量子科技中心_量科网

高效编译量子操作仍是扩展量子计算的主要瓶颈。目前最先进的方通过将搜索算法与基于梯度的参数优化相结合来实现低编译误差，但这些方法耗时过长，且需多次调用量子硬件或昂贵的经典模拟，使其扩展性受到严重制约。近期机器学习模型虽崭露头角，但仍局限于离散门集应用。该研究团队提出一种多模态去噪扩散模型，可同步生成电路结构及其连续参数以编译目标酉矩阵，其创新性地采用两个独立扩散过程——离散门选择与参数预测。研究人员在不同实验中对该模型进行基准测试，分析该方法在不同量子比特数、电路深度及参数化门比例场景下的精度表现。最终，该工作利用其快速电路生成能力，构建了针对特定操作的大规模电路数据集，并从中提取出有助于发现量子电路综合新洞见的启发式规则。