具有量子比特置换的最优布局感知 CNOT 电路综合
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了量子电路中 CNOT 优化的复杂问题，考虑了量子比特置换和布局限制。通过将问题编码为规划、SAT 和 QBF，提供了对 CNOT 门数量和电路深度的优化。研究表明，允许量子比特置换可以将 CNOT 数量减少高达 56%，电路深度减少 46%。
本文介绍了一种基于实际硬件的训练程序得出的预期性能估计来排名量子电路的机器学习方法。通过在IBM硬件上进行电路测量，发现逻辑上等效的布局的保真度可以相差一个量级。作者引入了一个用于排名的电路得分，通过使用测量数据集上的排名损失函数进行拟合。在16比特的设备上进行模型训练和执行，并与两种常见方法进行比较，结果显示该方法优于这两种方法，预测的布局噪声更低，性能更高。同时，该方法还揭示了背离简单代理测量所推断性能估计的依赖上下文和相干门错误的特定方式。
