利用AI设计更好的量子电路

# 用AI设计更好的量子电路 来源：https://www.uibk.ac.at/en/newsroom/2026/designing-better-quantum-circuits-with-ai/ 插图：平行线上带有彩色点https://www.uibk.ac.at/en/newsroom/2026/designing-better-quantum-circuits-with-ai/#uibk-copyright-0一种新方法可自动设计高效的量子电路。 ## 用AI设计更好的量子电路 2026年5月14日 来自理论物理学家Hans Briegel小组的研究人员与NVIDIA合作，开发了一种AI方法，可自动生成高效的量子电路，这解决了现有量子计算机实际应用中的一个关键瓶颈。 在量子计算机执行任何有用任务之前，需要将量子算法翻译为一系列基本量子操作，即量子门。高效编写这些量子电路是该领域最难解决的开放问题之一。两年前，理论物理系Gorka Muñoz-Gil领导的研究团队揭示了一种新方法，通过机器学习生成模型为给定量子计算机找到执行量子操作的合适量子门序列，从而准备量子操作。 如今，因斯布鲁克的研究人员与NVIDIA及NVIDIA CUDA-Q量子-经典超算平台合作，改进了该模型，使其能够生成高效的量子电路。该方法的关键创新在于同时处理电路的结构选择（使用哪些门）及其数值参数。生成的电路比竞争方法产出的电路显著更短，这对于当今存在噪声的量子硬件至关重要，因为每增加一个门都会引入误差。该方法能力的一个惊人展示是：AI独立重新发现了量子傅里叶变换的教材级电路——这是许多量子算法的基本构建模块——而无需被告知解决方案应是什么样。这显示了AI在量子计算全栈中的广阔应用前景。 该工作近日发表于*Machine Learning: Science and Technology*，由奥地利科学基金FWF和欧洲研究理事会提供资金支持。 如果您想了解更多，请查看CUDA-Q教程(https://nvidia.github.io/cuda-quantum/latest/applications/python/unitary_compilation_diffusion_models.html)。 **发表信息：** Synthesis of discrete–continuous quantum circuits with multimodal diffusion models. Florian Fürrutter, Zohim Chandani, Ikko Hamamura, Hans J Briegel, and Gorka Muñoz-Gil. *Mach. Learn.: Sci. Technol.* 7 025065 DOI:10.1088/2632-2153/ae5b21 (https://doi.org/10.1088/2632-2153/ae5b21)