Near-Optimal Quantum Time Evolution Circuits via Provably Convergent Compression
ETH Zurich（苏黎世联邦理工学院）；Technical University of Munich（慕尼黑工业大学）；Munich Center for Quantum Science and Technology (MCQST)（慕尼黑量子科学与技术中心）；Yale University（耶鲁大学）
本文提出了一种选择变分优化初始点的配方，保证收敛到具有近最优门复杂度的量子电路，适用于所有局部和翻译不变的哈密顿量，并通过在Kagome晶格上编码Heisenberg反铁磁体的全局受控时间演化来展示方法。
2026-05-16 quant-ph
MPM-QIR: Measurement-Probability Matching for Quantum Image Representation and Compression via Variational Quantum Circuit
Chung Yuan Christian University（中原大学）；National Tsing Hua University（国立清华大学）；National Center for High-performance Computing, National Institutes of Applied Research（国家应用研究研究院高性能计算中心）
MPM-QIR通过变分量子电路实现量子图像压缩与表示，以更高效参数压缩比达到更高重建质量。
2026-01-07 quant-ph
On the role of entanglement in qudit-based circuit compression
本文研究利用高维量子系统（qudit）编码压缩多量子比特电路，通过替代纠缠门降低复杂度，并给出光子和离子阱实验方案，展示显著性能提升。
2023-10-11 quant-ph
Quantum circuit compression using qubit logic on qudits
提出QLOQ压缩方案，将量子比特分组映射到qudit，显著减少纠缠门数，在VQE和幺正分解中实现大幅加速，并打破CNOT成本下界。
2024-11-06 quant-ph
Circuit compression for 2D quantum dynamics
本文提出了一种利用泡利传播技术压缩二维量子系统动力学电路的方法，实现了比标准Trotter方法高多个数量级的精度，为实现量子优势提供了新的途径。
2025-11-21 quant-ph
Improved Wavelets for Image Compression from Unitary Circuits
我们基准的几个新的正交，对称，膨胀3小波，来自一个单一的电路为基础的建设，对图像压缩的功效。这些小波的性能进行了比较，在几个照片数据库对CDF-9/7小波的非零小波系数的最小数目，需要获得指定的图像质量，测量的多尺度结构相似性指数（MS-SSIM）。新的小波被发现始终提供更好的压缩效率比CDF-9/7小波在广泛的图像分辨率和质量要求，平均7 - 8%的高分辨率照片图像时，需要高质量（MS-SSIM = 0.99）的压缩效率提高。
2022-03-04 eess.IV quant-ph
SQD-Enabled Circuit Compression for Resource-Efficient Quantum Chemistry
The Chinese University of Hong Kong（香港中文大学）；Rutgers University（罗格斯大学）；Eigen AI
研究利用子空间量子对角化的鲁棒性特性，通过基于梯度的算子剪枝和克利福德舍入两种互补技术压缩电路，应用于VQE假设。对21个分子消融研究及6个分子硬件验证表明，能在保证精度下大幅压缩电路、提升模拟速度。
2026-08-18 quant-ph
QuYBE -- An Algebraic Compiler for Quantum Circuit Compression
QuYBE是一个用于压缩量子线路的开源代数编译器。它已被应用于量子计算机上的海森堡哈密顿量的有效模拟。目前，它可以模拟一维链的时间动力学。它包括用于产生上述的量子线路以及产生压缩电路的模块，其与时间步长无关。它利用杨-巴克斯特方程（YBE）进行压缩。QuYBE使用户能够在量子计算机上无缝设计，执行和分析海森堡哈密顿量的时间动力学。QuYBE是将YBE技术提供给来自多个领域的更广泛的科学家社区的第一步。QuYBE编译器可从https://github.com/ZichangHe/QuYBE获得
2022-12-13 math-ph math.MP quant-ph
Amplitude-Aware Lossy Compression for Quantum Circuit Simulation
量子线路的经典模拟对于评估和验证新量子算法的设计至关重要。然而，量子态振幅的数量随着量子比特的数量呈指数增长，导致模拟的存储器需求呈指数增长。在本文中，我们提出了一种新的数据减少技术，以减少量子线路模拟的内存需求。我们将我们的幅度感知有损压缩技术应用于量子态幅度向量，以计算时间和保真度换取存储空间。实验结果表明，我们的模拟器只需要1/16的原始存储需求，以99.95%的保真度模拟量子傅里叶变换电路。内存需求的减少表明，与没有我们的技术的模拟相比，我们可以在量子线路模拟中增加4个量子比特。此外，对于一些特定的电路，比如Grover的搜索，我们可以将模拟大小增加18个量子位。
2018-11-15 cs.ET quant-ph
An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation
量子计算是一种很有前途的技术，它利用量子力学的特性为一些在经典计算机上难以解决的问题提供计算加速。当前一代有噪中间尺度量子（NISQ）计算机在芯片尺寸和差错率方面受到严重限制。具有简单拓扑结构的浅量子电路是NISQ时代成功应用的关键。基于矩阵分析，我们推导出局域电路变换，以有效地压缩量子电路模拟某些自旋哈密顿称为自由费米子。压缩电路的深度与模拟时间无关，并随自旋数线性增长。所提出的数值电路压缩算法的行为向后稳定和规模立方的自旋数，使电路综合超过$\mathcal{O}(10^3)$自旋。由此产生的量子电路具有简单的最近邻拓扑结构，这使得它们非常适合NISQ设备。
2021-08-17 cs.NA math.NA quant-ph
Quantum time dynamics of 1D-Heisenberg models employing the Yang-Baxter equation for circuit compression
量子时间动力学（QTD）被认为是在近期量子计算机上实现量子霸权的一个有前途的问题。然而，QTD量子线路随着模拟时间的增加而增长。本研究的重点是模拟具有最近邻相互作用的一维可积自旋链的时间动力学。我们展示了如何利用量子杨-巴克斯特方程来压缩和产生浅量子线路。利用这种压缩方案，量子线路的深度变得与步长无关，并且仅取决于自旋的数量。我们发现，压缩电路的规模与系统大小的二次方，这使得非常大的1-D自旋链的时间动力学的模拟。我们推导出了海森堡哈密顿量的不同特殊情况下的压缩电路表示。我们通过在量子计算机上进行模拟来比较和证明这种方法的有效性。
2021-12-03 cond-mat.str-el physics.chem-ph quant-ph
Efficient Quantum Circuit Compilation for Near-Term Quantum Advantage
针对含噪量子硬件上深线路易受退相干影响的问题，提出将量子线路编译为砖墙结构的近似编译方法，可在保留核心动力学的同时大幅降低线路深度，经模拟与IBM平台实验验证具备高压缩率与可扩展性。
2025-06-12 quant-ph
Memory-Efficient Quantum Circuit Simulation by Using Lossy Data Compression
为了评估、验证和改进新量子算法或量子计算机的设计，研究人员和开发人员需要评估其正确性和保真度的方法。这需要量子线路模拟的能力。然而，量子态振幅的数量随着量子比特的数量呈指数增长，导致模拟的存储器需求呈指数增长。在这项工作中，我们提出了我们的内存效率的量子线路模拟使用有损数据压缩。我们的经验数据表明，我们减少了内存需求的16.5%和2.24E-06的原始要求QFT和Grover的搜索，分别。这一发现进一步表明，我们可以用0.8 PB的内存模拟高达63个量子位的深量子线路。
2018-11-15 cs.CC cs.ET quant-ph
Lossy Compression for Schrödinger-style Quantum Simulations
本文针对 Schrödinger 式量子模拟的状态振幅存储瓶颈，引入标量与向量量化进行有损压缩，并在 Quantum Fourier Transform 上验证可在低比特存储下保持较高保真度。
2024-03-02 quant-ph
Efficient quantum image representation and compression circuit using zero-discarded state preparation approach
Charles Sturt University（查尔斯特大学）
本文提出ZSCNEQR量子图像表示与压缩方法，通过丢弃位置信息中的零来简化电路，减少11.76%量子比特，提升率失真性能。
2023-06-22 cs.CV quant-ph
Completing or Refusing Low-Dimensional Records of Structured Quantum Circuits: Measurement Loss, Compression Loss, and Hardware Drift
Texas State University（德克萨斯州立大学）；SDT Inc.（SDT公司）
该研究针对结构化量子电路低维记录的损失问题，提出补全或弃权方法，结合量子费舍尔信息等理论，通过IBM和IQM设备实验验证了方法可有效检测电路损失，减少校准 shots。
2026-09-15 quant-ph
Algebraic Compression of Quantum Circuits for Hamiltonian Evolution
含时哈密顿量下的幺正演化是量子硬件模拟的关键组成部分。合成相应的量子线路通常是通过将演化分解为小的时间步长来完成的，也称为Trotterization，这导致电路的深度与步长的数量成比例。当电路元件被限制在SU（4）的子集时--或者等价地，当哈密顿量可以映射到自由费米子模型上时--存在几个恒等式来组合和简化电路。在此基础上，我们提出了一种算法，压缩到一个单一的块的量子门的特罗特步骤。这导致在一个固定的深度时间演化的某些类的哈密顿。我们明确地展示了这种算法如何适用于几种自旋模型，并展示了它的使用绝热态制备的横向场伊辛模型。
2021-08-20 cs.NA math.NA quant-ph
Low Rank Density Matrix Evolution for Noisy Quantum Circuits
在这项工作中，我们提出了一个有效的秩压缩方法的经典模拟的Kraus消相干信道的噪声量子线路。该近似是通过迭代压缩的密度矩阵的基础上，其领先的本征基在每个模拟步骤，而不需要存储，操作，或对角化的完整矩阵。我们在内部模拟器中实现了该算法，并表明低秩算法比现有的满秩模拟器的实现加快了两个数量级以上的模拟，并且在目标噪声和最终可观测量中的误差可以忽略不计。最后，我们证明了低秩方法的实用性，适用于代表性的问题的利益，通过使用该算法来加速嘈杂的模拟格罗弗的搜索算法和量子化学求解器。
2020-09-14 quant-ph
Optimal compression of quantum many-body time evolution operators into brickwall circuits
针对近期量子硬件电路深度受限问题，本文将 S=1/2 量子 Heisenberg 模型的时间演化算子编译为一维最优砖墙电路，在固定门数下取得优于 Trotter 分解的保真度并避免 SWAP 门。
2022-10-28 cond-mat.str-el quant-ph
Quantum compression with classically simulatable circuits
University of Toronto（多伦多大学）；Vector Institute for Artificial Intelligence（矢量人工智能研究院）；Canadian Institute for Advanced Research（加拿大高等研究院）
随着我们不断发现当前可用的噪声设备比经典设备具有优势的应用，量子资源的有效利用是非常可取的。量子自动编码器的概念是作为一种用于压缩量子信息以减少资源需求的方式提出的。在这里，我们提出了一种策略来设计量子自动编码器，使用进化算法将量子信息转换为低维表示。我们成功地展示了该算法在压缩不同族量子态中的初步应用。特别是，我们指出，在算法中使用一个限制性的门设置允许生成的电路的有效模拟。这种方法打开了使用经典逻辑来找到量子数据的低表示的可能性，使用更少的计算资源。
2022-07-06 cs.LG cs.NE quant-ph
Efficient circuit compression by multiqudit entangling gates in linear optical quantum computation
Indian Institute of Technology, Mandi（印度技术学院曼迪分校）
本文提出利用多量子比特纠缠门实现高效电路压缩，通过两种方案减少非本地门数量并提高成功率，提升线性光学量子计算的可扩展性。
2026-07-31 quant-ph
A matching decomposition algorithm for simulating quantum walk Hamiltonians
University of Tennessee（田纳西大学）；Argonne National Laboratory（阿贡国家实验室）；Cairo University（开罗大学）；University of Tennessee Chattanooga（田纳西大学查塔努加分校）
提出匹配分解算法，通过将连续时间量子行走哈密顿量分解为匹配对应的可精确实现哈密顿量，并采用图压缩技术，实现比泡利分解更高效的量子电路，减少最多70%的控制门和75%的电路深度。
2026-06-17 quant-ph
QuLoC: Photonic Quantum-Assisted Low-Rank LLM Compression
TuringQ Co., Ltd.（图灵量子有限公司）；Atomology Co., Ltd.（阿托莫罗科技有限公司）；Hefei National Laboratory（合肥国家实验室）
QuLoC利用光子量子电路门控低秩分量，结合知识蒸馏恢复性能，在Qwen3.5-4B和LLaMA-7B上超越基线，且对硬件噪声鲁棒。
2026-10-05 quant-ph
Data compression for quantum machine learning
针对现有含噪声中等规模量子计算机量子比特少、仅支持短电路导致量子机器学习方案难落地的问题，提出基于矩阵乘积态与量子电路对应关系的可调数据压缩方法及硬件高效量子电路方案，在Fashion-MNIST上验证仅用11量子比特就能达到与张量学习方法相当的分类精度。
2022-06-01 cond-mat.dis-nn quant-ph
Efficient quantum compression for identically prepared states with arbitrary dimensio
School of Mathematics Science, Zhejiang University（浙江数学学院）；School of Mathematics and Statistics, Central South University（中南大学数学与统计学院）；Institute of Computational Mathematics and Information Technologies, Kazan Federal University（喀山联邦大学计算数学与信息技术研究所）
该研究利用置换对称性和Schur-Weyl对偶，提出任意维度相同制备纯态的无损空间最优量子压缩方案，编码器通过Clebsch-Gordan变换实现且电路规模高效。
2026-09-01 quant-ph
Multicasting Homogeneous and Heterogeneous Quantum States in Quantum Networks
本文针对量子多播网络的实际实现问题。首先，我们设计了一个递归的无损压缩，使我们能够控制电路的复杂性和压缩的量子态的尺寸之间的权衡。我们给出了一个公式来描述的权衡，并进一步分析了如何影响该公式的递归过程的控制参数。我们的递归无损压缩可以应用在量子多播网络中，源输出均匀的量子态（许多副本的量子态）通过一个瓶颈到一组目的地。这种递归无损压缩在当前生产大规模量子线路的技术有限的情况下是非常有用的。其次，我们提出了两种适用于异构量子态（一组量子态的多个副本）的无损压缩方案，当量子态满足一定的结构时。异构压缩方案提供了比均匀压缩方案更高的压缩能力。最后，我们在几种量子多播网络中实现了我们的异构压缩方案，包括单源多终端模型，多源多终端模型和环形网络。然后，我们分析这些网络模型的带宽要求。
2010-11-10 quant-ph
FABLE: Fast Approximate Quantum Circuits for Block-Encodings
针对矩阵块编码量子电路实现研究不足的问题，提出可快速生成近似电路的FABLE方法，其结构简单适配NISQ时代，可压缩稀疏化，经测试能无误差降低多种算子的门复杂度。
2022-07-28 quant-ph
Hybrid Quantum State Preparation via Data Compression
本研究提出一种无辅助量子的混合经典-量子策略，通过数据压缩降低量子态制备的CNOT门和电路深度，实现高效且可扩展的QSP方法。
2025-12-01 quant-ph
Lower bound on the number of Toffoli gates in a classical reversible circuit through quantum information concepts
在一个经典的可逆电路中找到一个下界的Toffoli门的数量的问题得到解决。提出了一种基于量子信息概念的方法。该方法仅涉及量子信息的概念-不需要实际的物理量子计算机。以经典Shannon数据压缩为例说明了该方法。
2005-03-28 quant-ph
Hybrid Quantum Image Preparation via JPEG Compression
本文提出了一种通过JPEG压缩实现混合量子图像准备的方法，通过减少量子门数量和电路深度，同时保持高质量的图像重建。
2026-02-05 quant-ph
PALQA: A Novel Parameterized Position-Aware Lossy Quantum Autoencoder using LSB Control Qubit for Efficient Image Compression
本文提出PALQA量子自编码器电路，利用LSB控制量子比特和变换系数块状态连接方法实现高效图像压缩，在门数量和PSNR上优于JPEG及现有量子自编码器。
2025-02-04 cs.ET quant-ph
Quantum pixel representations and compression for $N$-dimensional images
Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；Case Western Reserve University（凯斯西储大学）
我们介绍了一种新颖的和统一的量子像素表示的框架，覆盖了最近文献中提出的许多最流行的表示，如（I）FRQI，（I）NEQR，MCRQI和（I）NCQI。所提出的QPIXL框架导致更有效的电路实现，并显着降低了所有考虑的量子像素表示的门复杂性。我们的方法只需要一个线性数量的门在像素的数量，不使用辅助量子位。此外，该电路仅由Ry门和CNOT门组成，使其在NISQ时代变得实用。此外，我们提出了一种电路和图像压缩算法，被证明是非常有效的，能够减少必要的门准备FRQI状态，例如科学图像高达90%，而不牺牲图像质量。我们的算法作为量子图像像素库QPIXL++的一部分公开提供。
2021-10-14 cs.CV quant-ph
Low-depth simulations of fermionic systems on square-grid quantum hardware
提出一种将费米子系统映射至方形连接量子硬件的通用策略，结合算符分解与电路压缩技术实现低深度电路，在多种模型实验中电路深度最高降低70%，双量子比特门数量显著减少。
2024-04-11 quant-ph
Optimal compression of constrained quantum time evolution
本文通过在变分量子电路中直接编码局域哈密顿量的物理约束，简化时间演化算符的优化，实现成本降低逾一个数量级且可扩展。
2024-05-18 cond-mat.str-el quant-ph
Novel quantum circuit for image compression utilizing modified Toffoli gate and quantized transformed coefficient alongside a novel reset gate
针对量子图像压缩中电路复杂性问题，提出利用改进Toffoli门和量化变换系数的新型量子电路，显著减少门数量（比DCTEFRQI少44.21%）并保持PSNR，提升压缩与表示效率。
2025-02-25 cs.ET quant-ph
Constant-Depth Quantum Circuits for Arbitrary Quantum State Preparation via Measurement and Feedback
针对量子电路深度受相干时间和操作误差限制的问题，该研究提出基于测量与反馈的框架，实现任意量子态的恒定深度制备，打破线性深度下界，为通用量子电路压缩提供新路径。
2025-03-20 quant-ph
A multilevel tensor network compression technique for simulating Lindblad dynamics in superconducting circuits
Alice & Bob（爱丽丝与鲍勃）；Univ. Grenoble Alpes, CEA, Grenoble INP, IRIG, Pheliqs（格勒诺布尔阿尔卑斯大学、法国原子能和替代能源委员会、格勒诺布尔理工学院、IRIG、Pheliqs）
提出一种基于张量网络的多级压缩技术，通过全局纯化、模式间压缩和Fock数表示，高效模拟超导电路中Lindblad动力学，实现数量级加速。
2026-05-26 cond-mat.supr-con quant-ph
Algebraic Compression of Free Fermionic Quantum Circuits: Particle Creation, Arbitrary Lattices and Controlled Evolution
本文扩展自由费米子 Trotter 电路的李代数压缩方法，支持长程跃迁、任意晶格、受控演化及粒子产生湮灭，并在多类量子硬件上验证。
2025-05-15 cond-mat.str-el math-ph math.MP
A Quantum Circuit-Based Compression Perspective for Parameter-Efficient Learning
针对量子机器学习在LLMs微调中面临的资源依赖等挑战，本文提出量子参数自适应（QPA）方法，结合QNNs与经典映射模型生成微调参数，在Gemma-2和GPT-2上实现参数显著减少且性能无损，为LLMs微调提供可扩展量子-经典解决方案。
2025-02-17 quant-ph
Logarithmic depth compression of Heisenberg Hamiltonian simulation by fan-out parallelization, with built-in error detection
University of Applied Sciences Northwestern Switzerland (FHNW)（西北瑞士应用科学大学）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；MatterDecoder
该研究提出基于扇出并行化的编译器，将海森堡哈密顿量模拟电路深度压缩，经资源对比与谱模拟验证，在受深度限制的量子硬件上可显著缩减深度与体积。
2026-08-21 quant-ph
Circuit Depth Compression via Spectral Gap Amplification in Quantum Phase Estimation
Indo-Korea Science and Technology Center (IKST)（印韩科学与技术中心）
该研究提出在量子相位估计（QPE）前用sigmoid谱滤波器预处理输入算子，通过放大谱隙压缩QPE电路深度，在LiH等案例中实现深度和门数显著减少，保真度提升。
2026-08-25 cond-mat.mtrl-sci quant-ph
Implementation of quantum imaginary-time evolution method on NISQ devices: Nonlocal approximation
量子时间演化方法是在经典计算机上求解量子多体问题中基态的有效方法。最近提出的量子时间演化方法（QITE）面临着电路深度深和在有噪声的中尺度量子（NISQ）器件上实现困难的问题。在这项研究中，一个非局部近似的开发，以解决这个困难。我们发现，通过去除局域性条件或局域近似（LA），这是强加时的时间演化算子转换为幺正算子，量子线路深度显着减少。我们提出了基于非局部性条件的两步近似方法：扩展LA（eLA）和非局部近似（NLA）。为了证实eLA和NLA的有效性，我们将它们应用于未加权3-正则图和加权全连通图的最大割问题，我们比较评估LA，eLA和NLA的性能。eLA和NLA方法需要比LA少得多的电路深度来保持相同水平的计算精度。此外，我们开发了一种“压缩”方法的量子线路的时间步长，作为一种方法，以进一步减少电路深度的QITE方法。在这项研究中引入的eLA，NLA，和压缩方法，使我们能够减少电路深度和由门操作引起的误差的积累显着，并铺平了道路，在NISQ器件上实现QITE方法。
2020-05-26 quant-ph
Emergent Bifurcations in Quantum Circuit Stability from Hidden Parameter Statistics
Dankook University（檀国大学）
研究揭示量子电路稳定性受隐藏参数统计影响，通过分析发现电路分属稳健与脆弱类别，揭示小角度门对功能的关键作用，为设计抗压缩量子算法提供新思路。
2025-08-14 cond-mat.stat-mech quant-ph
Symmetry-enhanced Counterdiabatic Quantum Algorithm for Qudits
CNR-INO（意大利国家研究委员会光学研究所）；Universita di Trento（特伦托大学）；INFN-TIFPA（意大利国家核物理研究所基础物理与应用研究所）；TECNALIA（科技联盟）；University of the Basque Country UPV/EHU（巴斯克地区大学）；Instituto de Ciencia de Materiales de Madrid (CSIC)（马德里材料科学研究所）；IKERBASQUE（伊克尔巴斯科奎）；Basque Center for Applied Mathematics BCAM（巴斯克应用数学中心）
本文提出了一种基于对称性的量子算法，通过使用量子比特替代量子比特，实现了电路深度压缩、问题信息压缩和参数减少，以提高变分量子电路的可行性。
2024-10-18 quant-ph
Efficient Application of Tensor Network Operators to Tensor Network States Through Successive Deterministic Compression
Technical University of Munich（慕尼黑工业大学）；California Institute of Technology（加州理工学院）
本文提出了一种基于Cholesky分解的张量网络压缩方法，用于高效应用树状张量网络算子，通过实验验证其在复杂树状结构中的优越性能。
2026-10-01 cond-mat.str-el physics.chem-ph quant-ph
Loading Classical Data into a Quantum Computer
本文描述了一系列将经典数据加载到量子态中的量子线路。当加载$N$经典位时，结果量子态是$\log_2(N)$量子位阶。此外，数据加载电路的栅极深度为$\log_2(N)$量级。的数据加载过程中，如Holevo界的效率的限制进行了讨论。文中还讨论了将经典压缩技术与量子解压缩电路相结合等提高数据加载效率的方法。使用Quipper语言进行仿真，以验证电路的行为。
2018-03-05 quant-ph
Neural Architecture Search Algorithms for Quantum Autoencoders
Fujitsu Research of America（富士通美国研究机构）；Department of Computer and Information Sciences, University of Delaware（德雷塞尔大学计算机与信息科学系）
本文提出两种 Quantum-NAS 算法，借鉴神经架构搜索自动设计量子电路，并在量子数据去噪、经典数据压缩和纯量子数据压缩任务上取得优于基线的自编码器性能，显著减少人工设计工作量。
2025-09-18 cs.LG quant-ph
Quantum Neural Network Compression
George Mason University（乔治梅森大学）；Northeastern University（东北大学）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
模型压缩，如修剪和量化，已被广泛应用于优化资源有限的经典设备上的神经网络。最近，人们对变分量子线路（VQC），即量子计算机上的一种神经网络（a.k.a.，量子神经网络）。众所周知，近期量子器件具有高噪声和有限的资源（即，量子比特，量子比特）;然而，如何压缩量子神经网络还没有得到彻底的研究。人们可能认为将经典压缩技术应用于量子场景是直截了当的。然而，本文揭示了量子和经典神经网络的压缩之间存在差异。根据我们的观察，我们认为编译/翻译必须参与压缩过程。在此基础上，我们提出了第一个压缩量子神经网络的系统框架CompVQC，其关键部分是一种基于交替方向乘子法（ADMM）的压缩算法。实验证明了CompVQC的优势，减少了电路深度（几乎超过2.5%），精度下降可以忽略不计（<1%），优于其他竞争对手。另一个有希望的事实是，我们的CompVQC确实可以提高QNN对近期噪声量子器件的鲁棒性。
2022-07-05 cs.AI quant-ph
Transpiling Quantum Circuits using the Pentagon Equation
我们考虑应用的五角形方程的背景下，量子线路压缩。我们发现，如果五角形方程的解决方案，可以转译一个电路，涉及非海森堡型相互作用的电路只涉及海森堡型相互作用，而在并行，减少电路的深度。在这种情况下，我们考虑张\emph{et. al.}（$A$门）的非局部两量子比特操作的模型，并表明对于某些参数，它是五边形方程的解。
2022-09-28 math.QA quant-ph
Implementation of quantum compression on IBM quantum computers
量子计算处理器的发展带来了大量的机会来测试各种量子算法的性能与实际实现。在本文中，我们报告的量子压缩算法的实现，可以有效地压缩未知的量子信息。我们将自己限制在将三个纯量子位压缩成两个量子位，因为即使是这样一个简单的实现的复杂性也几乎不在当今量子处理器的范围内。我们在IBM量子处理器上实现了两种不同的拓扑布局-完全连接的三角形处理器和部分连接的线处理器。事实证明，线处理器的不完全连接对性能的影响很小。另一方面，事实证明，转译，即将电路编译成量子处理器物理上可用的门，对结果有着至关重要的影响。我们还看到，即使在这样一个简单的情况下，压缩之后立即解压缩也处于边缘，甚至超出了目前可用的量子处理器的能力。
2022-01-26 quant-ph
Bootstrapping shallow circuits
本文提出通过递归切割电路并应用 LIL 算法学习子酉的浅层表示来优化量子电路深度，实现电路压缩，且算法时间复杂度相对于原电路深度呈对数关系。
2024-03-21 quant-ph
Qubit Reuse Beyond Reorder and Reset: Optimizing Quantum Circuits by Fully Utilizing the Potential of Dynamic Circuits
通过引入动态电路原语，该研究优化量子电路，显著减少所需量子比特数量，尤其在QPE、QFT和VQE等电路中表现突出，提升近期设备运行复杂电路的能力。
2025-12-09 quant-ph
Quantum circuit optimization by topological compaction in the surface code
量子信息的脆弱性限制了我们构造大量适合于量子计算的量子比特的能力。因此，一个重要的目标是最大限度地减少实现量子算法所需的资源量，其中许多算法本质上是串行的，并且除非使用压缩技术，否则会在大部分时间内使大量量子比特空闲。此外，需要减少噪声影响的量子纠错码引入了额外的资源开销。我们考虑一种基于表面码拓扑变形的量子线路优化策略，表面码是性能最好、最实用的量子纠错码之一。具体来说，我们研究的问题，尽量减少计算时间的任意，但固定尺寸的二维量子位格，并提出了两个算法这样做。
2013-04-09 quant-ph
Simulation of Lindbladian dynamics via adaptive variational quantum trajectory compression
Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究所，合肥综合性国家科学中心）；Laboratory of Quantum Information, University of Science and Technology of China（中国科学技术大学量子信息实验室）；Anhui Province Key Laboratory of Quantum Network, University of Science and Technology of China（中国科学技术大学安徽省量子网络重点实验室）；Origin Quantum Computing Technology (Hefei) Co., Ltd.（本源量子计算技术（合肥）有限公司）
针对NISQ时代开放量子系统模拟难题，提出资源高效算法，推导混合酉伴随通道，引入自适应变分量子轨迹压缩框架，训练参数化量子电路，经数值模拟验证算法准确性与资源效率，为开放量子系统模拟提供实用途径。
2026-07-13 quant-ph
