DynQ: 一种基于质量加权社区检测的动态拓扑无关量子虚拟机

量子云平台扩展了硬件容量，但并未提升向用户暴露的抽象层：小程序仍然独占整个处理器，而现有的量子虚拟机（QVM）设计通常依赖于固定的、特定拓扑的分区，这些分区在校准漂移、空间异质性和瞬态缺陷下非常脆弱。我们提出DynQ，一种动态的、拓扑无关的QVM，它直接从实时校准数据中推导出执行区域。DynQ将处理器建模为一个质量加权的耦合图，并将区域发现形式化为社区检测，将高内聚和低耦合转化为量子虚拟化的硬件感知目标。这产生了对编译友好、质量感知且对退化的耦合器和不可用的量子比特具有鲁棒性的区域。DynQ将离线区域发现与在线分配分离，从而能够在预验证区域上进行低延迟调度，同时允许在硬件条件变化时重新计算。在五个IBM后端、IBM Kingston和Torino上的真实设备实验，以及通过AWS Braket在Rigetti Ankaa-3上的跨架构评估中，DynQ提高了执行质量，恢复了在瞬态缺陷下丢失的工作负载，并在并发批处理下保持了稳定的输出。在异构硬件上，它将L1误差降低了高达45.1%，并将输出相似性提高了高达19.1%，同时消除了在真实设备上观察到的基线故障。这些结果将量子虚拟化定位为一个图驱动的系统问题，并表明自适应的、质量感知的QVM能够实现可靠的多租户量子云服务。