量子科技中心_量科网

哈密顿模拟是实现量子计算优势最有前景的路径之一。当前大多数哈密顿模拟电路合成方法聚焦于局部重写规则和底层优化，对变化约束条件下泡利项的高层调度关注有限。实践中，不同模拟算法要求不同的泡利项排序，但许多基于中间表示的方法假设固定的对易结构，限制了灵活性。本研究提出MonteQ——一个创新的哈密顿模拟量子电路合成框架。该框架采用双层设计架构：底层综合启发式规则与上层树形结构相结合，共同探索泡利旋转序列。为避免枚举这个阶乘级增长的树结构，蒙特卡洛树搜索算法被用作核心引擎，智能探索通往叶节点的最有前景路径。这种双层设计使MonteQ能通过选择不同底层启发规则，同时支持逻辑级和硬件感知的合成；还能通过调整高层树结构，支持泡利旋转的不同排序约束。例如，MonteQ可通过有向无环图记录泡利旋转间的对易关系来保持目标酉矩阵，也可放宽酉保持约束以发掘额外优化空间。实验结果表明，在一组代表性合成任务中，相较于Rustiq等最先进编译器，MonteQ在CNOT门数量指标上最高可实现53%的优化（平均提升30%）。