近日，北京量子信息科学研究院（以下简称“量子院”）智能量子计算与模拟团队联合中国科学院计算技术研究所、中国科学院物理研究所，在量子编译基准测试方面取得新进展。研究团队提出量子编译基准测试框架 QROB（Quantum Realization Overhead Benchmark），通过“逆向构造”生成量子编译测试样本及其可行参考解，为评估编译过程中额外开销、量化现有编译工具的优化空间提供了新方法。相关论文“QROB: Quantifying Realization Overhead in Quantum Compilation via Reverse Construction”已被第59届 IEEE/ACM 国际微体系结构研讨会（MICRO 2026）录用，将在主会发表。

MICRO（IEEE/ACM International Symposium on Microarchitecture）是计算机体系结构领域的国际顶级学术会议，与ISCA、HPCA、ASPLOS并称该领域的“四大顶会”，被中国计算机学会（CCF）列为A类国际学术会议。MICRO 聚焦微体系结构、编译技术及软硬件协同设计，是展示先进计算系统创新成果的重要平台。第59届会议将于2026年10月31日至11月4日在希腊雅典举行。

量子编译还有多少优化空间？

量子算法要在真实处理器上运行，需要经过量子编译将算法中的操作转化为硬件能够执行的指令。由于量子芯片上的量子比特通常只能与特定邻居直接交互，编译器需要插入额外的量子态交换操作，或安排受限资源上的操作顺序。这些步骤会增加量子门数量和执行时间，并可能降低计算结果的可靠性。面向容错量子计算，类似问题也会出现在逻辑量子比特的布局、交互通道分配与调度过程中。

然而，评价编译器的优化能力并不容易。对于复杂量子线路，寻找最优编译方案通常需要付出难以承受的计算代价。现有基准测试往往能够回答“哪个编译器表现更好”，却难以进一步判断当前结果距离可实现的更低开销方案还有多大差距。QROB 正是围绕这一问题展开研究。

从已知可行方案出发，逆向构造测试样本

QROB 的思路可以用打乱魔方来理解：从一个打乱的魔方出发寻找复原路径很困难，但如果从复原状态开始打乱，并记录每一步操作，就能得到一条已知的返回路径。

类似地，QROB 从满足目标硬件约束、可以直接执行的量子线路出发，施加受控扰动，生成具有不同结构和难度的编译实例，同时保留逆向操作作为可行的参考解。这样，测试样本在生成时便带有可核验的参考开销，无需事后通过大规模搜索寻找答案。

这一参考解独立于被测编译器，为性能评估提供了明确的比较依据。研究团队通过小规模精确求解验证参考解的质量，并结合特定受控构造进一步检验参考机制的有效性。对于一般实例，QROB 保留随测试实例同步生成的可行参考解，用于衡量不同编译方法相对于已知参考的实现开销。

在此基础上，研究将同一构造思路应用于近期含噪量子设备的量子比特路由和容错架构中的格点手术调度，并进一步探索了计算区容量受限时的量子存储访问调度问题。

从发现优化空间，到改善实际编译效果

有了参考解，研究团队发现即使是广泛使用的量子编译工具，在一些测试任务中也会产生显著的额外开销：在近期含噪量子设备上，需要为受限的量子比特交互引入大量额外操作；在容错架构中，则会使原本可以并行执行的操作因资源冲突而被迫串行，从而进一步增加量子计算的资源与时间成本。这种差距在更大规模的测试中尤为明显，表明现有量子编译仍存在显著优化空间，进一步提升编译效率有望释放量子硬件的执行潜力。

这些参考解的价值不仅在于评估编译器，也为人工智能辅助的量子编译提供了新的训练依据。此类方法需要从大量样本中学习如何在硬件约束下更高效地组织量子操作，而训练数据的质量直接影响其优化能力。QROB 在生成测试线路的同时保留相应的参考方案，可以持续形成具有明确优化目标的训练样本。研究发现，基于 QROB 数据训练得到的模型，在多类实际应用量子线路上依然能够改善编译效果，有效降低硬件约束带来的额外开销，表明这种训练方式具有较好的实际迁移能力。

此外，研究团队进一步在三台真实超导量子计算机上开展了对照实验。实验结果显示，针对 QROB 生成的测试线路，相比完整 Qiskit O3 编译流程，采用 QROB 参考布局与路由方案后，量子线路的执行质量显著提升，中位数提升约 65%。这表明，QROB 所揭示的编译优化空间确实存在，并能够直接转化为真实量子硬件上的性能收益。

QROB 将“发现差距”“提供训练数据”和“验证实际效果”联系起来，为量子编译软件与硬件的协同优化提供了可量化的依据。这也为人工智能赋能量子计算提供了高质量训练数据与基准测试参照，帮助人工智能学习更有效的量子编译策略，并检验其在真实硬件上的收益。