量子科技中心_量科网

量子电路优化器在容忍临时成本增加方面存在根本性限制。一方面，基于规则的贪心优化器会立即应用任何降低成本的变换，效率虽高，但极易陷入局部最小值。另一方面，基于搜索的优化器则接受成本增加的移动，以探索电路空间并逃离此类最小值。然而，由于基于搜索的优化器无法在合理的时间预算内判断给定点是否有前景（即其邻域是否包含更深的局部最小值），它们只能盲目探索高成本区域。因此，逃离当前盆地以到达一个有前景的点需要指数级步数。本研究证明，这一限制可通过一种混合框架来克服，该框架将搜索算法的穷举探索能力与基于规则优化的高效性相结合。该团队将此框架实现为QALM——一种新型优化器，旨在逃离局部最小值的同时避免纯搜索带来的运行时开销。关键在于，该团队的结果表明，QALM并非仅仅在两者之间取得平衡；它在电路缩减率上优于现有的基于规则和基于搜索的优化器，同时运行效率与基于规则的系统相当。在涵盖248个电路的全面评估中，在相同时间预算下，QALM在83.9%的电路上达到或超过了最强基线的保真度。