本研究提出了一种基于蒙特卡罗树搜索和图神经网络的量子电路 qubit 路由优化方法,实现了以架构无关的方式,以尽量小的深度进行量子电路执行。
Apr, 2021
我们介绍了一种新的、与架构无关的方法,用于将抽象的量子电路映射到具有受限制的量子比特连接性的实际量子计算设备上,由剑桥量子计算的 tket 编译器实现。我们呈现了实证结果,展示了这种方法在减少两比特门深度和两比特门计数方面的有效性,相比其他实现。
Feb, 2019
本文研究了针对噪声中等规模量子计算机的量子电路映射问题,并提出了一种算法来利用变换和交换规则来改进电路映射。实验结果表明,与先前已知的最佳算法相比,使用更多规则的算法可以找到更好的电路映射。
Jul, 2019
本研究提出了一种名为 AltGraph 的搜索型电路转换方法,使用现有的生成图模型生成等效的量子电路。使用三个主要的图模型:DAG Variational Autoencoder (D-VAE)、Gated Recurrent Unit (GRU) 和 Graph Convolutional Network (GCN),以及 Deep Generative Model for Graphs (DeepGMG)。AltGraph 比原始转换电路平均减少 37.55% 的门数量和 37.75% 的电路深度,且平均密度矩阵均方误差 (MSE) 仅为 0.0074。
Feb, 2024
该论文提出了一种使用改进的深度 Q 学习范例的量子比特路由程序,能够在近期架构大小的随机和现实电路上优于目前两种最先进的量子编译器的比特路由程序。
Jul, 2020
本文提出了通过符号优化问题和布尔可满足性求解器的方法来解决将量子电路映射到 IBM's QX 体系结构的最小 SWAP 和 H 操作数问题,同时实验证明 IBM 启发式解决方案所添加的运算次数超过了下限的平均值 100%以上。
研究提出了一种方法,实现了在保持最小量子门的同时,将给定的量子功能映射到满足架构所有约束的一种实现,该方法比 IBM 自己的映射解决方案更快,提供了小成本的映射电路。
Dec, 2017
本研究提出了一种基于并行计划的 SAT 编码方法,通过在每个时间步骤中应用 1 个 SWAP 和一组 CNOT 来保持并行计划的最优性,并在大型和深层次电路中实现可扩展性。我们的方法在可扩展性方面表现优异,比领先的精确方法和近似最优方法提高了很多倍(最多达到 100 倍)。首次,我们能够将几个 8、14 和 16 比特电路完美地映射到 54、80 和 127 比特平台上,最多需要 17 个 SWAP。同时,在我们映射的电路中,我们还报告了近似最优的深度。
Mar, 2024
通过量子架构搜索来最大程度地提高 VQAs 的鲁棒性和可培训性,以在嘈杂的中间规模量子设备上实现数据分类和量子化学任务的优化。
Oct, 2020
我们提供了等价规则的清单,以帮助分析和设计量子电路,并以基本门电路的直观图像的形式研究了量子隐形传态和密集编码协议。
Oct, 2011