，以及当前量子硬件的可扩展性限制。为解决这些障碍，我们提出一种新型端到端框架 LLM-QUBO，该框架自动完成从 formulation 到 solution 的整个管道。我们的系统利用大型语言模型（LLM）解析自然语言，自动生成结构化的数学表示。为克服硬件限制，我们集成一种混合量子-经典 Benders 分解方法。该方法将问题分区，将组合复杂的主问题编译为紧凑的 QUBO 格式，而将线性结构的子问题委托给经典求解器。使用经典求解器验证了生成 QUBO 的正确性以及混合方法的可扩展性，建立了稳健的性能基准，表明该框架已准备好用于量子硬件。我们的主要贡献是一种协同式计算范畴，将经典人工智能与量子计算相结合，解决实际应用中优化问题的关键挑战。这种自动化工作流程显著降低了进入门槛，为将量子设备转化为大规模实际优化挑战的可及加速器提供了可行路径。
关键词
引用
@article{arxiv.2509.00099,
title = {LLM-QUBO: An End-to-End Framework for Automated QUBO Transformation from Natural Language Problem Descriptions},
author = {Huixiang Zhang and Mahzabeen Emu and Salimur Choudhury},
journal= {arXiv preprint arXiv:2509.00099},
year = {2025}
}