量子科技中心_量科网

分布式量子计算（DQC）通过将多个小型量子处理器连接为单一逻辑机器，为实现可扩展量子计算提供了实用路径。然而现有大多数DQC范式缺乏结构感知能力——Peng等人在[物理评论快报，2020年10月]提出的电路切割技术虽能降低单设备量子比特需求，却需付出经典后处理复杂度呈指数级增长的代价；Avron团队在[物理评论A，2021年11月]提出的搜索空间分区方案虽能分配计算负载，但会削弱Grover算法的理想二次加速效果。本工作提出一种解决该复杂度-资源权衡问题的结构感知型分布式量子优化框架：通过将目标函数建模为因子图并揭示其稀疏交互结构，沿着自然“接缝”（即边界变量的分隔集）切割图结构，获得适合受限处理器资源的松散耦合子问题；利用共享量子纠缠协调这些子问题，使网络执行全局连贯搜索而非独立局部搜索。该研究团队证明该设计能保持类Grover的缩放特性：对于规模为N的搜索空间，框架在考虑处理器和分隔集相关因素后实现O(√N)查询复杂度，同时放宽单处理器的量子比特需求。通过引入分层分治策略，该框架可扩展至大规模优化问题，并支持两种操作模式：面向容错网络的完全相干模式，以及为近期设备限制电路深度而插入测量的混合模式。模拟实验验证了不同网络拓扑下查询-纠缠的权衡关系，表明结构感知分解为量子网络上可扩展的分布式量子优化提供了现实可行路径。