量子科技中心_量科网

子图嵌入是量子退火技术中必不可少的编译步骤，其作用是将逻辑问题图映射到稀疏的硬件拓扑结构上。尽管该步骤对求解质量具有决定性影响，但目前尚缺乏用于比较不同嵌入算法的标准化基准：既往研究使用互不兼容的图数据库、不一致的评估指标以及不可复现的实验设置，导致跨算法比较缺乏可信度。为此，研究团队提出Ember（可评估复现性的子图嵌入基准框架），这一开源基准框架通过三方面填补空白：提供支持随机种子复现的标准化算法接口；集成24,016个图实例的多样化数据库，涵盖结构化、随机化及物理问题驱动等既往基准测试未涉及的类型；构建支持当前D-Wave三大硬件拓扑（Chimera、Pegasus、Zephyr）的统一分析流程。在Chimera架构上对五种算法进行全库测试后发现，不存在绝对优势算法：算法排名随图结构呈现系统性变化，最优选择取决于待嵌入图的类型。研究还考察了硬件拓扑（含Pegasus和Zephyr）、量子比特错误率的影响，并在限定测试集中评估了强化学习方法（CHARME）的性能。Ember框架已发布于https://github.com/zachmacsmith/ember，支持通过pip install ember-qc安装。