使用 GRAPE 准备 n 个量子比特的状态来执行搜索以优化每个门排列的保真度 F 时的估计计算时间。蓝色实线是从宇宙开始到现在（137亿年）的时间。图片来源：美国国家信息与通信技术研究所（NICT）;理化学;东京理科大学;东京大学理学院

研究人员已经成功地开发了一种技术，使用概率方法快速搜索量子计算机的最佳量子门序列。

要使量子计算机执行任务，它必须使用编译器将用编程语言编写的指令转换为量子比特（简称量子比特）上的一系列门操作。他们之前将最优控制理论（GRAPE算法）应用于穷举搜索，以开发一种方法来识别理论上最优的门序列，但随着量子比特数量的增加，可能的组合数量也在增加。

随着数量呈爆炸式增长，详尽的搜索变得不可能。例如，如果我们要进行详尽的搜索，以找到生成6个量子比特的任意量子态任务的最佳门序列，那么使用目前最快的经典计算机所需的时间将超过宇宙的年龄。

因此，研究人员试图开发一种使用概率方法寻找最佳量子门序列的方法，并取得了成功。使用超级计算机Fugaku，证实并证明使用一种新的概率随机搜索方法，可以在几个小时内搜索到上述问题的最佳量子门序列。

这种新方法有望加速量子计算机编译器，成为实用量子计算机的有用工具，并导致量子计算机设备性能的提高。它还可以应用于优化量子中继节点的量子信息处理，因此有望为量子互联网的实现和减少环境影响做出贡献。

该结果于2024年5月6日发表在《物理评论A》杂志上。

目前正在开发的量子计算机预计将对社会产生重大影响。它们的好处包括通过减少能源消耗来减轻环境负担，寻找新的医疗用化学物质，加速寻找更清洁环境的材料等。量子计算机面临的一大问题是量子态对噪声非常敏感，因此很难长时间稳定地维持（保持相干量子态）。

为了获得最佳性能，操作必须在允许量子态保持相干的时间内进行。然而，除了量子比特数量非常少的特殊情况外，还没有已知的好方法来找到最佳的量子门序列。

即使在大规模量子计算中，也避免了可能的门序列数量爆炸性增加的困难，并允许在经典计算机上可以执行的时间和计算资源内进行有效搜索的解决方案一直在等待。

研究团队引入概率方法，开发一种系统化的方法，在执行时间和计算资源内高效搜索最佳量子门序列。

当计算机存储和处理信息时，所有信息都将转换为值为 0 或 1 的位字符串。量子门序列是在转换后用人类可读语言编写的计算机程序，以便可以由量子计算机处理。量子门序列由 1 量子比特门和 2 量子比特门组成。最佳序列是门数最少且性能最佳的序列。

他们的研究显示了使用最佳控制理论算法GRAPE进行搜索以优化每个门排列的保真度F时的估计计算时间。蓝色实线是所谓的宇宙年龄（137亿年）。随着量子比特数量的增加，可能的组合数量呈爆炸性增长，因此在n=6时，总计算时间超过了宇宙的年龄。

对小量子比特数的所有可能序列的分析表明，存在许多最优量子门序列。这表明有可能扩展到大型量子任务，并使用概率搜索方法而不是详尽搜索找到最佳量子门序列。

它们还显示了保真度为 F=1 的序列的出现率 （p），用于制备由 n=8 个量子比特组成的状态，这是使用超级计算机 Fugaku 进行研究的。速率 p 表示为序列中 2 量子比特 CNOT 门 （N） 数量的函数。很明显，概率方法非常有效，因为当超过N（N=124）的下限时，F=1的发生率会迅速增加。

例如，F=1在N=129时的出现率略高于N=124，超过50%，所以如果你搜索两次门排列，你会发现一个量子序列平均至少有一次F=1。通过这种方式，人们发现，通过使用概率方法，可以比使用穷举搜索方法搜索快几个数量级来搜索最佳量子门序列。

所开发的系统化和概率性方法为量子计算机提供最优量子门序列，有望成为实用量子计算机的有用工具，并加速量子计算机编译器。有望提高量子计算设备的性能，为量子互联网中量子节点的发展和环境负荷的减轻做出贡献。

未来，研究团队将把这项研究的结果与机器学习方法相结合，并应用它们来优化量子计算机的性能，旨在进一步加速量子编译器并创建一个最佳量子门序列的数据库。

研究团队包括国立信息通信技术研究所、理化学研究所、东京理科大学和东京大学。

更多信息：Sahel Ashhab 等人，通过随机组合搜索进行量子电路合成，物理评论 A （2024）。DOI： 10.1103/PhysRevA.109.052605

期刊信息： Physical Review A