Qiskit Code Assistant
Qiskit Code Assistant si klade za cíl zpřístupnit kvantové výpočty novým uživatelům Qiskie a zlepšit zážitek z programování pro stávající uživatele. Jde o generativního AI asistenta pro psaní kódu, poháněného platformou watsonx. Je natrénován na milionech textových tokenů z Qiskit SDK, letech příkladů Qiskit kódu a funkcích IBM Quantum®. Qiskit Code Assistant ti může pomoci ve vývojovém procesu kvantových aplikací tím, že nabízí návrhy generované LLM na základě IBM Granite modelů, které zahrnují nejnovější funkce a možnosti od IBM®.
- Toto je experimentální funkce dostupná uživatelům IBM Quantum Premium Plan zaregistrovaným na nové IBM Quantum Platform.
- Qiskit Code Assistant je ve stavu předběžného vydání a může se měnit.
- Pokud máš zpětnou vazbu nebo chceš kontaktovat tým vývojářů, použij kanál Qiskit Slack Workspace nebo příslušné veřejné repozitáře na GitHubu.
Funkce
Následující funkce jsou součástí rozšíření pro Visual Studio Code (VS Code) a kompatibilní editory, jakož i pro JupyterLab:
- Urychluje generování kódu v Qiskie díky využití generativní AI postavené na modelech specializovaných na generování Qiskit kódu.
- Umožňuje zadávat abstraktní i konkr étní prompty pro generování doporučení.
- Zobrazuje návrhy, které můžeš zkontrolovat, přijmout nebo odmítnout.
- Podporuje soubory Python a Jupyter notebooky.
- Obsahuje ochranné mechanismy, které brání odpovídání na otázky představující potenciální riziko pro uživatele, jako je nenávistný projev.
Pokud chceš Qiskit Code Assistant integrovat přímo do svého vývojového prostředí, postupuj podle pokynů v příslušném tématu:
Velký jazykový model (LLM) za Qiskit Code Assistantem
Pro poskytování návrhů kódu využívá Qiskit Code Assistant velký jazykový model (LLM). V tomto případě se Qiskit Code Assistant aktuálně opírá o model mistral-small-3.2-24b-qiskit, postavený na modelu Mistral-Small-3.2-24B-Qiskit. Model mistral-small-3.2-24b-qiskit vylepšuje schopnosti generování kódu modelu Mistral-Small-3.2-24B-Instruct-2506 pro Qiskit prostřednictvím rozšířeného předtrénování a doladění na vysoce kvalitních datech Qiskit, commitech Pythonu a chatu. Více informací o rodině modelů Mistral AI najdeš v dokumentaci Mistral AI. Další podrobnosti o modelech .*-qiskit najdeš v článku Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code.
Naše LLM specializované pro Qiskit jsou dostupné také jako open-source modely. Všechny dostupné modely najdeš na https://huggingface.co/Qiskit.
Benchmarky Qiskit HumanEval a Qiskit HumanEval Hard
Pro testování modelu mistral-small-3.2-24b-qiskit a dalších modelů jsme spolupracovali s Qiskit Advocates a odborníky na vytvoření benchmarků založených na spouštění kódu, nazvaných Qiskit HumanEval (QHE) a Qiskit HumanEval Hard (QHE Hard), a spustili jsme je na těchto modelech. Tyto benchmarky jsou podobné HumanEval a zahrnují řadu náročných programovacích úloh, všechny postavené na oficiálních knihovnách Qiskit.
Benchmarky se skládají přibližně z 150 testů, přičemž každý je tvořen definicí funkce, za níž následuje docstring popisující úkol, který má model vyřešit. Každý příklad také obsahuje referenční kanonické řešení a jednotkové testy pro hodnocení správnosti generovaných řešení. Testy mají tři úrovně obtížnosti: základní, středně pokročilou a obtížnou. Benchmark Qiskit HumanEval Hard je variantou Qiskit HumanEval, ale odstraňuje informace týkající se importů kódu, takže LLM musí sám přijít na správné importy metod nebo tříd. Tato změna podle našich testů a počátečních výsledků datovou sadu pro LLM výrazně ztěžuje.
Datové sady pro Qiskit HumanEval a Qiskit HumanEval Hard jsou dostupné na těchto stránkách: Qiskit HumanEval a Qiskit HumanEval. K rozvoji těchto benchmarků můžeš přispět v repozitáři na GitHubu.
Další informace a citace
Pokud se chceš dozvědět více o Qiskit Code Assistantu, benchmarcích Qiskit HumanEval nebo Qiskit HumanEval Hard a citovat je ve svých vědeckých publikacích, prostuduj si tato doporučená citace:
@misc{2405.19495,
Author = {Nicolas Dupuis and Luca Buratti and Sanjay Vishwakarma and Aitana Viudes Forrat and David Kremer and Ismael Faro and Ruchir Puri and Juan Cruz-Benito},
Title = {Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code},
Year = {2024},
Eprint = {arXiv:2405.19495},
}
@misc{2406.14712,
Author = {Sanjay Vishwakarma and Francis Harkins and Siddharth Golecha and Vishal Sharathchandra Bajpe and Nicolas Dupuis and Luca Buratti and David Kremer and Ismael Faro and Ruchir Puri and Juan Cruz-Benito},
Title = {Qiskit HumanEval: An Evaluation Benchmark For Quantum Code Generative Models},
Year = {2024},
Eprint = {arXiv:2406.14712},
}
@misc{2508.20907,
Author = {Nicolas Dupuis and Adarsh Tiwari and Youssef Mroueh and David Kremer and Ismael Faro and Juan Cruz-Benito},
Title = {Quantum Verifiable Rewards for Post-Training Qiskit Code Assistant},
Year = {2025},
Eprint = {arXiv:2508.20907},
}
Další kroky
- Nainstaluj a používej oficiální rozšíření pro JupyterLab nebo VS Code.
- Prohlédni si příklady použití Qiskit Code Assistantu pro Circuit, konfiguraci potlačení chyb a transpilaci s pass managery.