Evaluation-efficient quantum architecture search with ZX-calculus-based topologi

约 2866 字大约 10 分钟

2026-09-26

作者: Chenlu Li, Hui Zeng, Dazhi Ding

1. 核心物理图象

• 任务: 用简略而科学的语言，说明本文章的核心物理图象是什么，做出了哪些贡献

• 目标: 让读者在不了解任何术语的情况下，就能对论文有一个直观的印象。

这篇论文的核心图象是：在含噪声的中等规模量子（NISQ）设备上，为变分量子算法自动设计电路结构（ansatz）时，不再对每个候选电路都从头训练和评估，而是利用量子电路之间的“拓扑相似性”来偷懒——如果两个电路虽然门序列不同、但简化后的拓扑结构很像，就直接复用已有评估结果，从而大幅节省计算成本。具体来说，作者做了三件事：一是用一种特殊的编码（三进制格雷码）把巨大的电路搜索空间压缩成按需解码的整数索引，避免内存爆炸；二是把每个候选电路转成 ZX 图并简化，提取其拓扑特征，根据特征距离判断是否“低新颖性”，若相似则以一定概率复用邻近电路的适应度；三是在噪声模型下预训练多个共享参数的“超级网络”专家，为候选电路提供好的初始化参数。最终在分子基态能量估计和横场 Ising 模型任务上，该方法在保持收敛精度的同时，将昂贵评估次数减少了 40% 以上。

2. 关键术语解释

• 任务: 从论文中挑选出 1-3 个最核心、最关键的新名词或术语。

• 格式: 对每个术语，用一两句话给出简洁明了的定义，并解释它在这篇论文中的作用。

术语 1：ZX-calculus 拓扑复用（ZX-calculus-based topological reuse）

定义：一种利用 ZX 图（一种用“蜘蛛”节点和边表示量子电路的图形语言）的简化规则，将候选量子电路转化为抽象图并提取结构特征，从而识别拓扑相似电路并复用其评估结果的技术。
作用：这是论文最核心的创新机制，用于在量子架构搜索的适应度评估阶段，避免对大量拓扑相似但编码不同的候选电路重复进行昂贵的训练和评估。

术语 2：三进制格雷码映射（Ternary Gray-code mapping）

定义：一种将多量子比特旋转门组合编码为三进制格雷码的隐式映射方法，保证相邻整数索引对应的旋转门配置只在一个量子比特上发生变化。
作用：用于构建搜索空间，既避免了显式存储整个笛卡尔积导致的内存溢出（OOM），又保证了进化算法中一次变异只引起局部量子门改变，维持了电路结构的局部连续性。

术语 3：噪声感知超级网络专家（Noise-aware supernet experts）

定义：在特定噪声模型下预训练的多个参数共享的量子神经网络参数池，每个专家维护一组独立参数。
作用：为搜索阶段采样的候选电路提供噪声鲁棒的初始化参数，减少随机初始化带来的不稳定性，并通过 ε-greedy 策略在训练中更新参数池。

3. 主要贡献 (Key Contributions)

• 任务: 清晰地列出论文的 2-4 个关键创新点或发现。

• 要求: 每个贡献点都应突出其“新颖性”或“优越性”。

提出基于三进制格雷码的隐式搜索空间映射机制：不同于传统显式枚举所有门组合的方式，该方法按需解码旋转门和 CNOT 结构，将内存占用与搜索空间总大小解耦。在 14 量子比特时，显式存储需约 367 GB，而本方法内存节省比超过 10^8 量级，同时保证了相邻编码变化仅对应单个局部量子门改变，维持了进化搜索的结构局部性。
首次将 ZX-calculus 作为结构先验用于量子架构搜索的评估预算管理：不同于以往仅用 ZX-calculus 做电路简化或变异操作，本文将其提取的拓扑特征（蜘蛛数、纠缠边分布等）用于定义候选电路间的结构相似度，并据此概率性复用已评估结果。在 H4 和 LiH 任务中，ZX 相似性复用率分别达到 48.25% 和 47.50%，而精确架构缓存命中率仅约 1%，表明该机制在大搜索空间中具有不可替代的节省评估成本的作用。
构建了噪声感知的量子架构搜索框架（ZX-QAS），实现了成本-精度权衡：在分子基态能量估计（H2、H4、LiH）和 1D 横场 Ising 模型任务中，ZX-QAS 在含噪条件下保持稳定收敛，总评估成本节省超过 40%，且候选电路误差分布更集中、高误差离群点更少。这表明 ZX 拓扑复用不仅减少了评估次数，还引导搜索朝向更稳定的拓扑区域。
通过消融实验验证了格雷码映射的独立贡献：标准三进制编码下仅约 66.68% 的相邻变化对应单门改变，而格雷码映射下 100% 的相邻变化对应单门改变，这直接证明了该编码对维持电路局部连续性的有效性。

4. 研究方法 (Methodology)

• 任务: 简要描述作者是如何实现其目标的。

• 要求: 提及使用了什么关键理论、模型或算法，并与前面的“关键术语解释”相呼应。

作者的方法分为三个主要部分：

（1）搜索空间设计——三进制格雷码隐式映射：旋转门子空间为 {Rx, Ry, Rz}^n，大小为 3^n；纠缠门子空间每层至多一个 CNOT，大小为 1 + n(n-1)/2。整个搜索空间不显式存储，而是用整数 u 编码，通过公式 RotIdx(u) = floor(u / |CNOTspace|) 和 CNOTIdx(u) = u mod |CNOTspace| 按需解码。旋转门部分用三进制格雷码 G3(n) 编码，保证相邻索引的汉明距离为 1（即只改变一个量子比特的旋转轴）。

（2）噪声感知量子神经网络——超级网络预训练：采用单路径一次（SPOS）策略，构建 K 个参数共享的超级网络专家，在包含比特翻转、去极化（单比特 p1=0.001，双比特 p2=0.004）、热弛豫（T1=100,000 ns, T2=50,000 ns）的噪声模型下预训练。训练时用 ε-greedy 策略选择表现最好的专家进行梯度更新，预训练参数作为后续进化搜索的初始参数。

（3）ZX-calculus 拓扑复用驱动的进化搜索：使用 NSGA-II 进行变深度进化搜索。每个候选电路先被解析为 ZX 图并简化，提取结构签名和相似性特征向量（包括电路深度、ZX 简化后蜘蛛数、CNOT 数、旋转门分布、纠缠边分布等）。若精确编码已出现，直接复用缓存；若 ZX 简化签名匹配，也复用缓存；否则计算与最近邻已评估电路的结构距离 D(s(Ai), s(Aj*))，若小于阈值 τ 且触发软复用，则按概率 p_real(t) = max(p_min, 1 - t/T) 决定是否真实评估，复用时的适应度附加冗余惩罚项 R_i(t)。真实评估时，从超级网络专家池中选择最低能量参数作为初始点，用 L-BFGS-B 微调，适应度函数为 F_eval = -[ΔE_i + αC_ZX(A_i) + βL(A_i)]。

5. 实验结果与结论 (Results and Conclusion)

• 任务: 总结论文的关键结论，以及这些结论对领域意味着什么。

• 要求: 明确指出论文留下了哪些开放性问题或对未来研究有何启示。

关键结论：

收敛性能：在 H2、LiH、H4 分子基态能量估计和 1D TFIM 任务中，ZX-QAS 在含噪条件下均能稳定收敛。对 H2 和 LiH，ZX-QAS 的最终误差与基线 NA-QAS 相当甚至更低；对 H4，含噪下误差略高（0.082 vs 0.078 hartree），但无噪下更优；对 TFIM，含噪下 ZX-QAS 最终误差约 0.54，优于 NA-QAS 的约 0.65。
评估成本节省：在 400 次进化采样中，H2 的精确缓存命中率 11%、ZX 相似性复用率 40%（总复用 51%）；H4 分别为 1.25% 和 48.25%；LiH 分别为 1.75% 和 47.50%；TFIM 分别为 1.5% 和 45.75%。这表明在大搜索空间中，ZX 相似性复用是评估成本节省的主要来源。
拓扑特征与性能的相关性：ZX 简化后的蜘蛛数与能量误差无单调关系，但 ZX-QAS 的候选电路误差分布更集中于低误差区域，高误差离群点更少，说明 ZX 拓扑特征可作为结构先验引导搜索。
格雷码的局部性优势：三进制格雷码下 100% 的相邻编码变化对应单个旋转门改变，而标准三进制编码仅约 66.68%，证明该编码有效维持了电路局部连续性。

对领域的意义： 本工作表明，ZX-calculus 不仅可以用于电路简化或变异，还可以作为量子架构搜索中评估预算管理的结构先验，为 NISQ 设备上的低成本、噪声感知 ansatz 设计提供了一条可行路径。

开放性问题与未来启示：

拓扑复用机制会引入近似误差，相似性阈值 τ、复用惩罚系数 γ_max、最小真实评估概率 p_min 需根据任务规模调整，如何自适应设置这些超参数是未来方向。
当前使用的 ZX 结构距离是启发式的，未来可引入基于学习的更精细的 ZX 结构距离。
该方法在更大规模量子系统和更复杂噪声模型下的可扩展性仍需进一步验证。
如何将 ZX 拓扑复用与其他评估加速策略（如训练-free 代理、图神经网络预测器）结合，值得探索。

6. 论文标签 (Tags)

• 任务: 从下面的预定义列表中，选择 3-5 个最相关的标签。

• 格式: 以逗号分隔，例如：量子算法, 量子纠错, 物理硬件

• 预定义列表: 量子算法, 量子纠错, 物理硬件, 中性原子, 里德堡原子, 量子信息, 量子复杂性, 模拟, 编译与优化, 量子机器学习

量子算法, 编译与优化, 量子机器学习, 模拟, 量子信息

📄 点击此处展开/折叠原文 PDF

原文链接： Evaluation-efficient quantum architecture search with ZX-calculus-based topological reuse