AI-Assisted Experiment Tracking for Quantum Software Development
Mahee Hewa Gamage
Abstract
Nykyiset keskikoon kvanttitietokoneet ovat häiriöherkkiä, ja kvanttilaskenta on luonteeltaan todannäköisyyspohjaista. Tästä johtuen ohjelmoijat ja tutkijat kohtaavat merkittäviä toistettavuushaasteita toimiessaan tämän sukupolven kvanttiohjelmointi ympärsitöissä. Järjestelmmällinen kokeiden seuranta tarjoaa ratkaisun tähän onglemaan. Seurantakäytännöt eivät kuitenkaan ole vielä laajasti yleistyneet, sillä niiden toteuttaminen vaatii osaamista käytettävistä ohjelmistoista, sekä tuntemusta kvanttilaskennan ja -tietokoneiden tietojen eheydestä ja olennaisista seurattavista tietueista. Aiempaan tutkimukseemme, jossa toteutimme MLflow-ohjelmistoon pohjautuvan kokeiden seuranta järjestelmän Qubernetes alustalle, pohjautuen, tässä pro gradu -tutkielmassa selvitetään tekoälypohjaisen avustajan käyttöä seurannan toteutuksessa.Tutkimuksen tuotoksena toteutettin ohjelmistoratkaisu. Ohjelmisto toteutettiin Visual studio code - ohjelmiston laajennoksena ja se on toteutettu Python-kielellä. Toteutus tarjoaa käyttäjälle tukea kvanttiohjelmointi kokeiden seurannassa ohejistamalla seurattavien kohteiden asettamisessa ja valinnassa. Kehitetty ohjelmisto on toteutettu toimimaan Qiskit-kirjastoon perustuvien ohjelmistojen kanssa. RAGAS-menetelmään perustuvan avustaja ominaisuuksien arvioinnin mukaan hybridietsintämenetelmämn ja RAG-agenttiarkkitehtuurin yhdistäminen saavutti parhaimmat koetulokset, 0,908, oikeellisuuden arvioinnissa OpenAI:n GPT -5.4-mallilla. Paikallisesti suoritettuna toteutuksena Qwen 3.5 (9b)-malli saavutti koetuloksen 0,814, joka osoitti mallin olevan varteenotettava vaihtoehto kaupallisille ulkoistetuille malleille. Osana tutkimustyötä toteutettu koodin syöttö-ominaisuus paljasti puutteita kvanttilaskennan erityispiirteisiin ja sen kannalta olennaisiin tietueisiin liittyen. Toimiakseen suunnitellulla tavalla ominaisuus vaatisi jatkokehitystä. Tämä pro gradu -tutkielma esittelee tuotetun ohjelmistoratkaisun ja kuvaa sen arvioinnin RAG järjestelmien arviointiin tarkoitetulla menetelmällä. Työssä kohtaa kaksi nousevaa tietotekniikanalaa, kvanttiohjelmoinnin ja tekoälyn käytön ohjelmistokehtyksen tukena.