⚛️ quantum physics

A Dynamic Intermediate Representation for Hybrid Quantum-Classical Programs

本文引入了一种新颖的中间表示，它将量子门提升为一等公民，从而实现了一个统一的框架，能够基于运行时数据动态地创建和控制量子门，以有效地支持混合量子-经典程序和高级编译器优化。

原作者： Alex Rice, Chris Heunen, Tobias Grosser

发布于 2026-09-02

📖 1 分钟阅读🧠 深度阅读

原作者： Alex Rice, Chris Heunen, Tobias Grosser

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

在量子计算这一新兴领域，科学家们正试图利用亚原子世界的奇特规则，来解决当今机器无法处理的问题。描述这些计算的标准方式是通过“电路”，即一个固定的步骤序列，其中被称为量子比特（qubits）的微小粒子通过一系列逻辑门。可以将这想象成在固定轨道上行驶的火车：一旦旅程开始，路线就已锁定，火车无法根据沿途所见的情况改变方向或速度。这种静态方法对于简单的、预先规划好的任务效果良好。然而，最强大的量子技术应用需要一种不同类型的灵活性。现实世界的量子程序通常需要在运行时做出决策，根据运行过程中的随机事件或测量结果来调整路径。这创造了一个混合系统，其中经典逻辑与量子力学必须进行不断的沟通。目前的工具在处理这种往复交互时显得力不从心，往往迫使开发者将一个单一的、流动的任务拆解成许多独立的、僵化的部分。

来自爱丁堡大学和剑桥大学的一个研究小组引入了一种构建此类混合程序的新方法，该方法将计算步骤视为灵活的、活性的“值”，而非固定的指令。该系统不再将程序定义为在计算机启动前必须写就的静态逻辑门列表，而是允许逻辑门本身在程序运行时被创建和选择。在这个新框架中，逻辑门不是墙上永久的砖块，而是一个可以被传递、与其他值结合并由经典数据决定的“值”，就像任何其他信息一样。这种转变使得计算机能够动态地引导量子行为，使其能够在单一且统一的描述中，实现适应噪声、实时纠正错误或根据刚刚测量的结果改变策略。

研究人员通过展示该方法如何简化目前难以管理的复杂任务，证明了其强大之处。例如，考虑一个常见问题：量子系统受到随机噪声的影响，导致逻辑门以一定的概率翻转量子比特的状态。在旧的静态模型中，表示这种不确定性需要为每一种可能的结果生成一个全新的电路，从而导致程序数量的大规模爆炸。利用这种新的动态表示法，是否应用该逻辑门的操作被处理为一个单一的、流动的操作，其取决于运行时生成的随机数。这使得程序的结构保持简洁且紧凑。研究人员展示了通过使用这种方法，他们可以将多个概率步骤融合为一个单一的、流线型的操作，从而显著降低了代码的复杂度。

为了使该系统具有实用性，团队开发了被称为“小工具”（gadgets）的特定工具，作为这些动态决策的构建模块。其中一种小工具允许计算机轻松地将不同类型的基本量子开关（称为泡利门，Pauli gates）组合成一个单一的条件单元。这种能力对于诸如随机编译（randomised compilation）等高级技术至关重要，该技术用于平滑量子计算机上的噪声影响。在传统设置中，这个过程涉及多次运行相同的电路，并进行略微不同的随机调整，然后对结果进行平均。这通常需要生成并优化数千个单独的电路，是一个缓慢且低效的过程。新系统允许编译器在进行任何随机选择之前优化整个过程，将单个电路的创建延迟到最后时刻。在测试中，这种方法生成大规模随机电路的速度比现有方法快了高达20%，同时使用的存储程序描述的内存也更少。

这种动态表示法的效用延伸到了纠错领域，而纠错是构建可靠量子计算机的关键要求。在这些系统中，计算机必须不断检查错误并应用修复，但决定如何修复所需的时间可能会拖慢整个进程。研究人员表明，他们的新框架允许这些纠正步骤被延迟并与未来的步骤合并，有效地缓冲了工作量，使得在之前的纠正完全完成之前，下一轮检查就可以开始。这种优化对于旨在每秒执行数百万次循环的现代纠错工作流至关重要。通过将纠正视为一个可以移动和合并的动态值，该系统减少了所需的量子操作数量，证明了该方法能够应对现实世界容错计算的严苛需求。

除了纠错之外，新系统还架起了两种不同量子计算思维方式之间的桥梁：标准的电路模型，以及一种更现代的方法——基于测量的计算（measurement-based computing），后者的计算完全由粒子的测量行为驱动。研究人员展示了他们的框架如何通过简单的局部变化，将程序从一种风格转换为另一种风格。这种灵活性表明，该系统可以作为不同量子范式的通用语言，允许开发者根据需要进行切换。当团队使用一套多样化的混合算法将新表示法与现有行业标准进行对比时，他们的系统始终能产生更简洁的代码。它所需的文本行数更少、独立操作更少，且控制流的复杂度也显著降低，使得程序更易于分析和转换。

这项研究工作并不声称解决了量子计算中的所有问题，但它提供了一种描述和优化这些程序的基本转变。通过将逻辑门提升为动态值的地位，该团队创建了一种更适合处理混合量子-经典应用中混乱且具适应性现实的表示法。结果表明，这种方法可以使复杂程序的编译变得更快、更高效，同时也为以前在静态模型中无法实现的全新优化类型打开了大门。随着量子硬件的不断演进，编写能够实时思考和适应的程序的能力，可能会变得与硬件本身一样重要，而这种新的中间表示法为那个未来奠定了坚实的基础。

技术摘要：一种用于混合量子-经典程序的动态中间表示

问题陈述

量子编译器主要依赖于静态电路模型，将程序表示为固定的门序列。这种范式对于混合量子-经典应用是不充分的，因为在这些应用中，门的选取取决于运行时数据、测量结果或经典控制流。在静态模型中，诸如随机门选择（例如噪声通道）、自适应纠错和测量驱动计算等现象，需要为每一个随机样本或分支路径生成不同的电路实例。这种方法掩盖了量子数据流，使分析（例如验证线性量子比特使用情况）变得复杂，并阻碍了跨越经典与量子组件边界的优化。现有的工具包（如 OpenQASM 3.0 和 t|ket⟩2）已开始集成经典控制，但它们通常依赖于显式的控制流结构，这会使量子表示碎片化，导致跨边界优化变得困难。

方法论

作者提出了一种基于**动态门（dynamic gates）**的新型中间表示（IR），该表示将量子门提升为一等公民运行时值。该表示作为 MLIR（多层中间表示）框架中的一组方言（dialects）实现，利用静态单赋值（SSA）形式和量子比特的值语义。

核心机制

动态门操作 (qssa.dyn_gate)： 与传统的 IR 将门视为静态操作不同，该 IR 将门本身视为一个操作数。dyn_gate 操作接收一个 gate.value（一个运行时值）并将其应用于一个量子比特。这个门值可以由经典计算生成，例如根据一个随机变量在 $Z$ 门和恒等门（Identity gate）之间进行选择。
门值与属性： 静态门通过属性表示（例如 #gate.z），而动态门则通过 gate.constant 或专门的操作来构建。这使得 IR 能够维持统一的电路结构，即使在应用的特定门由动态决定时，量子数据流仍然保持线性且显式。
XZ 和 XZS 算子（Gadgets）： 为了便于优化，作者引入了用于生成门值的专门操作：
- XZ 算子 (gate.xz)： 表示基于布尔操作数对 Pauli $X$ 和 $Z$ 门进行的条件组合（ $X^x Z^z$ ）。
- XZS 算子 (gate.xzs)： 将 XZ 算子扩展到包含相位门 $S$ （ $X^x Z^z S^s$ ）。
- 这些算子允许 IR 紧凑地表示条件 Pauli 算子。作者定义了优化流水线（xzs-simplify 和 xz-propagation），用于融合连续的算子、将它们通过其他门进行交换（Pauli 传播），并通过将选择下推到布尔操作数来简化条件逻辑。

优化流水线

该 IR 支持特定的编译器传递（passes），以利用这些算子：

融合（Fusion）： 连续的 XZ(S) 算子的动态应用会被融合为一个单一的算子，方法是对其布尔参数执行算术运算（例如 XOR）。
传播（Propagation）： 算子可以穿过 Clifford 门（例如 Hadamard, CX）并传播到电路末端，与随后的校正合并。这对于延迟纠错中的校正操作至关重要。
降低（Lowering）： 该 IR 可以降低到传统的控制流（例如 scf.if）或 QIR（量子中间表示），通过将动态门转换回静态选择或分支结构。

核心贡献

动态门模型： 一种将门视为运行时值的编译器 IR，实现了经典控制与量子执行的紧密耦合，而不会导致量子数据流碎片化。
XZ/XZS 算子： 一种用于表示条件 Pauli 门和相位门的创新表示方式，能够实现优雅的局部重写和跨量子-经典边界的优化。
基准测试套件： 一个涵盖多种范式（如 NISQ 变分算法、基于测量的计算、纠错）的精选混合量子-经典程序集合，用于评估该 IR。

结果与评估

作者通过案例研究和针对 QIR（量子中间表示）的对比基准测试评估了其 IR。

案例研究

随机编译（Randomised Compilation）： 动态门 IR 允许将填充门（随机 Pauli 门）表示为动态值，并在实例化随机变量之前进行融合。与通过克隆并优化每个单独电路的方法相比，对于大规模电路实例化，这减少了高达 20% 的编译时间。它还显著减小了表示规模，因为单个动态程序即可生成任意样本。
量子纠错（QEC）： xz-propagation 流水线成功延迟了 QEC 周期中的校正操作。通过将校正操作与随后的综合测量（syndrome measurements）交换并进行融合，该 IR 减少了所需的量子操作数量。在 5 比特完美码上的基准测试显示，量子操作数量有所减少（例如，10 个周期内从 420 降至 325），而仅略微增加了经典操作。
基于测量的量子计算（MBQC）： 该 IR 可以表示 MBQC 程序，并将使用 $J(\theta)$ 门的电路程序通过局部重写转换为 MBQC 测量模式。IR 中显式的经典数据流消除了测量演算中通常需要用于追踪测量结果的“信号偏移（signal shifting）”操作。

基准测试套件

作者在 10 个混合程序上将动态门 IR 与 QIR 进行了对比。动态门 IR 展示了卓越的简洁性和更低的复杂度：

减少了 47% 的行数和 52% 的单词量。
减少了 24% 的量子操作。
减少了 69% 的基本块和 52% 的圈复杂度，表明非结构化控制流显著减少。
降低了 30% 的 Halstead 难度，表明认知复杂度降低。

意义

论文声称，动态门 IR 通过提供一个统一的混合量子-经典程序框架，推动了该领域的技术进步。通过将门视为值，该 IR 弥合了经典计算与量子计算之间的鸿沟，使得此前在静态电路模型中无法实现或难以实现的优化成为可能。作者认为，这种表示不仅更加紧凑，而且有助于编译器分析与变换，特别是在涉及自适应纠错、噪声建模和测量驱动计算的应用中。这项工作表明，坚持使用静态电路模型对于本质上是动态的量子程序而言是不必要的，而动态表示更适合不断发展的混合量子计算格局。