量子科技中心_量科网

量子编译器是量子计算流程中的关键组件，它使得抽象的量子电路能够在物理量子计算机上运行。量子编译中一个极其重要的子问题是生成逻辑量子比特到物理量子比特的映射。在典型的量子编译器中，这一步骤通常通过随机分配或基于启发式的分配来实现，其目标是尽量减少量子电路中额外的（SWAP）门开销。在本文中，该团队提出了一种解决量子比特映射问题的替代方法。具体而言，该团队将量子比特映射问题形式化为一个组合优化（CO）目标。随后，该团队提出了一种通过训练强化学习（RL）策略来求解该CO问题的方法。该团队还提出了一种基于局部搜索的后处理算法，以进一步减少开销。该团队的结果表明，在减少SWAP门数量方面，该方法相比传统技术有显著提升。在MQTBench和Queko电路等不同的真实世界数据集上，与现有的量子编译器相比，该团队训练的策略实现了65-85的SWAP开销降低。