作者: Abolfazl Younesi, Nouhaila Innan, Alberto Marchisio, Muhammad Shafique

1. 核心物理图象

本论文的核心物理图象是：在量子计算进入“实用时代”的当下，真正能发挥近期量子硬件优势的算法（如VQE和QAOA）并非纯粹在量子处理器上运行，而是需要经典计算机与量子处理器之间进行紧密、迭代的“对话”循环。然而，现有的量子云服务通常采用批处理队列模式，这切断了这一循环，导致经典与量子之间产生巨大的等待延迟（即Time-to-Next-Shot, TTNS），严重拖慢算法收敛速度，并因量子硬件状态的“漂移”（drift）而降低计算精度。

为破解这一瓶颈，作者提出了EFaaS——一个智能的“调度中间层”系统。它不像传统模式那样将经典计算和量子计算视为两个独立的批处理任务，而是将它们绑定为相互关联、感知会话状态的“纠缠”事件，使得经典优化和量子执行不再是脱节的队列，而是一个连贯、高速联动的整体。本质上，它通过“缓存量子校准信息”和“投机性并行计算”等机制，让量子硬件在经典计算时不再傻等，而是保持“热”状态随时待命，从而大幅缩短延迟并抵抗硬件漂移带来的精度损失。简单说，就是为“经典-量子”这对搭档建立了一条信息高速通道。

2. 关键术语解释

• Time-to-Next-Shot (TTNS)：指的是从经典计算机算出新一组参数，到量子处理器实际开始执行相应量子线路所需的总时间。这是衡量混合算法循环效率的核心指标，论文的所有优化措施都是围绕降低TTNS展开的。TTNS越短，算法整体收敛越快，也越不容易遭遇量子硬件状态漂移的干扰。
• Session-Aware / Calibration Caching：这是一种新型调度策略。传统模式在每次量子任务完成后会释放量子硬件，导致下次任务开始时需重新校准。而EFaaS在会话期间会“记住”并缓存量子处理器的最新校准数据，只要下一次任务在数据过期前到达，就能跳过耗时的重新校准步骤，直接执行，从而避免“冷启动”并抵抗硬件漂移。这就像给频繁使用的工具时刻“暖着炉子”，随时可用。
• EF-QuantumFuture：这是一个编程“语法糖”（编程抽象）。它允许经典计算机在等待量子计算结果的这段时间里，不干等，而是先去执行一些不依赖该结果的其他准备工作（比如预编译下一个量子线路）。这巧妙地用并行计算掩盖了通信延迟，让整套系统运行更流畅。

3. 主要贡献

• 提出EFaaS系统架构：这是首个将经典参数优化与量子线路执行视为“纠缠”的会话感知事件，进行统一协同调度的无服务器中间件。它通过打破传统批处理队列的隔阂，从根本上解决了混合算法的高延迟瓶颈，具有高度新颖性。
• 设计校准感知的调度策略：首创性地将量子比特的物理“漂移时间”作为任务调度的核心约束。它动态地将新任务路由到校准数据仍“新鲜”的量子处理器上，而非简单选择空闲设备，从而在调度层面主动预防了由硬件漂移引起的计算精度下降。
• 提出EF-QuantumFuture编程原语：与现有SDK提供的只能异步获取结果的功能不同，该原语是首个能明确指导经典计算机在等待量子结果时，利用此时间段执行“结果无关”准备工作（如线路转译）的调度级工具，有效掩盖了计算延迟。

4. 研究方法

为实现目标，作者开发了一套综合性系统。首先，他们通过数学建模，将TTNS分解为网络、队列、校准和执行等组成部分，清楚定位到了队列延迟是主要瓶颈。接着，他们提出了校准感知放置策略，这是一个类似“粘性会话”的逻辑，但它判断“有效性”的依据不是软件缓存，而是量子比特物理退相干时间阈值（τ_drift）。在此基础上，他们设计了“双资源公平排队”（DRFQ）调度器，通过一个动态优先级分数，给予处于活跃迭代循环中的任务极高的优先级，确保它们能及时返回量子硬件执行，从而最大化量子处理器的“占空比”（QDC）。最后，他们通过“EF-QuantumFuture”实现了经典侧的投机性工作，进一步从时间轴上抹除了等待延迟。

5. 实验结果与结论

在包含31个不同复杂度基准电路的模拟实验中，EFaaS展现出显著优势，量化结果如下表所示：

性能指标	EFaaS (最优)	对比基线 (最差)	改进幅度
TTNS (平均)	3.6秒	54.5秒 (纯FaaS)	降低83.2% - 98.3%
量子占空比 (QDC)	23.4%	9.3% (标准批队列)	提升2.02 - 15.78个百分点
漂移惩罚事件数	~0 (几乎为零)	95次 (标准批队列)	几乎完全消除

这些结果表明，当前混合量子算法的效率瓶颈不再仅存在于量子硬件或算法本身，而更主要地存在于“调度架构”层面。EFaaS通过新颖的协同调度，证明了在不进行昂贵且浪费的硬件“静态预留”的前提下，也能同时实现低延迟和高精度。这为未来高效量子云平台的设计提供了全新思路。论文也指出其局限性，如模拟环境中的延迟模型可能与真实云平台有差异，未来工作将侧重于使用真实云平台的队列数据进行验证，并将该调度框架推广到更多类型的混合量子工作负载。

6. 论文标签

量子算法, 编译与优化, 模拟, 量子信息

📄 点击此处展开/折叠原文 PDF

原文链接： EFaaS: A Quantum-Classical Serverless Entangled Scheduler for Hybrid Variational Algorithms