Qiskit 1.3.0版本中电路优化级别异常问题分析
2025-06-05 16:27:47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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781