Команда из Техасского университета A&M, Nvidia и Лос-Аламосской национальной лаборатории представила SCALAR – нейросимволический фреймворк для анализа квантовых схем. Система использует квантовую симуляцию, символьную генерацию гипотез и большую языковую модель для поиска связей между параметрами алгоритма QAOA и структурой графа в задаче MaxCut. SCALAR не заменяет исследователя, а помогает быстрее находить признаки задачи, влияющие на результат.

В экспериментах на 82 задачах MaxCut фреймворк выделил 14 групп графов с одинаковым «структурным отпечатком», и в 13 из них оптимизированные параметры QAOA оказались почти одинаковыми. Однако при расширении анализа на 2000 случайных графов эффект проявился слабее: одинаковые базовые признаки не гарантировали схожие параметры, а при увеличении глубины схем предсказуемость снижалась.

Основные результаты получены на симуляторах, а не на реальном квантовом оборудовании, поэтому авторы называют их эмпирическими наблюдениями, а не доказанными закономерностями. SCALAR также не является полностью автономной системой: выбор признаков, интерпретация гипотез и оценка их значимости по-прежнему требуют участия человека и предметной экспертизы.