设计自动化顶会 DAC 2026 落下帷幕,弧光量子团队三项工作被接收——CNOT 线路最优综合(Lin-search)、量子线路化简(超图方法)、中性原子量子纠错编译(NEAT)。三篇切入点不同,却指向同一个目标:让量子程序用更少的资源、更低的代价,在真实机器上跑得更好。三项工作在最好情况下均达到百倍级效率提升。
突破一:Lin-search,CNOT 综合提速最高 1000 倍
CNOT 门是量子线路中最常见的双比特门,也是错误率最高的一类操作——通常明显高于单比特门。减少 CNOT 门数,直接提高线路运行质量。
现有编译器(比如 Qiskit-SAT)能找"比较短"的线路,但给不出"最短"保证。弧光量子团队要做的是精确综合:给定目标功能,找出 CNOT 门数最少的实现。
他们回归最基本算法,直接在 CNOT 线路空间搜索,提出 Lin-search。核心是两层下界剪枝:
- "距目标行数"下界:从输出差异倒推最少还需要多少门
- "cut-rank"(需传递独立信息量)下界:判断还有多少跨区域信息必须通过 CNOT 传递
配合规范形式自动合并等价线路,Lin-search 在一台普通笔记本上、600 秒时限内就能找到门数最优实现。
实测数据:4 比特、5 门线路,朴素搜索需要检查 248,832 条候选;加入两层下界 + 等价归并后,只需检查 18 条,0.27 毫秒找到最优解。在 15 比特、15 CNOT 门的随机测试中,Lin-search 比 Qiskit-SAT 把可处理规模往前推 3 个量子比特,中小规模加速 数百倍,最高约 1000 倍。
实际部署:把 Lin-search 嵌入 Clifford+T 线路优化流程,连续 CNOT 子线路平均减少 16%、最多 26%,超时未完成任务数比 Qiskit-SAT 少 30%。
突破二:超图方法,化简提速 606 倍
量子程序送入硬件前通常要化简,但门之间的可交换关系让搜索空间爆炸。现有方法用 DAG(有向无环图)——保留不能交换的依赖,删去可交换的连接,结果把可交换门变成孤立节点,算法在大规模线路里"迷失",被迫全图盲搜。
弧光量子创新性地引入超图表示法:
- 把同一比特上作用方向相同的相邻门合并为"超级节点"
- 用"超边"补回跨比特连接
- 算法得以在局部邻域精准向外扩展匹配
实测与 Qiskit 的 DAG 模板匹配器正面比较:
| 线路规模 | Qiskit | Qiskit(启发式) | 超图方法 | 加速倍数 |
|---|---|---|---|---|
| 100 门随机 | 27.64s | 18.97s | 1.75s | 15-65 倍 |
| 300 门随机 | 177.5s | 93.2s | 5.67s | 15-65 倍 |
| 500 门随机 | 583.34s | 293.85s | 9.19s | 11-29 倍 |
| 2707 门 / 48 比特算术 | 约 3.5 小时 | — | 约 21 秒 | 606 倍 |
3.5 小时 vs 21 秒,加速 606 倍——而且优化后门数与 Qiskit 持平,质量不打折扣。线路越大优势越明显,显示其处理大规模量子线路的潜力。
突破三:NEAT 编译器,中性原子纠错错误率直降 95%
中性原子平台是当前量子硬件的热门路线(QuEra、Atom Computing、Pasqal、向量奇点等都在做)。它的纠错(QEC)靠辅助原子在阵列里穿梭移动提取错误信息——但过去的编译器把"量子门执行顺序"和"原子移动路径"割裂优化,像分别设计公交时刻表和行车路线,移动时间大量冗余,误差增加。
弧光量子的 NEAT 编译器把三个变量放进同一个符号约束模型:
- 数据原子放在哪里(固定坐标)
- 辅助原子怎样移动(每个时间步位置)
- 每个量子门在哪个并行时间步执行
求解器同时满足逻辑约束(纠错码校验矩阵)和硬件约束(里德堡相互作用范围、激光时序、无碰撞、并行轨迹的相对顺序)。团队为此设计了两级对称性消除规则——先轻量约束固定时间方向和空间方位,再对难实例加字典序约束,避免求解器反复探索等价解。
实测数据(对比对象是 Enola 编译器):
| 纠错码 | Enola 移动轮数 | NEAT 移动轮数 | Enola 总距离 | NEAT 总距离 |
|---|---|---|---|---|
| Surface7 | 177 轮 | 3 轮 | 3907.2 | 568.6 |
| Surface13 | 624 轮 | 4 轮 | — | — |
| Planar7 | 100 轮 | 3 轮 | 1291.6 | 355.8 |
| Planar13 | 292 轮 | 3 轮 | 11115.3 | 1580.1 |
端到端逻辑错误率:在同等噪声条件下,经 NEAT 编译的线路错误率降至 Enola 的 1/2 到 1/20,降幅最高 95%。
三个判断
第一,编译工程是真战场。量子硬件规模继续扩大,但"算法能不能在真实硬件上跑起来"由编译器决定。弧光量子三篇工作覆盖了从综合(找到最优门数)到化简(局部加速)到映射调度(硬件感知)三个环节,工具链每环节都有百倍级提升。
第二,中性原子路线被工程化加速。NEAT 把表面码纠错的移动轮数从 100-600 轮压到 3-4 轮,总距离缩短一个数量级——这意味着 QuEra、Atom Computing、向量奇点等中性原子公司可以更早进入"工程化纠错"阶段,而不必等硬件比特数再翻几倍。
第三,DAC 这个会议是量子编译的真正主战场。DAC(Design Automation Conference)是传统 EDA 设计的顶级会议,也是量子设计自动化(QDA)的主要阵地。弧光量子三篇工作的全部作者来自其团队与中科院/清华/华东师大合作组,说明国内在量子编译工程领域已经形成稳定产出能力。
接下来 6-12 个月看两个信号:1) 弧光量子三项工作是否被 Qiskit、Cirq、PennyLane、Tket 等主流 SDK 集成;2) 中性原子厂商(QuEra、Atom Computing、向量奇点、启科量子)是否在公开基准上引用 NEAT 数据。
数据来源:腾讯新闻 8-14 弧光量子 DAC 报道、光子盒 QUANTUMCHINA 8-14、DAC 2026 论文链接。
讨论回复
加载中...正在加载回复...
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。