Jul, 2022

基于搬运的囚禁离子量子计算机量子电路编译器

PDF
TL;DR本研究提出了一个编译器，可以转化和优化量子电路，以针对基于离子阱量子处理器的特定量子计算机架构进行目标定向；研究表明，与标准的 Pytket 和标准的 Qiskit 编译相比，该编译器可以将门数降低至 3.6 倍，并与针对 AQT 线性静态阱离子寻址的 Pytket 扩展相比实现类似的门数。
quantum computingcompilerquantum circuitoptimizationtrapped-ion
发现论文，激发创造
  • 超导处理器上的强化学习量子编译

    我们开发了一个基于强化学习的量子编译器，对超导处理器进行了演示，展示了其发现具有短长度的新型硬件友好电路的能力，并能够在设备拓扑约束下找到最佳电路。

    Jun, 2024

  • 量子电路综合和编译优化：概述与前景

    本文论述了量子计算作为克服后摩尔时代计算能力瓶颈的一种有前途的范式，特别是超导量子处理器的日益成熟，为量子算法的发展和实施提供了更多的可能性。此外，研究还表明相关算法的规模和精确度正在稳步提高，尤其是与人工智能方法的整合。本文系统地回顾和总结了大量的文献，探讨了从算法级到量子硬件级整合设计和优化方案的可行性，结合了逻辑电路设计和编译优化的步骤。借助人工智能算法的卓越认知和学习能力，可以减少手动设计成本，提高执行的精确度和效率，并促进量子算法在硬件上的实施和优势验证。

    Jun, 2024

  • 关于量子比特路由问题的研究

    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

  • 量子辅助的量子编译

    提出了一种基于变分混合量子 - 经典算法的量子编译方法 (QAQC)，使用可训练的可逆门 $V$ 和目标可逆门 $U$ 的重叠作为编译代价，通过量子计算进行评估，其编译成果可以用于量子算法深度压缩、黑盒编译、噪音缓解和基准测验。

    Jul, 2018

  • 深度强化学习在量子编译中的应用

    利用深度强化学习方法，快速创建单量子比特运算序列，以在计算机内实时将高级量子算法转换为低级量子门电路，省略传统方法的耗时，实现量子编译的实时化。

    May, 2021

  • 大型量子电路连续参数的自动优化

    研究开发了自动优化量子电路的方法，能够处理连续的门参数，并报告了一组快速算法，能够优化大规模量子电路，从而实现超越经典计算机的量子计算。

    Oct, 2017

  • 基于光量子计算机的状态制备和门合成机器学习方法

    利用机器学习和优化技术，我们使用基于连续变量的量子神经网络作为电路结构，通过寻找量子电路来实现输入和输出状态之间的变换，以及合成单光子、Gottesman-Kitaev-Preskill 态、NOON 态、立方相位门、随机酉门、Cross-Kerr 相互作用等多种状态和门。

    Jul, 2018

  • 利用强化学习的拓扑量子编译

    本文提出了一种基于深度强化学习的高效量子编译算法，该算法可以将任意单比特门编译成由有限通用基础门组成的门序列，并且适用于各种场景下。通过实际应用到拓扑编译的情况，得到了任意单比特酉变换的近似最优编织序列，展现了这种算法在量子物理中深度学习应用的前景。

    Apr, 2020

  • 使用强化学习在量子编译器中执行量子比特路由

    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

  • AlphaTensor 与量子电路优化

    量子电路中 T 门计数的最小化是实现容错量子计算的关键挑战之一，本文提出了一种基于深度强化学习的方法 AlphaTensor-Quantum，利用张量分解与 T 门优化之间的关系，通过引入量子计算的领域专业知识和利用 gadgets，显著降低了优化电路的 T 门计数，从而在算术基准测试中超越了现有的 T 门计数优化方法，同时还发现了一种类似于 Karatsuba 算法的高效乘法算法，并成功优化了 Shor 算法中的相关算术计算和量子化学模拟，实现了在完全自动化的方式下，优化相关量子电路，节省了数百小时的研究时间。

    Feb, 2024