.png){kind=icon}
返回
Scalable multi-objective genetic algorithm for quantum circuit optimization
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-47674-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为Noisy Intermediate-Scale Quantum（NISQ）硬件设计紧凑高效的量子电路仍是一项核心挑战。现有的大多数优化方法依赖于基于保真度的适应度函数，需要计算电路的完整酉矩阵。然而，由于指数级的内存和时间复杂度$$O(2^{2n})$$，这在超过10–12个量子比特后迅速变得计算不可行。在本文中，我们提出了一种适用于NISQ设备的可扩展多目标遗传算法进行量子电路优化。尽管进化算法已在电路综合中展现出巨大潜力，但当前方法通常依赖完整的酉保真度评估，这严重限制了可扩展性。为解决这一瓶颈，我们引入两种互补策略：(1) 基于图划分的独立块评估，和(2) 重叠滑动窗口分解方法。两种策略均将计算复杂度从$$O(2^{2n})$$降低至$$O(2^{2k})$$（其中$$k \ll n$$），使得在实际中优化超过20个量子比特的电路成为可能。我们的方法整合到NSGA-II多目标框架中，实现了对保真度、电路深度和门成本的协同优化，同时保持与NISQ硬件的结构兼容性——无需进行完整酉模拟。在基准电路上的实验结果表明，实现了高保真度（小规模电路8量子比特以上为0.94，中等规模10–16量子比特为0.85以上，大规模32量子比特以上为0.80），电路深度最多减少$$45\%$$，与14量子比特的精确评估相比速度提升$$10\times$$。
Keyword:
Engineering
Mathematics and computing
Physics
Quantum computing
NSGA-II
Multi-objective optimization
Circuit synthesis
Fidelity
Circuit optimization
Science
Humanities and Social Sciences
multidisciplinary
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.2W
被引数:
83.5W
机构
引用论文
A variational eigenvalue solver on a photonic quantum processor光子量子处理器上的变分特征值求解器.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Benchmarking the performance of quantum computing software for quantum circuit creation, manipulation and compilation对用于量子电路创建，操作和编译的量子计算软件的性能进行基准测试
OAAI
OAAI分享收藏Exploring the optimality of approximate state preparation quantum circuits with a genetic algorithmOAAI
OAAI分享收藏
查看更多内容