基于稀疏字典学习的能效量子指令集架构

量子计算在支持复杂算法方面的可扩展性，不仅取决于量子比特的质量和错误处理，还取决于受制于低温控制带宽和能量预算的经典控制效率。本文通过研究量子电路在指令集架构（ISA）层面的算法复杂度，来解决这一挑战。我们引入一种能效量子指令集架构（EQISA），该架构在固定深度的离散 Solovay-Kitaev 基中合成量子电路，并通过分解一组 Haar 随机单位算子学习的稀疏字典对指令流进行编码，随后采用熵最优的 Huffman 编码和额外的无损 bzip2 压缩阶段。该方法在基准量子电路上进行评估，显示在不同系统规模下可实现对量子指令流的60%以上压缩，从而在不损失计算保真度的前提下，按比例降低经典控制能耗和通信开销。除压缩之外，EQISA 还促进了量子电路中更高层次可组合抽象的发现，并提供了量子算法复杂度的估计。这些发现将 EQISA 定位为提高量子控制架构能效和可扩展性的有利方向。