量子科技中心_量科网

设计高保真度量子电路仍然具有挑战性，当前范式往往依赖于启发式、固定拟设结构或基于规则的编译器，这些方法可能不够优化或缺乏普适性。该研究团队提出了一种神经符号框架，将量子电路设计重构为可微分逻辑编程问题。该模型将潜在量子门和参数化操作的框架表示为一系列可学习的连续"真值"或"开关"(s∈[0,1]^N)，这些开关通过标准梯度下降进行优化，以满足用户定义的可微分逻辑公理（如正确性、简洁性、鲁棒性）。该工作通过偏置初始化解决贫瘠高原问题，同时建立了连续逻辑（通过T-范式）与幺正演化（通过测地线插值）之间的理论桥梁。研究人员以21个候选门框架中实现4量子位量子傅里叶变换(QFT)的发现为例展示了该方法，并报告了在133量子位的IBM Torino处理器上进行的硬件感知适配实验——该方法在适应硬件故障的同时，将局部路由任务的保真度提高了59.3个百分点。