加速量子机器学习中的转译:采用Haiqu的Rivet转译器

量子电路转译是将虚拟门转换为适配特定硬件拓扑结构的关键预处理过程,通过引入交换门和基础门、优化电路深度和门数量(特别是双量子比特门)来实现。随着量子比特数量增加,转译成本呈指数级上升——尤其在设备拓扑结构强制的量子比特连接约束下,寻找具有最低噪声的最优布局时更为显著。本研究采用Rivet转译器,通过复用先前转译的电路来加速流程。该方法适用于量子化学等场景(需通过追加旋转门序列测量非对易泡利项),以及需要迭代修改量子电路的复杂场景(如量子分层学习)。实验证明,在量子分层学习中,Rivet转译器相比标准非复用转译方案可实现高达600%的转译速度提升。

量科快讯