自动发现以激发泡沫图态生成器用于基于融合的光子量子计算

设计能够以高保真度和高成功概率准备图态的光子电路，是线性光子量子计算中的核心挑战。现有方法依赖手工设计或融合基assembly。在缺乏多路复用/提升技术的情况下，后选球形电路和顺序融合均表现出指数级衰减的单次产率——这一根本性限制使得优化单个资源态生成器尤为重要，因为它们是更大规模FBQC架构中的构建模块。我们提出了一种通用的数据驱动优化框架，用于自动光子电路发现，采用新型多项式仿真方法，实现高效强仿真和梯度优化。该框架采用两阶段优化程序：第一阶段识别一种单位变换，以完美保真度和最大成功概率准备目标态；第二阶段实现一种新型稀疏化算法，将该解简化为具有最小光束分离器数量的紧凑型光子电路，同时保持性能。该稀疏化过程常常揭示底层数学结构，产生高度简化的电路，具有有理反射系数。我们通过在多个等价类中发现优化后的$3$、$4$和$5$比特图态电路来展示我们的方法。对于4比特态，我们的电路实现$2.053 \times 10^{-3}$到$7.813 \times 10^{-3}$的成功概率，相较于融合基准提高了最高可达$4.7 \times$。对于5比特态，我们实现$5.926 \times 10^{-5}$到$1.157 \times 10^{-3}$的成功概率，提升幅度达到$7.5 \times$。这些结果包括某些5比特图态的首个已知态准备电路。