Bridge of $Ψ$’s: ottimizzazione dei circuiti quantistici con ponti di Schrödinger

Abstract degli autori

L’ottimizzazione dei circuiti quantistici sostituisce un circuito con uno equivalente che ha meno gate e una profondità minore, riducendo il costo di esecuzione e il tasso di errore. Ci chiediamo se un modello generativo possa apprendere direttamente dagli esempi questa trasformazione, anziché selezionare da una libreria fissa di riscritture o da procedure algebriche rigide. Presentiamo Bridge of $Ψ$'s (BOPS), un modello generativo basato sui ponti di Schrödinger, che utilizza un’architettura di denoising personalizzata e apprende a trasformare un circuito sorgente in un circuito ottimizzato equivalente. Lo addestriamo su dati costruiti per risultare difficili per gli ottimizzatori esistenti, applicando all’indietro regole di riscrittura, così che ogni input abbia un target noto a costo inferiore. Su circuiti Clifford+$T$ con 8 qubit $\times$ 64 di profondità, tenuti da parte, BOPS riduce il numero di gate di $2.46\times$ e la profondità di $2.45\times$ come media geometrica, superando tutti e nove gli ottimizzatori di riferimento. Questo costituisce il primo modello generativo che collega i circuiti quantistici ai metodi di machine learning d’avanguardia, aprendo lo stack di compilazione quantistica all’ottimizzazione basata sull’apprendimento lungo più assi.