メインコンテンツへスキップ

Qiskit Code Assistant

Qiskit Code Assistantは、Qiskitを初めて利用する方にとって量子コンピューティングをより身近なものにし、既存のユーザーのコーディング体験を向上させることを目指しています。watsonx を基盤とした生成AIコードアシスタントです。Qiskit SDK数百万件のテキストトークン、長年にわたるQiskitコード例、およびIBM Quantum® の機能を用いてトレーニングされています。Qiskit Code Assistantは、IBMの最新機能を組み込んだ IBM Graniteモデル に基づくLLM生成の提案を提供することで、量子開発ワークフローをサポートします。

Notes
  • これは、新しい IBM Quantum Platform に登録されたIBM Quantum Premiumプランユーザー向けに提供される実験的機能です。
  • Qiskit Code Assistantはプレビューリリースの状態であり、変更される可能性があります。
  • フィードバックや開発チームへのお問い合わせは、Qiskit Slack Workspaceチャンネル または関連する公開GitHubリポジトリをご利用ください。

機能​

以下の機能は、Visual Studio Code（VS Code）および互換エディター、ならびに JupyterLab 拡張機能に含まれています。

  • Qiskitコード生成に特化したモデルに基づく生成AIを活用して、Qiskitコードの生成を加速します。
  • 抽象的なプロンプトや具体的なプロンプトを使用して推奨コードを生成できます。
  • 確認、承認、または拒否できる提案を表示します。
  • PythonコードおよびJupyter notebookファイルをサポートします。
  • ヘイトスピーチなど、ユーザーにとって潜在的なリスクとなる質問への回答を避けるためのガードレールが含まれています。

Qiskit Code Assistantを開発環境に直接統合する手順については、該当するトピックの指示に従ってください。

Qiskit Code Assistantの基盤となる大規模言語モデル（LLM）​

コード提案を提供するために、Qiskit Code Assistantは大規模言語モデル（LLM）を使用しています。現在、Qiskit Code Assistantは Mistral-Small-3.2-24B-Qiskitモデル をベースに構築された mistral-small-3.2-24b-qiskit モデルを使用しています。mistral-small-3.2-24b-qiskit モデルは、高品質なQiskitデータ、PythonコミットおよびチャットデータによるPretraining拡張とFine-tuningを通じて、Mistral-Small-3.2-24B-Instruct-2506 モデルのQiskitに対するコード生成能力を向上させたものです。Mistral AIモデルファミリーの詳細については、Mistral AIのドキュメント を参照してください。.*-qiskit モデルの詳細については、Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code をご覧ください。

Qiskit向けに特化したLLMは、オープンソースモデルとしても提供されています。利用可能なすべてのモデルは https://huggingface.co/Qiskit でご確認いただけます。

Qiskit HumanEvalおよびQiskit HumanEval Hardベンチマーク​

mistral-small-3.2-24b-qiskit およびその他のモデルをテストするために、Qiskit AdvocatesおよびエキスパートとともにQiskit HumanEval（QHE）およびQiskit HumanEval Hard（QHE Hard）と呼ばれる実行ベースのベンチマークを作成し、各モデルで実行しました。これらのベンチマークは HumanEval に類似しており、すべて公式Qiskitライブラリに基づく複数の難解なコード問題が含まれています。

このベンチマークは約150のテストで構成されており、それぞれ関数定義と、モデルが解くべきタスクを詳述するdocstringで構成されています。各例にはリファレンスとなる標準解答と、生成された解の正確さを評価するためのユニットテストも含まれています。テストの難易度は、基本、中級、難易度の高いの3段階です。Qiskit HumanEval Hardベンチマークは、Qiskit HumanEvalの変形版ですが、コードのimportに関する情報を除外しているため、LLMが適切なメソッドやクラスのimportを自ら判断する必要があります。この変更により、私たちのテストと初期結果によると、データセットはLLMにとってはるかに難しくなります。

Qiskit HumanEvalおよびQiskit HumanEval Hardのデータセットは次のサイトで入手できます: Qiskit HumanEval および Qiskit HumanEval Hard。これらのベンチマークの開発には、GitHubリポジトリ からコントリビューションいただけます。

詳細情報と引用​

Qiskit Code Assistant、Qiskit HumanEval、またはQiskit HumanEval Hardベンチマークの詳細を学んだり、科学的な出版物に引用したりするには、以下の推奨引用をご参照ください。

@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},
}

次のステップ​

Recommendations