RubriQ：面向约束感知量子电路合成的准则引导群组相对策略优化
量子物理
2026-07-08 v1
摘要
设计既算法正确又硬件兼容的容错量子电路，仍然是向可扩展量子计算过渡的主要瓶颈。我们引入了 RubriQ，这是一个可扩展的框架，将电路合成表述为大语言模型 (LLM) 代码生成任务，并通过群组相对策略优化 (GRPO) 进行优化。与传统的黑盒神经评论家不同，RubriQ 采用基于领域的程序化准则作为强化学习奖励函数，从 T 门减少、硬件拓扑合规性和酉保真度方面对电路进行评估。为了支持高吞吐量训练，RubriQ 将 GPU 加速的 CUDA-Q 仿真直接集成到强化学习 (RL) 循环中，并使用 DeepSpeed ZeRO2 部署在跨多节点 NVIDIA A100 集群的 NERSC Perlmutter 上。在基准任务上，RubriQ 实现了 3.31 倍的平均 T 门压缩，显著优于稀疏奖励强化学习基线 (2.05 倍)，收敛速度快 2-3 倍，并保持低于 1% 的硬件约束违规率。在 IBM 和 IonQ 量子处理器上得到验证，RubriQ 建立了一个自动化、高性能计算 (HPC) 驱动的流水线，用于大规模生成硬件就绪的容错量子电路。
引用
@article{arxiv.2607.07554,
title = {RubriQ: Rubric-Guided Group Relative Policy Optimization for Constraint-Aware Quantum Circuit Synthesis},
author = {Ziqing Guo and Ziwen Pan},
journal= {arXiv preprint arXiv:2607.07554},
year = {2026}
}