一种基于加权超图的量子电路划分方法,用于实现抗噪声计算
受高错误率(如CNOT操作错误率?CNOT=0.05)和有限连接性制约的噪声中等规模量子(NISQ)器件,亟需高效的电路划分方案。传统启发式方法常忽略门操作特定误差的影响,导致划分结果欠佳——通信开销过高且保真度下降。该团队提出“Fidelipart”创新框架,将量子电路重构为保真度感知的超图模型:节点(门操作)和超边(多量子比特门与时序连接)权重由门错误率及结构依赖性决定,从而驱动Mt-KaHyPar划分器优先切割低错误率路径。在线性拓扑结构下对24量子比特/88门电路基准测试表明,相较于BQSKit的QuickPartitioner,该方案具有显著优势:交换门(逻辑重排预估)减少77.3%-100%,切割量子比特数降低52.2%。物理层面的优化带来可观保真度提升——6量子比特电路保真度提升243.2%(从0.1724增至0.5916)。更大规模电路中也观测到类似交换门缩减带来的保真度增益。尽管该方案导致8-13%运行时增长及深度波动,但其通过细粒度误差感知实现的保真度突破,为提升NISQ计算鲁棒性提供了关键范本。
