量子科技中心_量科网

格罗弗算法用于在非结构化数据库中搜索满足特定条件的数据。该算法能在√N次查询中完成规模为N的搜索空间遍历，从而实现平方级加速。但在需要反复调用的格罗弗预言机电路中，用于将数据库信息编码为量子态的量子态制备电路存在门数量和电路深度过大的问题。为解决该问题，本研究提出通过数据库重排序来缩减量子态制备电路。具体而言，该团队采用量子只读存储器（QROM）架构——将数据分配至特定地址，并假设数据的地址分配可自由置换。通过对生成的真值表进行"异或积之和"（ESOP）最小化处理，实现量子电路的压缩。虽然生成的电路逻辑与原始版本不同，但从"每个目标数据均被编码于某个地址"的角度而言，态制备过程仍保持正确性。此外，该团队提出了一种无需编译即可预估电路规模的代理指标，并将其与模拟退火算法结合以高效寻找近似最优的数据排序方案。 实验结果表明：对规模N=8的数据库进行全排序空间穷举搜索时，电路规模会因排序方案不同产生约两倍的差异，验证了重排序的有效性。相比直接应用ESOP最小化，模拟退火算法可使电路规模缩减约30%，所得电路接近最优解。针对N=64和128规模的案例，模拟退火算法展现出了优于随机搜索的电路优化能力。