⚛️ quantum physics

GroverFigureOfMerit: An Agnostic Figure of Merit for Quantum Backend Characterization in the NISQ Era

本文提出并验证了“GroverFigureOfMerit”，这是一种基于格罗弗算法（Grover's algorithm）的全方位、与架构无关的度量标准，通过评估不同 NISQ 时代提供商在多样化场景下的动态成功概率、均匀性和泄漏惩罚，克服了静态硬件参数的局限性。

原作者： Tiago Restucha, Marcos Guillermo Lammers, Alejandro Fernández

发布于 2026-07-10

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Tiago Restucha, Marcos Guillermo Lammers, Alejandro Fernández

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

想象一下，你正试图为一次公路旅行挑选最合适的汽车，但每家制造商都给你一份不同且令人困惑的规格表。一家说：“我的发动机效率高达 99%！”另一家则大喊：“我的轮胎可以行驶 5 万英里！”但它们都没有告诉你这辆车在颠簸的路面、陡峭的山坡或突如其来的暴雨中实际表现如何。你只能靠猜测来判断哪辆车能让你顺利抵达目的地而不发生故障。

这正是当今量子计算机开发者面临的问题。我们正处于“NISQ 时代”（含噪声的中规模量子时代），这是一个量子计算机已经存在但仍有些不稳定且混乱的时期。像 IBM、IonQ 和 Rigetti 这样的不同公司，其构建机器的方式完全不同。它们说着不同的语言，并展示着不同的“静态”统计数据，比如单个量子比特（qubit）在遗忘其想法之前能保持思考状态的时间有多长。

本文的作者认为，仅仅观察这些静态统计数据就像是通过观察一个马拉松选手系鞋带的速度快慢来评判其水平。这忽略了重点！一名跑者可能有一双好鞋（低错误率），但当比赛变得复杂时，他可能会被自己的双脚绊倒。论文指出，要真正了解哪台量子计算机是最优的，你需要参加一场真正的比赛。

“压力测试”赛：格罗弗算法 (Grover's Algorithm)

为了解决这个问题，该团队发明了一种衡量性能的新方法，称为 GroverFigureOfMerit。你可以把它看作是一场标准化的“压力测试”赛。他们不是通过检查零件来评估，而是让计算机运行一个特定的、棘手的谜题——格罗弗算法。

格罗弗算法就像是一个“大海捞针”的游戏。在一个完美的理想世界里，一台量子计算机可以极其快速地找到那根针。但在现实的、充满噪声的世界里，干草堆可能会晃动，针可能会很滑，计算机也可能会感到困惑。

作者设计这项测试是为了观察计算机如何处理整个过程，包括：

噪声： 比赛过程中发生的静态干扰和故障。
转换： 计算机将“干草堆”谜题翻译成其自身特定语言所需要的工作（这被称为转译/transpilation）。
地图： 计算机物理线路的布局（拓扑结构）。有些计算机的量子比特无法直接通信，因此必须通过邻居传递信息，这会减慢速度。

评分机制如何运作

在运行了 2,000 次（称为“次/shots”）之后，系统会给计算机一个分数。它不仅仅是关于是否找到了那根针，更关于它是如何找到它的。

它找到了正确答案吗？（好！）
它同时也找到了错误的答案吗？（坏！这是“泄漏/leakage”。）
它是每次都能找到正确答案，还是有时靠运气，有时靠运气不好？（坏！这是“非均匀性/non-uniformity”。）

最终得分是一个结合了所有这些因素的单一数字。如果计算机带有噪声或在转换过程中陷入困境，分数就会下降。如果它既干净又高效，分数就会保持在高位。

大型实验：模拟真实情况

该团队并非凭空猜测；他们在名为 Qonscious 的框架上运行了这项测试。这就像是一个万能遥控器，让你可以在任何品牌的量子计算机上运行相同的比赛，而无需更改代码。

他们在 九个不同的供应商 上进行了测试（尽管他们将详细结果集中在基于 IBM 和 IonQ 真实硬件的模拟器上）。他们在两种大小的“干草堆”上运行了测试：

一个较小的，包含 8 个项目（使用 3 个量子比特）。
一个较大的，包含 32 个项目（使用 5 个量子比特）。

他们的发现是：

理想模拟器： 当他们在完美的、无噪声的计算机模拟上运行测试时，得分接近完美（小干草堆约为 0.960，大干草堆约为 0.999）。这表明当没有故障时，测试符合预期。
IBM 模型： 当他们在源自真实 IBM 处理器的噪声模型上运行测试时，得分显著下降。对于 32 项的干草堆，IBM 模型的得分坍缩到了约 0.040。这基本上等同于随机猜测！论文解释说，这是因为 IBM 的计算机必须额外努力来连接远距离的量子比特，从而产生了一个错误的“交通堵塞”。
IonQ 模型： IonQ Aria 1 的表现要好得多。它保持了高分，并没有像 IBM 模型那样坍缩。这表明，对于这种特定类型的谜题，IonQ 的架构更具韧性。

这意味着什么（以及并不意味着什么）

论文明确指出，这并不是一个能解决所有量子问题的万能药。作者明确表示，他们并不是试图证明格罗弗算法目前是解决现实世界搜索问题的最佳方式。事实上，他们承认在目前的噪声硬件上，格罗弗算法可能还无法用于实际任务。

相反，他们是将格罗阅读算法纯粹作为一种 衡量硬件的工具。这就像是使用碰撞测试假人，不是为了看车对乘客是否安全，而是为了看汽车的框架在碰撞过程中如何承受压力。

研究结果是基于模拟得出的，使用的是源自真实硬件的噪声模型，而不是在云端直接在真实的物理量子计算机上运行测试（尽管作者表示，在真实机器上进行测试是“自然的下一步”）。

总结

主要结论是，这种新的“GroverFigureOfMerit”评分可以成功区分不同的量子计算机，即使它们的构建方式完全不同。它在一个易于比较的单一数字中，捕捉到了噪声、转换错误和物理布局这些复杂的现实情况。

论文建议，这种方法有助于开发者停止根据令人困惑的规格表进行猜测，并开始针对其特定需求做出明智的选择。然而，作者警告说，“转换”（transpilation）步骤目前是一个巨大的瓶颈，它增加了如此多的额外工作，以至于破坏了一些机器的性能。他们希望未来更智能的软件可以解决这个问题，从而让这场“比赛”对每个人都是公平的。

简而言之，这篇论文提出了一种新的、公平的方法，通过让量子计算机运行一个特定的、棘手的谜题来对它们进行评分，而早期的模拟显示，这项测试可以识别出哪些机器已经准备好进入顶级联赛，而哪些机器还在被自己的鞋带绊倒。

技术摘要：用于量子后端特征表征的 Grover 指标 (GroverFigureOfMerit)

问题陈述

含噪声中型量子（NISQ）时代为开发者选择合适的量子硬件带来了显著挑战。目前的量子硬件提供商通过异构接口和专有指标（例如相干时间 $T_1/T_2$ 、门错误率）展示其能力，这些指标在不同架构（超导、离子阱、光子等）之间差异巨大。这些静态指标存在三个主要局限性：

预测能力有限： 它们未能考虑到转译（transpilation）过程的影响，即高层电路被分解为原生门时，往往会导致物理深度远大于原始逻辑深度。
缺乏上下文相关性： 静态指标无法封装特定算法的行为，忽略了门交互、空闲时间以及拓扑结构对最终结果的影响。
时间变异性： 硬件特性会随环境因素波动，导致静态快照很快失效。

因此，需要一种后端无关的指标（Figure of Merit, FoM），通过捕捉噪声、转译和拓扑约束的综合影响，来评估量子后端的整体性能。

方法论

作者提出了 GroverFigureOfMerit，这是一种基于 Grover 搜索算法的算法压力测试。该方法通过 Qonscious 框架实现，该框架是一个旨在进行资源感知型条件执行的开源平台。

1. 实现平台 (Qonscious)：
该框架利用多态适配器 (BackendAdapters) 来抽象不同供应商（如 IBM、IonQ）之间的 SDK 和 API 差异。这使得相同的逻辑电路可以在无需修改 FoM 代码的情况下，被转译并执行在任何受支持的后端上。执行流是条件性的，允许 FoM 结果为运行时优化提供决策函数。

2. 指标设计：
GroverFigureOfMerit 将来自 GRADE 方法（Manor 等人，2025）的评分函数适配到 Qonscious 架构中。该指标评估 Grover 算法的性能，该算法能二次放大目标态的概率。得分在 $S=2000$ 次采样后计算，并包含以下要素：

目标态累积相对频率 ( $P_T$ )： 被标记状态的概率总和。
非目标态概率 ( $P_N$ )： 泄漏到未标记状态的概率质量。
目标态间的标准差 ( $\sigma_T$ )： 一种衡量均匀性的度量，用于惩罚相干误差（即一个目标态被显著放大而其他目标态则不然的情况）。

最终得分定义为：
$\text{Score} = \max(0, P_T - \lambda \cdot \sigma_T - \mu \cdot P_N)$
其中 $\lambda$ 和 $\mu$ 是平衡因子（通常设为 1），分别用于惩罚非均匀性和概率泄漏。如果泄漏惩罚超过目标概率，则得分为零。

3. 实验设置：
为了在不依赖实时云端 QPU 可用性的情况下验证该指标，作者使用了源自真实处理器的噪声模型：

IBM Fake Providers： 保留了特定 IBM 处理器拓扑结构和错误剖面的模型。
IonQ Aria 1 模型： 针对 IonQ Aria 1 架构的噪声模型。
理想模拟器： 用于基准比较的 AerSimulator 和 IonQ Simulator。

实验通过改变搜索空间大小 ( $N$ ) 和目标状态数量 ( $M$ ) 来测试对电路深度和噪声累积的敏感性。

关键结果

实验表明，GroverFigureOfMerit 对噪声、拓扑和转译开销具有敏感性：

小规模 ( $N=8, n=3$ )： 理想模拟器在最佳迭代次数 ( $M=2$ ) 下实现了 1.0 的完美得分。噪声模型（IBM Fake Providers）显示出退化的得分（范围从 0.495 到 0.792）。在算法极限处 ( $M=4$ )，所有噪声硬件的得分都向 0.5 坍缩，反映了经典的随机猜测情况。
中规模 ( $N=32, n=5$ )： 观察到了更严重的退化。虽然理想模拟器保持了高保真度，但 IBM 模型由于退相干而完全坍缩，得分降至经典随机猜测概率（ $\approx 0.25$ ）。相比之下，IonQ Aria 1 模型表现出更强的韧性，保持了显著高于随机极限的得分。
可扩展性 ( $N=8$ 到 $N=128$ )： 随着搜索空间的扩大，IBM 处理器的得分急剧下降（例如，在 $N=32$ 时坍缩至 $\approx 0.040$ ）。这种退化不仅归因于静态门错误，还特别归因于将多控制门 (mcx) 分解以连接远程量子比特的拓扑成本，这极大地增加了电路深度。

意义与主张

论文声称 GroverFigureOfMerit 提供了一个统一且可比较的得分，用于跨物理不同的硬件架构进行评估。其主要意义在于：

无关性特征表征： 它通过抽象专有 API 调用和原生门集，实现了对异构后端的直接比较。
整体评估： 与静态指标不同，它捕获了端到端的性能，包括转译、噪声和拓扑约束的累积效应。
资源优化： 通过与 Qonscious 集成，该指标可以有条件地触发或取消执行，从而在云量子计算环境中降低成本。

作者明确指出，选择 Grover 算法纯粹是利用其作为“压力测试”的效用，用以评估路由能力和相干性，而非为了证明当前噪声硬件上的算法优势。论文指出，在真实物理处理器上进行验证是必要的下一步，以捕捉噪声模型可能无法完全代表的动态现象，如串扰和热波动。此外，作者强调了当前的生态系统瓶颈：在将复杂的门分解委托给供应商特定编译器时，转译成本很高，这表明需要更智能的抽象或中间表示来减轻拓扑开销。