QWeaver: Quantum Circuit Cut Workflow with MLIR-based Compiler, Runtime, and Weaver Hybrid Tasks
本文介绍了 QWeaver,这是一个基于 MLIR 的框架,它通过将大型电路划分为可执行的片段、通过 Q-IRIS 运行时并发地调度这些片段,并利用经典的编织任务重构最终的输出分布,从而编排量子电路切割的端到端工作流。
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
量子计算机有望解决当今超级计算机需要数千年才能破解的问题,但它们面临着一个顽固的物理极限。目前的机器规模较小且存在噪声,只能处理仅有几十个被称为“量子比特”(qubits)的微小信息单元。当科学家尝试运行一个需要比机器所拥有的更多量子比特的复杂计算时,整个过程就会失败。这就像试图把一艘巨大的远洋轮船塞进一个小浴缸里;水会溢出来,船也会沉没。多年来,唯一的解决方案似乎就是等待硬件变得更大,但一种新的方法表明,我们可以通过将计算拆分,在今天的微型机器上运行这些庞大的计算。
这种被称为“电路切割”(circuit cutting)的策略,涉及将一个巨大且难以处理的量子计算切分成较小的、独立的碎片,使其能够适配现有的设备。每个碎片都被单独运行,然后利用强大的经典计算机将结果汇总,以重建最终答案。然而,协调这一过程对程序员来说一直是一场噩梦。它需要一系列复杂的步骤:分析原始代码、将其切分成碎片、将这些碎片发送到不同的机器,然后使用精确的数学修正将结果缝合在一起。直到现在,还没有单一的系统能够自动管理整个工作流,导致研究人员不得不手动连接那些脱节的工具。
在一项新的研究中,橡树岭国家实验室的研究人员构建了一个名为 QWeaver 的系统,解决了这个编排问题。他们创建了一个统一的框架,将整个过程——从最初的量子代码分析到最终的答案重建——视为一个单一且连贯的任务链。QWeaver 不再依赖人类来管理不同软件工具之间的衔接,而是自动构建依赖关系图。它接收一个大型量子程序,将其分解,将碎片发送去执行,然后收集数据以重新组装最终结果,整个过程无需人工干预。
研究人员通过在多种模拟量子计算机和实验室内的真实量子处理器上运行该系统进行了测试。他们使用了一种标准的量子电路类型,即 GHZ 电路,这种电路常用于测试量子硬件的极限。在一次实验中,他们将一个四量子比特电路切成了三个较小的部分。系统成功生成了每个部分的必要指令,在不同的模拟设备上运行了这些部分,并结合结果以高精度恢复了原始答案。该系统还展示了处理基于真实世界铁路网络更复杂问题的能力,成功将一个 43 量子比特的计算拆分为适合容量较低的模拟器的较小块。然而,针对这个特定的 43 量子比特实例,系统仅执行了所需数据的极小部分(0.003%),以展示其编排工作流的能力,而非产生一个完全收敛的最终答案。
这项工作的一个关键发现是,虽然切割电路可以让它在较小的机器上运行,但这也带来了显著的代价。每当研究人员进行一次切割,获取答案所需的独立实验数量就会呈指数级增长。如果他们进行一次切割,系统必须运行 8 个不同的碎片变体;进行两次切割则需要 64 个变体。这意味着,虽然该系统可以在物理上运行单个设备无法承载的计算,但它也需要更多的计算时间和算力。研究人员发现存在一个“甜点区”(sweet spot):切割得太少会导致碎片仍然过大,而切割得太多则会引发工作量的爆炸式增长,从而拖慢整体速度。他们的系统会自动为给定的机器找到最佳平衡点。
研究还强调了速度和自动化的重要性。通过将切割过程直接集成到编译器(即将人类可读代码转换为机器指令的软件)中,团队消除了由于手动在不同程序之间移动数据而导致的延迟和错误。他们测量到,实际运行量子碎片的时间是总时间的决定性因素,而准备切割和重新组装结果的时间相对较快且保持稳定,无论使用哪种模拟器或硬件。这表明,随着量子硬件的改进,这种自动化方法将会变得更加高效。
研究人员并未声称这种方法解决了量子计算的所有问题。他们明确指出,该技术并不是通往未来容错式大规模无错算法的路径。相反,它是一个实用的工具,用于扩展当今带有噪声且受限设备的用途。它允许科学家运行那些宽度略大于其硬件能力的电路,通过以可控的经典计算量增加,来换取运行计算的可能性。该系统证明了将一个大型且被拆解的量子任务进行分布式处理并在之后正确缝合回来的可行性,从而将一个破碎的工作流转变为一个无缝且自动化的过程。
在实验中,该系统成功重建了规模高达 14 个量子比特的电路结果。对于更大的电路,例如 60 个量子比特的 GHZ 电路,系统在完成完整计算前达到了时间限制,这更多是作为可行性的下限测试,而非成功的输出分布重建。他们还展示了系统可以处理源自铁路网络的真实世界优化问题的复杂性,证明了该方法适用于结构化、非规则的数据,而不仅仅是简单的测试案例。这项工作证实,通过合适的软件架构,可以推动当前量子硬件的局限性,让研究人员在等待下一代机器到来的同时,能够处理更大型的问题。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。