量子科技中心_量科网

设计高效量子电路是探索量子计算潜力的核心瓶颈，尤其对于噪声中尺度量子（NISQ）设备而言，电路效率和容错能力至关重要。门序列的搜索空间呈组合式增长，而人工设计的模板往往浪费稀缺的量子比特和深度资源。该研究团队提出“FlowQ-Net”（基于流的量子设计网络）——一种基于生成流网络（GFlowNets）的自动化量子电路合成生成框架。该框架通过学习随机策略来顺序构建电路，并根据可灵活自定义的奖励函数进行采样，该函数可编码性能、深度和门数量等多种设计目标。这种方法能独特地生成多样化高质量电路集合，突破了单方案优化的局限。通过大量仿真实验，该团队验证了FlowQ-Net的有效性，并将其应用于分子基态估计、最大割问题和图像分类等近期量子计算关键挑战中的变分量子算法（VQA）拟设设计。FlowQ-Net设计的电路实现了显著改进：在参数、门数量和深度方面比常用幺正基线精简10至30倍，且精度不受影响。即使面对真实量子设备的误差特性，这一优势依然保持。研究结果凸显了生成模型作为自动化量子电路设计通用方法的潜力，为开发更高效的量子算法和加速量子领域的科学发现提供了新路径。