量子科技中心_量科网

预执行校准是操作超导量子处理器的主要瓶颈，而量子比特频率分配由于交叉耦合目标的复杂性尤为困难。该研究团队证实了广泛使用的Snake优化器在数学上等同于块坐标下降法（BCD），为这种校准策略奠定了严格的理论基础。基于此形式化框架，研究人员提出了一种拓扑感知的块排序方法——通过将排序选择建模为序列依赖型旅行商问题（SD-TSP），并采用最近邻启发式算法高效求解。SD-TSP成本函数反映了特定块选择对评估块局部目标所需简化电路规模的扩展程度，从而实现了最小化每轮评估时间的排序方案。在局域串扰/有限度假设下，该方法每轮迭代的复杂度与量子比特数量呈线性关系，同时保持校准质量。该工作对校准目标进行了形式化定义，阐明了简化实验何时等价或近似于完整目标，并分析了测量噪声条件下非精确BCD的收敛性。在多量子比特模型上的仿真表明，所提出的BCD-NNA排序方案在显著降低运行时的情况下，达到了与基于图的启发式算法（BFS、DFS）和随机排序相同的优化精度，且对测量噪声具有鲁棒性，并能适度容忍非局域串扰。这些成果为NISQ时代处理器提供了一套可扩展、可直接实施的频率校准工作流程。