MOSAIQC：用于可扩展近似噪声感知量子电路切割的混合拓扑感知优化

当前的量子计算机尚不具备满足大多数实际量子算法需求所需的量子比特资源。为了规避这一限制，人们探索了通过量子电路切割将算法分成若干部分的做法。许多此类工作要么表现出指数级扩展，要么远非最优解。在本文中，MOSAIQC 被提出作为一个新颖的框架，以改进现有的电路切割框架。使用混合热启动与细化优化来寻找切割解决方案，允许结合线切割和门切割。此外，MOSAIQC 支持混合大小的硬件分区。此外，细化阶段结合了一个快速的近似二次分配求解器，以更好地放置硬件分区，与基线算法相比，平均局部保真度提高了 $19.56 \% \pm 6.17\%$。在运行时间和采样开销成本方面，观察到 $2.88 \times$ 的改进和平均 $16.84\%$ 的切割减少（导致平均 $5.83 \cdot 10^{11} \times$ 的开销减少）。MOSAIQC 在运行速度和解决方案质量方面展示了优越的权衡，同时增加了大多数竞争对手所排除的基本功能。由此，MOSAIQC 证明了可扩展的启发式优化可以显著减少日益增大的量子电路的电路切割放置的计算开销。