2026年4月24日，一篇题为《Practical Quantum CIM Empowerment via All-Domestic-Core Agentic Large Model》的论文提交至arXiv，作者为王锐（Wang Rui）和陆典南（Lu Diannan），全文共21页、含7张图。该研究将飞秒激光泵浦的相干伊辛机（Coherent Ising Machine, CIM）与基于大语言模型（LLM）的智能体系统相结合，旨在解决量子计算设备在建模上的复杂性问题——非专业人士难以驾驭，专家也需耗费大量精力反复迭代约束权重与建模方法。
研究采用LangGraph和LangChain框架构建LLM驱动的智能体系统，使其能够自动完成QUBO/Ising模型校准、约束权重决策迭代，以及对文献报道方案的快速验证等任务。综合实验表明，大语言模型可以有效地执行上述建模任务，且这些任务完全基于国产大模型实现；再结合国产CIM硬件，研究者真正实现了完全依赖国产智能体大模型与硬件的量子CIM实用化赋能。
该工作成功实现了稳健的技术集成，为后续研究奠定了坚实基础。同时，论文也指出了当前大语言模型与量子计算两个前沿领域仍面临的持续挑战。令人振奋的是，研究者意外发现了一种有前景的新范式：智能体辅助量子计算迭代所积累的知识，能够反过来增强智能体自身的问题解决能力，从而有助于应对这些挑战。
论文摘要强调，量子计算设备被公认为解决NP完全问题的强大工具，但建模的复杂性给非专家带来了显著障碍，而专家在约束权重和建模方法上的繁琐迭代也消耗了大量精力。通过将飞秒激光泵浦的CIM与LLM驱动的智能体系统集成，该研究展示了在QUBO/Ising模型校准、约束权重决策迭代和文献方案快速验证等任务上的有效性。所有任务均可基于国产大模型完成，结合国产CIM硬件，实现了全国产智能体大模型和硬件的实用化赋能。
论文还讨论了当前阶段的持续挑战，并提出了一个令人鼓舞的新范式：智能体辅助量子计算迭代中积累的知识能够相互增强智能体自身的问题解决能力。这一发现为两个领域的协同发展提供了新的思路。
该论文被归类为人工智能（cs.AI）和量子物理（quant-ph），MSC分类号为68Q12、68T01、90C27，ACM分类号为I.2.6、I.2.10、F.2.1、F.2.2。提交历史显示，v1版本于2026年4月24日03:45:08 UTC提交，文件大小9,502 KB。