作者: Sumeet Shirgure, Efekan K"okc"u, Anupam Mitra, Wibe Albert de Jong, Costin Iancu, Siyuan Niu

1. 核心物理图象

• 这篇论文的核心物理图象是：当量子电路在运行中途进行测量并根据测量结果实时决定后续操作时，电路的实际结构不再是固定的，而是像一棵不断分叉的树，每条分支对应一组可能的测量结果。 传统基准测试工具只把这棵树当作一条笔直的路来分析和打分，因此严重低估了这种“动态电路”的真实复杂度和硬件噪声。作者提出了一套名为 dynamarq 的框架，首次专门为这种“会分叉”的电路设计了一套可扩展的基准测试、特征提取和保真度预测方法。他们收集了涵盖量子态制备、量子门、量子算法和量子纠错的动态电路基准，定义了一系列能够捕捉“测量—反馈”依赖关系的电路特征，并在 IBM 超导量子计算机和 Quantinuum 离子阱模拟器上运行，用统计模型成功地从电路特征预测了硬件执行保真度，预测能力比现有方法高出最多 53.4%。

2. 关键术语解释

• 动态电路：允许在电路中间进行测量（mid-circuit measurement, MCM），并根据测量结果实时决定后续是否施加某些量子门（feed-forward）。它是量子纠错和许多量子算法的核心组件。在这篇论文中，动态电路是基准测试的对象，其“非确定性分支结构”是传统工具无法处理的关键难点。 • 前馈关联：指中间测量结果与后续分支电路中的门操作之间形成的关联。例如，若测量结果为 1 才对另一个量子比特施加 X 门，那么这个 X 门就与测量量子比特产生了关联。论文引入这一特征来量化动态电路中“经典信息反馈”对纠缠和保真度的影响。 • 动态深度比：衡量中间测量和反馈操作在电路总深度中所占比例的特征。由于这些操作通常比普通量子门慢得多且噪声更大，该特征能有效反映动态操作对硬件执行质量的拖累程度。

3. 主要贡献 (Key Contributions)

• 首个面向动态电路的应用级基准测试框架：现有基准测试（如 SupermarQ）均为静态酉电路设计，无法处理动态电路的分支结构、测量噪声和前馈依赖。dynamarq 填补了这一空白，提供了可参数化、可扩展的电路生成器，覆盖 GHZ 态制备、长程 CNOT、QFT、迭代相位估计和多种量子纠错码等应用。 • 专为动态电路设计的电路特征集：论文提出了一套包含未归一化和归一化特征的完整体系，特别引入了“前馈关联”“动态深度比”“系统量子比特比”等新特征，能够捕捉测量、反馈和分支概率对电路结构的真实影响。统计建模表明，这些特征与硬件保真度的相关性远高于传统酉电路特征。 • 高精度且可迁移的保真度预测模型：作者用线性回归模型从电路特征预测硬件执行保真度，在 IBM 超导硬件上达到 R² = 0.89（比 SupermarQ 提升 53.4%），在 Quantinuum 离子阱模拟器上达到 R² = 0.95（是 SupermarQ 的 2.8 倍）。模型参数还能在不同 IBM 后端和不同校准周期之间迁移，R² 保持在 0.71–0.81。 • 开源且可扩展的工具链：dynamarq 已作为 PyPI 包开源，提供 Qiskit 和 Guppy 两种电路生成接口，用户可集成自己的动态电路应用，进行特征分析和保真度预测，为动态电路编译器和硬件选择提供依据。

4. 研究方法 (Methodology)

• 作者首先从文献中收集了多种动态电路应用，将其实现为参数化电路生成器，覆盖态制备（GHZ、矩阵乘积态）、Clifford 门（长程 CNOT、CNOT 阶梯、Fanout）、量子算法（QFT、迭代相位估计、TFIM 模拟）和量子纠错（重复码、五量子比特码、Steane 码）。 • 针对动态电路的非确定性，作者提出用“期望值”来定义电路特征（如期望深度、期望门数），并引入“前馈关联”来量化分支电路与测量量子比特之间的依赖。对于分支概率，大多数基准假设均匀分布，量子纠错码则根据硬件噪声模型进行专门估计。 • 作者在 IBM Kingston、IBM Pittsburgh 和 Quantinuum Helios-1E 模拟器上以 4096 次采样运行所有电路，并计算每个应用的归一化保真度分数（如 Hellinger 保真度、直接保真度估计、逻辑错误率等）。 • 最后，作者用正则化线性回归对电路特征与保真度分数进行统计建模，评估特征与保真度的相关性（R²）、对未见电路的预测能力，以及模型参数在不同硬件和校准周期之间的可迁移性。他们还进行了特征覆盖分析和敏感性分析，验证模型对分支概率偏差的鲁棒性。

5. 实验结果与结论 (Results and Conclusion)

• 论文的关键结论是：动态电路的执行保真度可以被其结构特征高度准确地预测，而传统为酉电路设计的特征无法捕捉动态电路的核心噪声来源。 在 IBM Pittsburgh 上，使用全部 dynamarq 特征时 R² = 0.89，仅使用未归一化特征时 R² = 0.70，而使用 SupermarQ 特征时 R² 仅 0.58。在 Quantinuum Helios-1E 上，dynamarq 达到 R² = 0.95，远超 SupermarQ 的 0.34。 • 对 IBM 超导硬件，与保真度最相关的特征是量子比特数、动态深度比和活跃度；对 Quantinuum 离子阱，最相关的是电路深度、操作数和量子-经典通信。模型在 80/20 训练测试划分下对未见电路的平均预测 R² ≥ 0.72，且参数可在 IBM Kingston 与 Pittsburgh 之间迁移（R² ≈ 0.72–0.81），也可跨校准周期迁移（R² ≈ 0.71）。 • 这些结果意味着：动态电路的基准测试和保真度预测可以不再依赖昂贵的逐电路硬件执行，而是通过电路特征和统计模型快速估计。这为动态电路编译器的自动优化、硬件选择和资源节省提供了实用工具。 • 论文留下的开放性问题包括：如何将框架扩展到更复杂的量子纠错码（如表面码、qLDPC 码）和容错协议（如 repeat-until-success、魔态蒸馏、态注入）；如何更精确地建模前馈关联中的多量子比特门；以及如何在更多不同架构的量子硬件上验证模型参数的可迁移性。

6. 论文标签 (Tags)

量子算法, 量子纠错, 编译与优化, 量子信息, 物理硬件

📄 点击此处展开/折叠原文 PDF

原文链接： Scalable Benchmarking Framework for Dynamic Quantum Circuits