Qiskit 1.3.0版本中电路优化级别异常问题分析
2025-06-05 13:55:16作者:董灵辛Dennis
问题背景
在量子计算框架Qiskit的最新版本1.3.0rc1和main分支中,用户发现了一个关于电路优化的异常现象。当使用优化级别2和3进行电路编译时,生成的电路深度反而比使用优化级别1时更深。这一现象在1.2.4版本中并不存在,表明这是新版本引入的问题。
问题复现
通过以下简单量子电路可以复现该问题:
from qiskit import generate_preset_pass_manager, QuantumCircuit
qc = QuantumCircuit(2)
qc.cz(0, 1)
qc.sx([0, 1])
qc.cz(0, 1)
for level in [1, 2, 3]:
pm = generate_preset_pass_manager(optimization_level=level, basis_gates=["rz", "rzz", "sx", "x", "rx"])
qc2 = pm.run(qc)
print(f'优化级别 {level} 的电路深度: {qc2.depth()}')
在1.2.4版本中,三个优化级别输出的电路深度相同;而在1.3.0rc1和main分支中,随着优化级别提高,电路深度反而增加。
技术分析
根据核心开发者的调查,这个问题很可能与PR #13141引入的改动有关。当用户仅使用basis_gates参数而不使用Target对象来指定后端约束时,UnitarySynthesis传递无法正确合成电路。
具体问题出现在优化级别3的处理流程中:
- 首先,
BasisTranslator将电路转换为目标基础门集 - 然后,优化阶段运行
ConsolidateBlocks传递,将整个2量子比特电路收集为单个酉矩阵 - 接着,
UnitarySynthesis传递本应处理这个酉矩阵,但实际上什么也没做 - 由于存在未处理的酉门,其他优化传递都无法对电路进行优化
- 最终,在优化循环中检测到基础门集外的门,再次运行基础门转换,导致输出电路未被优化
影响范围
这个问题会影响所有使用以下配置的用户:
- 使用Qiskit 1.3.0rc1或更新版本
- 通过
basis_gates参数而非Target对象指定基础门集 - 使用优化级别2或3进行电路编译
解决方案建议
目前建议的临时解决方案包括:
- 暂时回退到1.2.4版本
- 使用
Target对象而非basis_gates参数来指定后端约束 - 在1.3.0正式版发布前,关注该问题的修复进展
对于开发者而言,修复方向应关注UnitarySynthesis传递在仅使用basis_gates参数时的行为,确保其能正确处理电路合成任务。
总结
这个问题展示了量子电路编译流程中各个优化传递间复杂的相互作用。随着Qiskit功能的不断扩展,保持不同优化级别行为的一致性变得更具挑战性。用户在使用新版本时应注意测试关键电路的编译结果,特别是在升级后检查电路深度和门数量等关键指标。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868