Qiskit Code Assistant
Qiskit Code Assistant는 새로운 Qiskit 사용자들에게 양자 컴퓨팅을 보다 쉽게 접근할 수 있도록 하고, 기존 사용자들의 코딩 경험을 향상시키는 것을 목표로 합니다. 이것은 watsonx를 기반으로 하는 생성형 AI 코드 어시스턴트입니다. Qiskit SDK의 수백만 개의 텍스트 토큰, 수년간의 Qiskit 코드 예제, 그리고 IBM Quantum® 기능을 활용하여 훈련되었습니다. Qiskit Code Assistant는 IBM®의 최신 기능과 기능성을 통합한 IBM Granite 모델을 기반으로 LLM이 생성한 제안을 제공함으로써 양자 개발 워크플로우를 지원합니다.
- 이 기능은 새로운 IBM Quantum Platform에 등록된 IBM Quantum Premium Plan 사용자에게 제공되는 실험적 기능입니다.
- Qiskit Code Assistant는 미리 보기 릴리스 상태이며 변경될 수 있습니다.
- 피드백이 있거나 개발팀에 문의하고 싶으시면 Qiskit Slack Workspace 채널 또는 관련 공개 GitHub 저장소를 이용해 주세요.
기능
다음 기능들은 Visual Studio Code (VS Code) 및 호환 편집기, 그리고 JupyterLab 확장 프로그램에 포함되어 있습니다:
- Qiskit 코드 생성에 특화된 모델을 기반으로 한 생성형 AI를 활용하여 Qiskit 코드 생성을 가속화합니다.
- 추상적이고 구체적인 프롬프트를 통해 추천 사항을 생성할 수 있습니다.
- 검토, 수락 또는 거부할 수 있는 제안을 제시합니다.
- Python 코드 및 Jupyter 노트북 파일을 지원합니다.
- 혐오 발언과 같이 사용자에게 잠재적인 위험을 초래할 수 있는 질문에 답변하지 않도록 하는 가드레일이 포함되어 있습니다.
Qiskit Code Assistant를 개발 환경에 직접 통합하는 방법은 해당 항목의 지침을 따르세요:
Qiskit Code Assistant의 대규모 언어 모델(LLM)
코드 제안을 제공하기 위해 Qiskit Code Assistant는 대규모 언어 모델(LLM)을 사용합니다. 현재 Qiskit Code Assistant는 Mistral-Small-3.2-24B-Qiskit 모델을 기반으로 구축된 mistral-small-3.2-24b-qiskit 모델을 사용합니다. mistral-small-3.2-24b-qiskit 모델은 고품질 Qiskit 데이터, Python 커밋 및 채팅에 대한 확장 사전 훈련과 미세 조정을 통해 Mistral-Small-3.2-24B-Instruct-2506 모델의 Qiskit 코드 생성 능력을 향상시킵니다. Mistral AI 모델 패밀리에 대한 자세한 내용은 Mistral AI 문서를 참조하세요. .*-qiskit 모델에 대한 자세한 내용은 Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code를 확인하세요.
Qiskit에 특화된 LLM은 오픈 소스 모델로도 제공됩니다. https://huggingface.co/Qiskit 에서 모든 사용 가능한 모델을 확인하세요.
Qiskit HumanEval 및 Qiskit HumanEval Hard 벤치마크
mistral-small-3.2-24b-qiskit 및 기타 모델을 테스트하기 위해, 저희는 Qiskit Advocates 및 전문가들과 협력하여 Qiskit HumanEval(QHE) 및 Qiskit HumanEval Hard(QHE Hard)라는 실행 기반 벤치마크를 만들고 모델에 적용했습니다. 이 벤치마크들은 공식 Qiskit 라이브러리를 기반으로 한 여러 도전적인 코드 문제를 포함하는 HumanEval과 유사합니다.
벤치마크는 약 150개의 테스트로 구성되어 있으며, 각 테스트는 함수 정의로 시작하고 모델이 해결해야 하는 작업을 자세히 설명하는 독스트링이 뒤따릅니다. 각 예제에는 생성된 솔루션의 정확성을 평가하기 위한 참조 표준 솔루션과 단위 테스트도 포함되어 있습니다. 테스트의 난이도는 기초, 중급, 고급의 세 단계로 나뉩니다. Qiskit HumanEval Hard 벤치마크는 Qiskit HumanEval의 변형이지만, 코드 임포트와 관련된 정보를 제거하여 LLM이 올바른 메서드나 클래스 임포트를 스스로 파악해야 합니다. 저희의 테스트와 초기 결과에 따르면, 이 변경으로 인해 LLM에게 데이터셋이 훨씬 더 도전적이 됩니다.
Qiskit HumanEval 및 Qiskit HumanEval Hard 데이터셋은 다음 웹사이트에서 확인할 수 있습니다: Qiskit HumanEval 및 Qiskit HumanEval. GitHub 저장소에서 이 벤치마크의 개발에 기여할 수 있습니다.
추가 정보 및 인용
Qiskit Code Assistant, Qiskit HumanEval, 또는 Qiskit HumanEval Hard 벤치마크에 대해 자세히 알아보고 학술 출판물에서 인용하려면 다음 권장 인용 목록을 참조하세요:
@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},
}
다음 단계
- 공식 JupyterLab 또는 VS Code 확장 프로그램을 설치하고 사용하세요.
- Circuit, 오류 억제 설정, 및 pass manager로 Transpiler 사용하기에 대한 Qiskit Code Assistant 사용 예제를 확인하세요.