基于加权超图的数量化电路分割方法：面向噪声韧性计算

有效的电路分割对噪声中间规模量子计算机（NISQ）至关重要，而这些设备受限于高错误率和有限的量子比特连通性。标准的分割启发式方法常常忽略门特定别的错误影响，导致分割次优，产生显著的通信开销并降低保真度。本文引入 Fidelipart，一种将量子电路转化为保真度感知超图的新框架。在该模型中，门错误率和结构依赖关系决定节点（门）和超边（代表多量子比特相互作用和量子比特时间线）的权重，引导 Mt-KaHyPar 分割器通过错误易受影响的运算减少切割。我们在 6 比特/22 门、10 比特/55 门和 24 比特/88 门基准测试中评估了 Fidelipart，基准测试在线性拓扑下进行，采用一致的本地连续重新映射策略。结果表明 Fidelipart 性能卓越。它实现了从 77.3% 到 100% 的 SWAP 门减少，切割量子比特降低最高可达 52.2%。这些物理改进直接转化为估计保真度提升，范围从 27.3% 到超过 250%。尽管 Fidelipart 运行时间仅增加 8-13%，且在最大分割深度上效果呈不均，然而其在提高电路保真度方面的显著增强凸显了在更可靠的 NISQ 计算中将详细错误感知整合到分割过程中的重要价值。