ข้ามไปยังเนื้อหาหลัก

Qiskit Code Assistant

Qiskit Code Assistant มีเป้าหมายเพื่อทำให้การประมวลผลควอนตัมเข้าถึงได้ง่ายขึ้นสำหรับผู้ใช้ Qiskit รายใหม่ และปรับปรุงประสบการณ์การเขียนโค้ดสำหรับผู้ใช้ปัจจุบัน มันเป็น generative AI code assistant ที่ขับเคลื่อนด้วย watsonx ฝึกฝนโดยใช้ text tokens หลายล้านตัวจาก Qiskit SDK ตัวอย่างโค้ด Qiskit หลายปี และฟีเจอร์ IBM Quantum® Qiskit Code Assistant ช่วยให้เวิร์กโฟลว์การพัฒนาควอนตัมด้วยการเสนอคำแนะนำที่สร้างโดย LLM บนพื้นฐาน IBM Granite models ซึ่งรวมฟีเจอร์และฟังก์ชันการทำงานล่าสุดจาก IBM®

หมายเหตุ
  • นี่เป็นฟีเจอร์ทดลองที่ให้บริการแก่ผู้ใช้ IBM Quantum Premium Plan ที่ลงทะเบียนบน IBM Quantum Platform ใหม่
  • Qiskit Code Assistant อยู่ในสถานะพรีวิวรีลีสและอาจมีการเปลี่ยนแปลง
  • หากมีข้อเสนอแนะหรือต้องการติดต่อทีมพัฒนา ใช้ Qiskit Slack Workspace channel หรือ GitHub repositories สาธารณะที่เกี่ยวข้อง

ฟีเจอร์​

ฟีเจอร์ต่อไปนี้รวมอยู่ใน Visual Studio Code (VS Code) และ editors ที่เข้ากันได้ รวมถึง JupyterLab extensions:

  • เร่งการสร้างโค้ด Qiskit โดยใช้ generative AI บนพื้นฐานโมเดลที่เชี่ยวชาญในการสร้างโค้ด Qiskit
  • รองรับ prompts แบบนามธรรมและเฉพาะเจาะจงเพื่อสร้างคำแนะนำ
  • แสดงคำแนะนำที่สามารถตรวจสอบ ยอมรับ หรือปฏิเสธได้
  • รองรับไฟล์โค้ด Python และ Jupyter notebook
  • มีมาตรการป้องกันเพื่อหลีกเลี่ยงการตอบคำถามที่อาจเป็นความเสี่ยงสำหรับผู้ใช้ เช่น การพูดสร้างความเกลียดชัง

สำหรับคำแนะนำในการผสานรวม Qiskit Code Assistant เข้ากับสภาพแวดล้อมการพัฒนาโดยตรง ให้ทำตามคำแนะนำในหัวข้อที่เหมาะสม:

Large Language Model (LLM) เบื้องหลัง Qiskit Code Assistant​

เพื่อให้คำแนะนำโค้ด Qiskit Code Assistant ใช้ Large Language Model (LLM) ในกรณีนี้ Qiskit Code Assistant ปัจจุบันพึ่งพาโมเดล mistral-small-3.2-24b-qiskit ที่สร้างบน Mistral-Small-3.2-24B-Qiskit model โมเดล mistral-small-3.2-24b-qiskit ปรับปรุงความสามารถในการสร้างโค้ดของโมเดล Mistral-Small-3.2-24B-Instruct-2506 สำหรับ Qiskit ผ่านการฝึกล่วงหน้าแบบขยายและ fine-tuning บนข้อมูล Qiskit คุณภาพสูง รวมถึง Python commits และ chat สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตระกูลโมเดล Mistral AI โปรดดู Mistral AI documentation สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับโมเดล .*-qiskit ดู Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code

LLM ที่เชี่ยวชาญสำหรับ Qiskit ของเรายังมีให้ใช้งานเป็นโมเดลโอเพนซอร์ส ดูโมเดลทั้งหมดที่มีได้ที่ https://huggingface.co/Qiskit

Qiskit HumanEval และ Qiskit HumanEval Hard benchmarks​

เพื่อทดสอบโมเดล mistral-small-3.2-24b-qiskit และโมเดลอื่น ๆ เราร่วมมือกับ Qiskit Advocates และผู้เชี่ยวชาญเพื่อสร้าง execution-based benchmarks ที่เรียกว่า Qiskit HumanEval (QHE) และ Qiskit HumanEval Hard (QHE Hard) และนำมาทดสอบกับโมเดลต่าง ๆ benchmarks เหล่านี้คล้ายกับ HumanEval ประกอบด้วยปัญหาโค้ดที่ท้าทายหลายอย่างที่ต้องแก้ไข ทั้งหมดอ้างอิงจากไลบรารี Qiskit อย่างเป็นทางการ

benchmarks ประกอบด้วยการทดสอบประมาณ 150 รายการ แต่ละรายการสร้างจากนิยามฟังก์ชัน ตามด้วย docstring ที่อธิบายรายละเอียดงานที่โมเดลต้องแก้ไข แต่ละตัวอย่างยังรวมถึงโซลูชันอ้างอิงที่เป็นมาตรฐาน รวมถึง unit tests เพื่อประเมินความถูกต้องของโซลูชันที่สร้าง มีระดับความยากสามระดับสำหรับการทดสอบ: พื้นฐาน กลาง และยาก Qiskit HumanEval Hard benchmark เป็นรูปแบบหนึ่งของ Qiskit HumanEval แต่ลบข้อมูลที่เกี่ยวข้องกับ code imports ออก ทำให้ LLM ต้องหาวิธีหรือ class imports ที่ถูกต้องเอง การเปลี่ยนแปลงนี้ทำให้ dataset ท้าทายมากขึ้นสำหรับ LLM ตามการทดสอบและผลลัพธ์เบื้องต้นของเรา

datasets สำหรับ Qiskit HumanEval และ Qiskit HumanEval Hard มีอยู่ที่เว็บไซต์เหล่านี้: Qiskit HumanEval และ Qiskit HumanEval สามารถมีส่วนร่วมในการพัฒนา benchmarks เหล่านี้ได้ที่ GitHub repository

ข้อมูลเพิ่มเติมและการอ้างอิง​

เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับ Qiskit Code Assistant, Qiskit HumanEval หรือ Qiskit HumanEval Hard benchmarks และอ้างอิงในสิ่งพิมพ์ทางวิทยาศาสตร์ ให้ตรวจสอบการอ้างอิงที่แนะนำเหล่านี้:

@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},
}

ขั้นตอนถัดไป​

คำแนะนำ
Source: IBM Quantum docs — updated 27 เม.ย. 2569
English version on doQumentation — updated 7 พ.ค. 2569
This translation based on the English version of 11 มี.ค. 2569