量子科技中心_量科网

该研究团队提出了一个用于量子电路编译的深度感知优化框架，将可证明的最优性与可扩展启发式方法统一起来。对于目标幺正矩阵的精确合成，他们构建了一个混合整数线性规划（MILP），线性处理全局相位等效性，并使用显式并行调度变量来验证中小型电路的深度最优解。特定领域的有效约束，包括恒等排序、对易门剪枝、短序列冗余切割和厄米共轭连接，显著加速了分支定界算法，在标准基准测试中实现了高达43倍的加速。 该框架支持硬件感知目标，使容错（如T计数）和NISQ时代（如纠缠门）设备成为可能。对于近似合成，他们提出了三个目标：（i）精确但非凸的相位不变保真度最大化；（ii）最大化实数迹重叠的线性代理，产生保真度的紧下界；（iii）最小化电路Frobenius误差的凸二次函数。 为扩展到精确MILP之外，该研究团队提出了一种新颖的滚动时域优化（RHO）方法，主要在时间维度滚动，限制活跃量子位数，并在全局优化窗口段时强制实施每量子位闭合。这保留了局部上下文，降低了希尔伯特空间维度，并在无需辅助量子位的情况下实现迭代改进。在一个142门的种子电路上，RHO产生了116门，比种子电路减少了18.3%，同时避免了短视遍历与长运行时间之间的权衡。 经验表明，该精确编译框架在标准目标上实现了认证的深度最优电路、高保真度斐波那契任意子编织，并在多体奇偶校验电路上实现了36%的门数减少。所有方法都已集成到开源项目QuantumCircuitOpt中，提供了一个连接精确认证和可扩展合成的统一框架。