量子科技中心_量科网

变分量子算法依赖于参数化量子电路，其性能由表达能力与可训练性共同决定。现有研究通常仅在逻辑电路层面对这些性质进行评估，隐含假设设计的参数化量子电路在硬件执行过程中保持不变。然而在实际应用中，硬件感知编译会通过量子比特映射、路由和基分解等步骤改变电路结构，从而可能改变参数化量子电路的行为。本文通过对比多个拟设族、量子比特数和电路深度下的逻辑电路与编译后电路，对表达能力与可训练性进行了系统的硬件感知分析。表达能力采用基于保真度的KL散度来度量，可训练性则通过梯度方差进行量化。研究结果表明，编译相当于一种隐式的架构扰动，会产生高度依赖拟设类型的效应。在某些情况下，表达能力偏差超过125%，而可训练性变化最高可达25%。结构化拟设通常更具鲁棒性，而高度纠缠的架构对编译引发的变换更为敏感。该工作进一步表明，编译可能改变通常假设的表达能力-可训练性权衡关系，证明逻辑层面的分析可能无法可靠预测硬件层面的行为。这些发现凸显了硬件感知评估对于准确表征变分量子算法的重要性。