量子计算有望解决当今超级计算机需要数千年才能破解的问题，从设计新药到模拟复杂的气候系统。然而，机器本身面临着一个顽固的物理限制：单个处理器无法容纳足够多的微小信息单元（称为量子比特），以应对这些庞大的任务。为了克服这一难题，科学家们正转向分布式量子计算，这是一种将多个较小的量子处理器连接起来，使其作为一个巨大的整体运行的策略。挑战在于这些独立的处理器如何相互通信。它们不能通过标准电缆传输数据；相反，它们必须共享一种被称为“纠缠”的脆弱且无形的链路。创建并维持这些链路非常困难，容易出错，并且会消耗珍贵的资源。如果处理器在执行单次计算时必须不断地相互寻求联系，过程就会变得缓慢且结果不可靠。因此，目标是让这些远距离的处理器尽可能高效地协同工作，最大限度地减少它们需要跨越网络交换信息的次数。
北卡罗来纳州立大学的研究人员开发了一种新方法来解决这一协调问题，旨在使分布式量子计算更具实用性。他们的工作专注于一种特定的技术，即将复杂的计算分解为可以组合在一起的操作块或数据块。在过去，系统试图独立优化每个数据块内信息的移动，仅根据眼前的即时任务做出决策。这种方法就像一位只看下一个街角而不考虑终点的旅行者，往往会导致低效的绕路。名为 DPRQ 的新算法采取了不同的视角。它不再进行孤立的决策，而是从头到尾审视整个计算过程。通过使用一种能够同时评估所有路径和结果的数学策略，该算法能够确定整个电路中信息在处理器之间移动的最有效方式，而不仅仅是针对单个部分。
研究人员使用四种不同类型的量子电路测试了这种新方法，这些电路代表了现实世界的应用，如加法运算、模式搜索和复杂系统优化。他们模拟了这些电路在具有不同连接数和资源的处理器网络上运行的情况。结果显示，新方法始终能减少完成任务所需的纠缠量。与领先的现有系统相比，该算法平均减少了近 25% 的通信需求。在最极端的情况下，这种减少幅度达到了 85% 以上。这意味着对于相同的计算，新方法可以使用更少的稀缺且易错的链路，从而可能使整个过程更快、更准确。
这种方法的有效性在很大程度上取决于网络的构建方式以及涉及的处理器数量。模拟表明，随着网络变得更大、更复杂，新方法的优势会更加显著。当处理器排列成网格或环形时，该算法擅长寻找分组操作和移动数据的最佳方式。即使网络拓扑结构发生变化，该方法依然保持稳健，能够适应不同的布局而不损失效率。然而，研究人员指出，如果每个处理器都与其他所有处理器直接相连，其优势将会缩小，因为寻找优选路径的难度随之消失。幸运的是，这种完全连接的网络在近期内并不现实，这使得该算法对于科学家们正在构建的系统具有高度相关性。
这项工作并不声称已经解决了量子网络中的所有问题，但它在如何管理分布式系统中的资源方面迈出了重要一步。通过从“贪婪且目光短浅”的策略转向“预先规划全程路线”的策略，研究人员证明了我们可以用更少的浪费来执行复杂的量子任务。研究结果表明，随着量子计算机规模的扩大，使用智能路由策略对于保持其高效运行至关重要。这项研究为降低量子处理器之间的通信成本提供了一条清晰的路径，使大规模互联量子计算机的愿景离现实又近了一步。
DPRQ 技术摘要：一种用于分布式量子计算中集体通信的基于动态规划的量子比特路由算法
问题陈述
分布式量子计算（DQC）旨在通过联网多个量子处理器来扩展量子处理能力，从而克服单台设备的量子比特容量限制。然而，节点间的通信仍然是一个关键瓶颈。在通用的 DQC 模型中，执行跨节点门需要通过 TP-Comm（量子隐形传态）协议消耗一个爱因斯坦-波多尔斯基-罗森（EPR）对。由于生成和维持 EPR 对的过程存在误差且极易出错，EPR 对是一种稀缺且昂贵的资源。
虽然像 QuComm [20] 这样的现有方法利用“集体通信”来优化这一过程——即将电路划分为若干个跨节点门的块（blocks），并将它们路由到一个共同的聚合节点（aggregator node）——但这些方法存在一个显著的局限性：即贪婪的、块级别的路由策略。QuComm 在每个块内独立优化路由，忽略了前序块产生的依赖关系和状态变化（量子比特布局）。这种近视的视角阻碍了全局优化，导致整个电路的 EPR 消耗处于次优水平。
方法论
本文提出了 DPRQ，一种旨在最小化被划分为集体通信块的 DQC 电路中跨节点通信成本的量子比特路由算法。DPRQ 保留了 QuComm 的通信融合阶段（即根据跨节点门连通性将电路划分为块），但用**动态规划（DP）**方法取代了贪式路由阶段。
该方法由两个主要部分组成：
块内通信成本计算：
对于给定的块和选定的聚合节点，DPRQ 计算将所有相关量子比特隐形传态到该节点的成本。与简单的最短路径路由不同，DPRQ 采用了“提前执行”（early execution）技术。它评估当前量子比特位置与聚合节点之间的所有最短路径，识别出可以提前执行门的中间节点。算法计算将量子比特传输到这些中间节点的 EPR 成本，并考虑节点的有限 EPR 容量。如果某个节点缺乏足够的通信量子比特，则成本会增加（需要进行 SWAP 操作）。算法会选择使该块总 EPR 成本最小化的节点和路径，并据此更新量子比特布局。
基于 DP 的块间量子比特路由：
DPRQ 将连续的集体通信块序列视为一个动态规划问题。它维护一个成本矩阵 C(bk,nk)，表示执行完直到第 bk 个块的所有块，且第 bk 块的聚合节点为 nk 时的最小总通信成本。
- 状态转移： 为了计算第 bk 块且聚合节点为 nk 的成本，算法会回溯查看前一个块 bk−1 的所有可能聚合节点 nk−1。它会计算转换成本 T(bk,nk−1,nk)，即在给定前一块最终量子比特布局的情况下，当前的块内路由成本。
- 全局优化： 通过将前一区块（bk−1）的最优最终布局作为当前区块（bk）的初始布局，DPRQ 能够识别出使全局端到端 EPR 成本最小化的聚合节点序列。虽然该方法会探索由前序最优决策衍生的初始布局空间，但为了管理空间和时间复杂度，它明确地为每个元组 (bk−1,nk−1) 存储并利用单个最佳最终布局，而非维护多个布局。
核心贡献
- 智能路由框架： 作者提出了一种专门设计的量子比特路由框架，用于减少被划分为集体通信块的 DQC 电路中的 EPR 成本。
- 动态规划方法： 本文引入了一种基于 DP 的技术，能够捕捉块间的依赖关系，这与最先进的贪婪策略形成了对比。这使得算法能够考虑当前路由决策对未来块的影响。
- 全面评估： 该算法针对四种不同的量子电路（Bernstein-Vazirani、Ripple-Carry Adder、VQE 和 QAOA）以及多种 DQC 配置（变化的 EPR 容量、电路宽度和网络拓扑）在基准线 QuComm 上进行了评估。
结果
评估表明，DPRQ 在降低跨节点通信（以 EPR 对调用次数衡量）方面始终优于 QuComm：
- 整体性能： 与 QuComm 相比，DPRQ 实现的跨节点通信平均减少了 24.40%，最大减少量达 85.06%。
- 可扩展性： 随着 DQC 网络中节点数量的增加，DPRQ 的优势变得更加显著。在 EPR 容量有限（例如容量 = 2）且节点数较高的场景下，DPRQ 在各项基准电路中的平均最大减少量为 48.54%。
- 鲁棒性： DPRQ 在不同的网络拓扑（网格、环形和全连接）中表现出韧性。虽然在全连接拓扑中（由于直接链路减少了复杂聚合节点选择的需求），其优势有所减弱，但 DPRQ 的表现从未差于基准方法。
- 电路敏感性： 对于某些电路（如 BV），无论 EPR 容量如何变化，DPRQ 都能保持近乎恒定的路由成本；而 QuComm 由于缺乏全局优化，其成本波动更为显著。
意义与主张
本文声称，通过将优化范式从局部（块级）转向全局（电路级），DPRQ 相比现有的贪婪路由方法提供了显著改进。作者断言，这种方法对于当前及未来资源受限的 DQC 网络尤为重要。通过有效管理块内执行与块间状态转换之间的权衡，DPRQ 能够更高效地在分布式硬件上执行大规模量子电路。这项工作表明，随着 DQC 网络扩展到包含更多处理器，跨块边界进行优化的能力将变得对于实际量子计算日益关键。
每周获取最佳 quantum physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。