⚛️ quantum physics

Integrating Quantum Software Tools with(in) MLIR

本文通过展示 Xanadu 的 PennyLane 与慕尼黑量子工具包（Munich Quantum Toolkit）的具体集成，为量子软件工程师克服 MLIR 陡峭的学习曲线提供了一份实践指南，从而促进了量子软件生态系统的互操作性与模块化。

原作者： Patrick Hopf, Erick Ochoa Lopez, Yannick Stade, Damian Rovara, Nils Quetschlich, Ioan Albert Florea, Josh Izaac, Robert Wille, Lukas Burgholzer

发布于 2026-01-29

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Patrick Hopf, Erick Ochoa Lopez, Yannick Stade, Damian Rovara, Nils Quetschlich, Ioan Albert Florea, Josh Izaac, Robert Wille, Lukas Burgholzer

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是使用简单语言和日常类比对该论文进行的解释。

核心问题：量子计算中的巴别塔

想象一下，量子计算的世界就像一座繁忙的国际大都市。在一方，你拥有软件开发者（比如 PennyLane 背后的团队），他们用自己独特的语言编写程序。在另一方，你拥有硬件工程师（比如 MQT 背后的团队），他们构建运行这些程序的机器和工具，说着完全不同的语言。

目前，如果开发者想要使用来自硬件团队的特定工具，他们不能直接把代码交过去。他们必须将代码翻译成一种“通用语言”（如 OpenQASM），这就像是将一部小说翻译成一种基础且残缺的英语，仅仅为了让机器能够阅读。然后，硬件团队必须再将这种残缺的英语翻译回他们自己的语言才能开展工作。

论文称之为“权宜之计”（workaround）。 这种方式很慢，会丢失重要的细节（例如代码正在与机器的哪个特定部分进行交互），并且需要大量的额外软件来充当翻译器。这就像是试图通过先将复杂的蓝图画在餐巾纸上，拍下餐巾纸的照片，然后让施工队根据照片重新绘制蓝图来向建筑队发送指令。

解决方案：MLIR（通用翻译官）

论文引入了 MLIR（多级中间表示）。不要把 MLIR 仅仅看作一种语言，而要把它看作一个通用的翻译间或一个大家公认的主蓝图系统。

在经典计算机（如你的笔记本电脑）的世界里，这个系统已经存在且运作良好。它允许不同的软件工具在不丢失信息的情况下实现无缝对话。作者认为，量子计算也需要这样一个系统，以避免每当有新工具诞生时都要重新发明轮子。

挑战：“陡峭的悬崖”

问题在于 MLIR 极其复杂。这就像是你只盖过沙堡，却突然要尝试学习如何建造摩天大楼。

障碍： 大多数量子软件工程师来自物理学或数学背景，他们说的是“Python”。而 MLIR 是基于“C++”构建的，并使用了非常抽象、高强度的工程概念。
结果： 许多人都想使用这个通用翻译器，但由于学习曲线过于陡峭，导致他们最终选择放弃，从而使“巴别塔”问题悬而未决。

这篇论文做了什么：一份“操作指南”

这篇论文本质上是为那些害怕面对那座“陡峭悬崖”的量子工程师准备的实用实地指南。作者们（由来自慕尼黑和 Xanadu 的研究人员组成）决定尝试连接两个主要工具：PennyLane（一个流行的编程框架）和 MQT（一个用于优化电路的工具包）。

他们不仅仅是在说“MLIR 很棒”，而是展示了如何去做这件事。

类比：插件系统

想象你有一台高端相机（PennyLane）。你想添加一个新镜头（MGT 的优化工具）。

旧方法： 你必须拆开相机，将镜头直接焊接在传感器上，并祈祷它能匹配。如果你以后想更换镜头，你必须再次拆解相机。
论文的方法： 他们构建了一个通用卡口（插件）。他们展示了如何创建一个小型、模块化的软件组件，使其可以卡在相机上。这个组件知道如何与镜头进行对话。现在，你可以即时更换镜头，而无需破坏相机。

他们采取的关键步骤

创建“方言”（自定义词汇表）： 他们在 MLIR 内部构建了一套特定的规则，用以表达 MQT 工具包的语言。这就像是创建了一本专门的字典，将 MQ T 特有的指令翻译成通用的 MLIR 语言。
构建“插件”： 他们将这本字典和翻译规则打包成一个小的、可下载的文件。这意味着其他人不需要重建整个 MLIR 系统；他们只需下载这个插件即可使用。
展示神奇之处： 他们展示了在 MLIR 系统内部，一个编写于 PennyLane 的程序是如何直接发送到 MQT 优化器并返回的。
- 之前： 编写代码 $\rightarrow$ 翻译成文本 $\rightarrow$ 读取文本 $\rightarrow$ 翻译成代码 $\rightarrow$ 优化 $\rightarrow$ 翻译回原样。（速度慢、混乱、易出错）。
- 之后： 编写代码 $\rightarrow$ 发送到 MLIR $\rightarrow$ 优化 $\rightarrow$ 发送回原样。（快速、整洁、信息无损）。

为什么这很重要（根据论文所述）

不再“迷失在翻译中”： 因为代码始终保留在 MLIR 系统内，所以在交换过程中不会丢失任何细节。系统清楚地知道每一个“量子比特”（qubit）的具体位置。
模块化： 开发者现在可以构建小型、专门的工具（插件）并让它们协同工作。他们不需要成为 MLIR 系统的专家也能使用它；他们只需要构建自己的特定插件即可。
开源： 作者并没有保守秘密。他们将所有代码都放在网上，以便其他工程师可以复制他们的“插件”并开始构建自己的连接。

总结

这篇论文是为量子软件工程师准备的一份手把手教程。它在说：“我们知道 MLIR 既可怕又复杂，但我们找到了一种方法，可以在不感到不知所措的情况下，利用它来连接两个主要的量子工具。这是蓝图、工具以及分步说明，以便你也可以用你自己的工具完成同样的工作。”

通过这样做，他们正在帮助构建一个未来，在那里量子软件工具可以实现“即插即用”，而不是在孤岛之间艰难地进行翻译。

技术摘要：将量子软件工具集成至 MLIR 中

问题陈述

当前的量子软件生态系统呈现出缺乏互操作性的特征。虽然经典编译技术已围绕 LLVM 及其多层中间表示（MLIR）形成了成熟的共享框架，但量子编译领域仍处于碎片化状态。大多数量子软件工具是由实验物理学家而非编译器工程师独立开发的，这导致了权宜之计的解决方案和孤立的数据结构。

这种碎片化迫使开发者依赖繁琐的变通方法来集成不同的工具。例如，将程序从一个框架（如 Xanadu 的 PennyLane）迁移到另一个框架（如慕尼黑量子工具包的 QMAP）时，通常需要将其导出为 OpenQASM 等文本格式，进行解析，然后再重新导入目标工具的内部中间表示（IR）。这一过程引入了显著的运行时开销，面临丢失结构和语义信息（如量子比特映射）的风险，并且必须建立复杂的依赖链（例如，仅为了解析 OpenQASM 就需要依赖 Qiskit）。

尽管 MLIR 通过自定义方言（Dialects）和传递流水线（Pass Pipelines）为统一编译流程提供了强大的解决方案，但其在量子领域的采用受到了陡峭学习曲线的阻碍。通常精通 Python 的量子软件工程师，在面对 MLIR 的 C++ 实现、复杂的模板模式以及 LLVM 基础设施的庞大规模时，面临着重重障碍。

方法论

本文提供了一份实用的、动手实践的指南，通过演示两个主要量子软件框架的集成来克服这些障碍：Xanadu 的 PennyLane（特别是其 Catalyst 即时编译器）和慕尼黑量子工具包（MNT/MQT）。作者在 MLIR 生态系统中采用了模块化的插件式方法，以实现无缝的互操作性，而无需用户编译整个 LLVM 项目。

该集成方法由三个主要的底层技术组件组成：

方言定义 (MQTOpt)：
为了弥合 PennyLane 原生的 MLIR 量子方言与 MQT 内部 C++ QuantumComputation IR 之间的鸿沟，作者开发了一个名为 MQTOpt 的自定义 MLIR 方言。
- 语义： MQTOpt 紧密贴合 MQT Core IR 的语义，但强制执行静态单赋值（SSA）和单次使用约束（线性类型）。这种约束自然地强制执行了量子不可克隆定理，确保每个量子比特被定义且仅被使用一次。
- 结构： 与将门（Gates）表示为带有 gate_name 属性的通用操作的通用 Catalyst 量子方言不同，MQTOpt 为每个门定义了特定的操作（例如 mqtopt.H、mqtopt.x）。它还引入了特定的类型如 QubitRegister 以及用于量子比特提取和插入的操作，从而便于追踪物理量子比特的分配。
转换模式 (Transformation Patterns)：
作者实现了用于在 Catalyst 量子方言与 MQTOpt 方言之间进行转换的模式。
- 这些模式利用 MLIR 的 TypeConverter 和 ConversionPatterns 来处理操作和类型的转换，同时保持非量子逻辑不变。
- 至关重要的是，这些模式强制执行了 MQTOpt 所要求的单次使用约束，这是一个非平凡的重写逻辑步骤。
插件基础设施：
为了降低准入门槛，该集成被封装为一个共享库插件。
- 自定义方言和转换传递（Passes）被编译成动态库（.so/.dylib）。
- 这允许像 PennyLane 这样的工具通过 MLIR 的传递管理器（Pass Manager）在运行时加载插件，从而能够执行完整的编译流水线（例如，进行电路映射），而无需用户构建整个 MLIR 或 Catalyst 源码。
- 该流水线通过 mlir-opt 命令行工具进行编排，该工具加载方言和传递插件以执行“往返”（Round Trip）过程（Catalyst $\to$ MQTOpt $\to$ QMAP 映射 $\to$ MQTOpt $\to$ Catalyst）。

核心贡献

实用的集成指南： 本文为量子软件工程师如何将其工具集成到 MLIR 生态系统中提供了一个具体的蓝图，使其从理论提议转向了可工作的实现。
MQTOpt 方言： 引入了一种专门的 MLIR 方言，该方言既符合现有的量子工具语义（MQT Core），又遵循 MLIR 的 SSA 和线性类型约束。
模块化插件架构： 展示了如何将复杂的编译器逻辑（方言和传递）封装进轻量级、可分发的插件中，从而避免了对 LLVM 项目进行单体式构建的需求。
开源实现： 方言、传递和插件基础设施的完整代码已作为开源项目发布在 MQT 仓库中，作为社区的参考实现。

结果

该集成成功实现了 PennyLane 与 MQT 工具之间的无缝工作流：

消除基于文本的中间媒介： 工作流不再需要导出为 OpenQASM 并重新解析。程序直接通过 MLIR 方言流动，保留了结构信息并消除了解析开销。
减少依赖项： 移除了之前用于处理 OpenQASM 的中间依赖项（如 Qiskit）。
功能性映射： 系统成功执行了完整的往返编译：在 PennyLane 中定义的 GHZ 态电路被转换为 MQTOpt，映射到特定的硬件拓扑结构（使用 MQT 的 QMAP 工具，该工具会插入必要的 SWAP 门），然后转换回 Catalyst 方言以供执行。
易用性： 用户可以通过 PennyLane 中简单的 Python 装饰器触发复杂的编译流程（包括硬件映射），从而将底层的 MLIR 复杂性抽象化。

意义与主张

本文声称这项工作是降低量子软件工程师采用 MLIR 门槛的“实用且动手实践的指南”。其意义在于：

促进互操作性： 通过提供一个统一的骨干，它允许不同的量子工具直接通信，推动生态系统从孤立的“工具动物园”向凝聚的软件栈发展。
借鉴经典专业知识： 它展示了量子软件如何受益于数十年的经典编译器基础设施（优化传递、模块化和插件系统），而无需重复造轮子。
可扩展性： 模块化插件方法允许通过极小的额外努力轻松添加新工具和方言（例如，未来集成 NVIDIA 的 CUDA-Q 或 QIR），因为只需要编写方言之间的转换传递。
赋能社区： 通过发布代码和最佳实践，作者旨在赋能量子社区构建更模块化、更具互操作性和集成性的软件栈，最终引导量子软件开发能够无缝集成到经典和高性能计算（HPC）环境中。

作者保持了谦逊的态度，指出虽然集成是成功的，但对于没有编译器设计背景的人来说，MLIR 的学习曲线仍然很陡峭。然而，他们认为所提供的最佳实践和模块化架构显著减轻了这些挑战，使得采用 MLIR 成为量子软件生态系统走向成熟的一个可行且必要的步骤。