Qiskit量子计算框架中优化级别导致的电路深度异常问题分析
2025-06-05 07:37:10作者:鲍丁臣Ursa
问题背景
在Qiskit 1.3.0rc1版本和主分支中,用户发现了一个关于量子电路优化的异常现象。当使用优化级别2和3进行电路转换时,生成的电路深度反而比优化级别1更深,这与Qiskit 1.2.4版本的行为不一致。
问题现象
通过一个简单的两量子比特电路测试,可以清晰地观察到这一现象:
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Qiskit 1.2.4中,三个优化级别输出的电路深度相同;而在1.3.0rc1和主分支中,优化级别越高,电路深度反而越大。
技术分析
这个问题源于Qiskit 1.3.0rc1中引入的UnitarySynthesis(酉合成)传递机制的改变。具体来说:
- 传递流程差异:在优化级别3的处理流程中,电路首先被转换为一个大的酉矩阵表示
- 合成失败:当仅使用basis_gates参数而未指定Target约束时,UnitarySynthesis传递无法正确合成电路
- 优化受阻:由于电路被表示为单个酉门,后续优化传递无法对其进行有效优化
根本原因
问题的核心在于:
- 新版本中优化级别2和3会尝试将电路块合并为酉矩阵进行全局优化
- 但在仅指定basis_gates的情况下,酉合成传递无法正确处理这种表示
- 导致电路保持为大型酉门形式,无法被后续优化传递分解和简化
解决方案建议
针对这一问题,开发者可以考虑以下解决方案:
- 临时解决方案:在使用高级优化时,建议提供完整的Target约束而不仅仅是basis_gates
- 长期修复:需要修正UnitarySynthesis传递在仅有basis_gates情况下的处理逻辑
- 版本兼容性:在修复前,对于简单电路,可以考虑暂时使用优化级别1
对用户的影响
这一问题主要影响以下场景:
- 使用高级优化级别(2或3)进行电路转换
- 仅通过basis_gates参数指定基础门集
- 期望获得比低优化级别更优的电路深度
结论
Qiskit 1.3.0rc1中引入的优化流程变化导致了在某些情况下高级优化级别反而产生更深电路的问题。开发团队已经识别到这一问题,并正在寻找解决方案。在此期间,用户可以暂时使用优化级别1,或者提供更完整的硬件约束信息来规避此问题。
这个问题也提醒我们,在量子电路优化中,全局优化策略需要与底层门集约束紧密结合,才能产生预期的优化效果。随着Qiskit的持续发展,这类优化流程的稳定性将得到进一步改善。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253