量子物理
[提交于 2025年8月25日
]
标题: 寻找轨迹覆盖:图态的近似最优分解作为线性融合网络
标题: Finding trail covers: near-optimal decompositions of graph states as linear fusion networks
摘要: 量子编译需要开发新的算法,以优化在物理硬件上实现量子计算的成本。 通常这会引发在经典计算中渐近困难的问题,而启发式方法和对已知问题的归约在实践中非常有用。 在本文中,我们研究了三个图论问题,这些可以看作是欧拉路径和哈密顿路径问题的推广。 这些问题是光子测量基础量子计算实现中的产物,在这种实现中,图态是通过融合有限长度的线性资源态构建的。 由于融合操作成功的概率小于1,我们希望最小化构建特定图态所需的融合次数,这相当于找到图的最小路径或轨迹覆盖。 我们证明了这些覆盖问题在大多数情况下是NP难的,并给出了用于在图中寻找轨迹覆盖的启发式算法,包括对旅行商问题的归约。 我们提出了新的图态重写策略,以减少构建给定图所需的融合次数。 最后,我们将这些算法应用于光子融合网络的编译,并提供了一系列基准测试,展示了我们的算法在常见纠错码和QASMBench集中的电路上的性能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.