Extended quantum circuit diagrams
本文提出基于指数映射的扩展量子电路图表示方法，给出可靠的重写规则，并通过多种示例计算展示其图形化计算能力。
2024-10-03 quant-ph
Tensor Network Circuit Simulation at Exascale
张量网络方法对于模拟量子线路是非常有效的。这是由于它们能够有效地表示和操纵大型相互作用量子系统的波函数。我们描述了缩放张量网络模拟方法Exascale计算平台时所面临的挑战，并介绍了QuantEx，Exascale张量网络电路模拟的框架。
2021-10-18 quant-ph
A practical overview of image classification with variational tensor-network quantum circuits
量子机器学习的电路设计仍然是一个巨大的挑战。受张量网络在不同领域的应用及其在经典机器学习环境中的新颖存在的启发，设计变分电路的一种方法是将电路架构基于张量网络。在这里，我们全面描述张量网络量子线路以及如何在模拟中实现它们。这包括利用电路切割，这是一种用于评估具有比当前量子设备更多量子位的电路的技术。然后，我们通过使用PennyLane（一个用于量子计算机差分编程的开源Python库）模拟各种张量网络量子线路来说明计算要求和可能的应用。最后，我们演示了如何将这些电路应用于日益复杂的图像处理任务，完成了对设计可应用于工业相关机器学习任务的电路的灵活方法的概述。
2022-09-22 quant-ph
Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum Circuit Simulation
在开发或测试量子算法时，经典地模拟量子线路是至关重要的。由于潜在的指数复杂性，高效的数据结构是执行此类模拟的关键。为此，张量网络和决策图已经独立开发，考虑到不同的观点，术语和背景。虽然这给设计人员留下了两种互补的数据结构来进行量子线路仿真，但到目前为止，对于给定的用例，哪一种是更好的选择仍然不清楚。在这项工作中，我们（1）考虑这些技术如何接近经典的量子线路模拟，和（2）检查他们的（不）相似性方面的最适用的抽象级别，所需的模拟输出，计算顺序的影响，并易于分配的工作量。因此，我们提供了指导方针，何时更好地使用张量网络，何时更好地使用决策图在经典的量子线路模拟。
2023-02-13 cs.DS cs.ET quant-ph
Quantum Circuit Simulation with Fast Tensor Decision Diagram
针对量子线路模拟中基于数组的张量存在冗余的问题，提出结合张量级决策图、Tetris秩简化算法和边中心数据结构的开源框架，在多类基准线路上实现了显著的模拟速度提升。
2024-01-21 cs.DS cs.ET quant-ph
Faster manipulation of large quantum circuits using wire label reference diagrams
大规模量子计算被寄予厚望，量子线路设计自动化需要跟上从小规模到大规模问题的转变。支持快速量子线路操作的方法（例如~浇口更换、电线重新排序等）或者特定的电路分析操作并不被认为是重要的，并且到目前为止通常以简单的方式来实现。例如，量子线路通常用一维门列表或有向非循环图来表示。尽管量子线路操作的实现通常只有多项式复杂度，但随着量子计算规模的增加，需要考虑的可能性的数量之多使得这些表示非常低效-构成了严重的瓶颈。与此同时，量子线路具有结构特征，这允许更具体和更快的方法。这项工作利用这些特性，通过引入一个专用的表示大型量子线路，即线标签参考图。我们将该表示应用于一组非常常见的电路变换，并开发相应的解决方案，这些解决方案可以实现包括高达80 000个量子位和200 000个门的电路的数量级性能改进。所提出的方法的实施可在线获得。
2018-11-14 cs.DS cs.ET quant-ph
The Variational Power of Quantum Circuit Tensor Networks
在物理多体基态表象下，刻画了量子线路张量网络的变分幂。这种张量网络是通过用局域量子线路代替标准张量网络中的稠密块幺正和等距而形成的。我们研究了量子线路矩阵乘积态和量子线路多尺度纠缠重正化方法，并引入了一种自适应方法来优化所得到的线路，使其具有多个$10^4$参数，达到高保真度.我们对标准张量网络，以及其他常见的电路架构，为1D/2D海森堡和1D费米-哈伯德模型的表现力进行基准测试。我们发现，对于这些问题，量子线路张量网络比其他量子线路更有表现力，它们甚至可以比标准张量网络更紧凑。外推到电路的深度，它不能再被经典地模拟，这表明了一个区域的优势，在量子表现力的表示物理基态。
2021-11-05 cond-mat.str-el quant-ph
Jet: Fast quantum circuit simulations with parallel task-based tensor-network contraction
我们引入了一个新的开源软件库Jet，它使用基于任务的并行性来获得量子线路的经典张量网络模拟的加速。这些加速是由于i）通过将张量网络模拟映射到基于任务的框架而引入的增加的并行性，ii）在张量网络收缩任务之间重用共享工作的新方法，以及iii）张量网络在所有可用硬件上的并发收缩。我们证明了我们的方法的优势，通过基准测试我们的代码对其他模拟器的几个梧桐-53和高斯玻色子采样（GBS）的霸权电路。我们还首次提供并比较了Sycamore-53和GBS霸权电路的张量网络模拟的理论性能估计。
2022-04-30 quant-ph
Approximate simulation of complex quantum circuits using sparse tensors
DEVCOM Army Research Laboratory（美国陆军研发司令部陆军研究实验室）
本文提出利用稀疏张量高效近似模拟复杂量子电路，通过高效算法提升量子模拟效率。
2026-02-03 quant-ph
Constructing Optimal Contraction Trees for Tensor Network Quantum Circuit Simulation
基于张量网络的量子线路模拟的关键问题之一是构造一棵收缩树，使模拟的代价最小化，其中代价可以表示为模拟运行时间的代理操作数。同样的问题出现在各种应用领域，如组合科学计算，边缘化的概率图形模型，并解决约束满足问题。在本文中，我们减少了计算困难的部分，这个问题的一个图的线性排序，并演示了如何在这一领域的现有方法可以利用，以实现几个数量级优于现有的最先进的方法相同的运行时间。为此，我们引入了一种新的多项式时间算法，从给定的顺序构建一个最佳的收缩树。此外，我们介绍了一个快速和高品质的线性排序求解器，并证明其适用性作为一个启发式提供订单收缩树。最后，我们比较我们的求解器与竞争的方法构建收缩树的量子线路模拟随机生成的量子近似优化算法最大切割电路的集合，并表明我们的方法在大多数测试的量子线路上取得了优异的结果。复制：我们的源代码和数据可以在https://github.com/cameton/HPEC2022_ContractionTrees上找到。
2022-09-07 cs.DS quant-ph
Decision Diagrams for Symbolic Verification of Quantum Circuits
本文提出首个支持符号计算的决策图方法（symbolic TDD），用于验证包含符号项的量子电路，并在大规模量子电路及含预言机与经典控制的电路验证中展现出高效性。
2023-08-01 quant-ph
DDMF: An Efficient Decision Diagram Structure for Design Verification of Quantum Circuits under a Practical Restriction
为迎接未来的“量子计算时代”，量子线路的设计已引起人们的广泛关注。“与传统的逻辑合成一样，验证和分析生成的量子线路的功能应该很重要。为此，我们提出了一种有效的验证方法，量子线路下的实际限制。由于这种限制，我们可以引入一种基于决策图的有效验证方案，称为矩阵函数决策图（DDMF）。然后，我们分析了我们的方法的优势，基于DDMFs比以前的验证技术。为了介绍DDMF，我们还引入了新的概念，量子函数和矩阵函数，它们本身也可能是有趣的和有用的量子线路的设计。
2008-09-13 quant-ph
Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale
量子线路的数值模拟是在近期量子协处理器上开发、验证和验证量子-经典混合算法的不可或缺的工具。亿级高性能计算（HPC）平台的出现为推动量子线路模拟的边界提供了新的机会。我们提出了一个现代化版本的张量网络量子虚拟机（TNQVM），它作为一个量子线路模拟后端的极限规模ACCURATOR（XACC）框架。新版本基于通用的可扩展张量网络处理库ExaTN，并提供多个可配置的量子线路模拟器，通过全张量网络收缩实现精确的量子线路模拟，或通过适当的张量因子分解实现近似的量子态表示。在必要时，随机噪声建模从真正的量子处理器被纳入模拟与Kraus张量的量子信道建模。通过结合可移植的XACC量子编程前端和可扩展的ExaTN数值后端，我们引入了一个端到端的虚拟量子开发环境，可以从笔记本电脑扩展到未来的exascale平台。我们报告我们的框架，其中包括演示的分布式执行，纳入量子退相干模型，和模拟的随机量子线路用于认证的量子霸权的谷歌梧桐超导架构的初始基准。
2021-04-21 quant-ph
Tensor train optimization of parametrized quantum circuits
本文研究变分量子本征求解器中参数化量子电路的优化问题，采用基于张量列的无导数方法求解横场伊辛模型基态，并与梯度方法对比，表明其在噪声环境下具有优势。
2023-06-03 quant-ph
Tensor-network-assisted variational quantum algorithm
本文提出张量网络辅助的参数化量子电路，通过级联经典张量网络算子提升浅层量子电路表达能力，并在二维 Ising 模型和一维时间晶体模型中验证其优于传统浅层量子电路方法。
2023-11-30 quant-ph
Circuit Extraction for ZX-diagrams can be #P-hard
ZX演算是一种使用ZX图进行量子计算推理的图形语言，ZX图是量子线路的某种灵活概括，可用于表示任何$m,n \geq 0$的从$m$到$n$量子位的线性映射。ZX演算的一些应用，例如量子线路优化和综合，依赖于能够有效地将ZX图转换回具有可比大小的量子线路。虽然几个充分条件是已知的，用于描述家庭的ZX-图，可以有效地转换回电路，它以前已被证明，一般问题的电路提取是困难的。也就是说，不可能有效地将描述酉线性映射的任意ZX图转换为等效的量子线路。在本文中，我们证明了这一猜想表明，电路提取问题是P-困难的，所以本身至少是一样困难的强模拟的量子线路。除了我们的主要硬度的结果，它依赖于电路表示，我们给出了一个表示不可知的硬度结果。也就是说，我们表明，任何甲骨文，作为输入的ZX图描述的一个单一的，并产生相关的量子计算的输出样本，使有效的概率解决NP完全问题。
2022-02-18 cs.CC quant-ph
Verifying Random Quantum Circuits with Arbitrary Geometry Using Tensor Network States Algorithm
使用经典计算机有效地模拟随机量子线路的能力对于开发噪声中等规模量子器件越来越重要。在这里，我们提出了一个张量网络状态为基础的算法，专门设计用于计算任意几何形状的随机量子线路的振幅。基于奇异值分解的压缩与双边电路进化算法一起被用来进一步压缩所得到的张量网络。为了进一步加快模拟速度，我们还提出了一种启发式算法来计算最优张量收缩路径，在$53$ -qubit Sycamore处理器上验证电路深度低于$12$的随机量子线路时，我们的算法比Sch $\ddot{\text{o}}$ dinger-Feynman算法快$2$数量级.我们还模拟了更大的随机量子线路到$104$量子位，表明该算法是一个理想的工具，以验证相对较浅的量子线路在近期的量子计算机。
2020-11-05 cond-mat.other quant-ph
Practical Log-Depth Quantum State Preparation and Circuit Verification via Tree Tensor Network Compilation
University College London（伦敦大学学院）；Centre for Computational Science, Department of Chemistry, University College London（伦敦大学学院化学系计算科学中心）；Advanced Research Computing Centre, University College London（伦敦大学学院高级计算研究中心）；Informatics Institute, University of Amsterdam（阿姆斯特丹大学信息学研究所）
本文提出通过树张量网络重整化方法将矩阵积态分解为对数深度量子电路，实现量子态制备和电路验证，并用于设备校准。
2026-05-07 quant-ph
Diagrammatic Reasoning with Control as a Constructor, Applications to Quantum Circuits
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；INRIA（法国国家信息与自动化研究所）；LORIA
本文提出了一种通过控制作为构造器进行图式推理的框架，并展示了其在量子电路中的应用，通过引入最多三个量子比特的关系集实现更高效的图式推理。
2026-10-19 quant-ph
Efficient modeling of superconducting quantum circuits with tensor networks
我们引入一个有效的张量网络工具箱来计算大规模超导量子线路的低能量激发，达到所需的精度。我们基准的fluxonium量子比特，超导量子线路的基础上的约瑟夫森结阵列超过一百结的算法。作为这个数值工具提供的可能性的一个例子，我们计算由于电荷噪声和相干量子相位滑移的fluxonium量子比特的纯退相相干时间，考虑到阵列自由度对应于大到$~15^{180}$的希尔伯特空间。我们的算法适用于各种各样的电路QED系统，并可能是一个有用的工具，按比例放大超导量子比特技术。
2019-12-02 quant-ph
Scoring-based Static Variable Ordering for Decision Diagram-based Quantum Circuit Simulation
Fujitsu Limited（富士通株式会社）；The University of Tokyo（东京大学）；National Institute of Advanced Industrial Science and Technology (AIST)（产业技术综合研究所）；Technical University of Munich（慕尼黑工业大学）；Munich Quantum Software Company（慕尼黑量子软件公司）
本文提出基于评分的静态变量排序方法，用于提升基于决策图的量子电路模拟效率，实验显示在基准电路和Shor算法上均取得显著加速效果。
2025-12-01 quant-ph
Multi-class quantum classifiers with tensor network circuits for quantum phase recognition
基于变分电路的量子-经典混合算法是解决近期器件量子机器学习问题的一种很有前途的方法，但变分电路的选择是一个悬而未决的问题。最近，张量网络启发的电路已被提出作为这种anatomy的自然选择。他们在二元分类任务中的就业提供了令人鼓舞的结果。然而，它们在更困难的任务上的有效性仍然是未知的。在这里，我们提出了基于树张量网络和多尺度纠缠重整化电路的多类分类器的数值实验。我们使用MNIST数据集进行了图像分类实验，并通过Cirq和TensorFlow Quantum使用XXZ模型进行了量子相位识别实验。在前一种情况下，我们将类的数量减少到四个，以匹配基于2个量子位的目标输出。XXZ模型的量子数据由三类基态组成，这些基态由用于变分量子本征求解器的棋盘电路准备，对应于三个不同的量子相位。测试准确率分别为59%-93%和82%-96%，这取决于模型架构和预处理类型。
2021-10-15 quant-ph
Atemporal diagrams for quantum circuits
引入一个图表系统，它允许以不涉及时间的形式（因此是“非时间的”）表示量子线路的各种元素，包括测量。它可以用来将量子动力学性质与纠缠态（映射态对偶）联系起来，并提出了有用的类比，例如纠缠态的逆。图中阐明了通道基元、跃迁算子、动力学算子（矩阵）和Kraus秩在噪声量子信道中的作用。正（半定）算子用具有对称性的图表示，这有助于理解它们与完全正映射的关系。这些图用于分析标准的隐形传态和密集编码，并用于仔细研究明确的（结论性的）隐形传态。一个简单的图解论证表明，对于使用混合状态下的单量子位环境建模的单量子位通道，Kraus秩为3是不可能的。
2005-08-23 quant-ph
Diagrammatic Analysis for Parameterized Quantum Circuits
本文扩展ZX演算以图解分析参数化量子电路，提出处理线性组合的新规则，并展示其在多种拟设中简化计算、助力算法设计的价值。
2023-11-15 quant-ph
Simple heuristics for efficient parallel tensor contraction and quantum circuit simulation
张量网络是各种计算科学的主要构建模块，从多体理论和量子计算到概率和机器学习。在这里，我们提出了一个并行算法的张量网络使用概率图模型的收缩。我们的方法是基于图论中的$μ$ -树宽删除问题的启发式解决方案。我们将所得算法应用于随机量子线路的模拟，并讨论了一般张量网络收缩的扩展。
2020-05-01 cs.DM quant-ph
Low-rank tensor decompositions of quantum circuits
量子计算可以说是本世纪最具革命性和破坏性的技术之一。由于潜在应用的数量不断增加以及复杂性的持续上升，量子线路的开发、仿真、优化和物理实现对于设计新颖的算法至关重要。我们展示了如何矩阵乘积态（MPS）和矩阵乘积算子（MPO）可以用来表达某些量子态，量子门，和整个量子线路作为低秩张量。这使得在经典计算机上分析和模拟复杂的量子线路成为可能，并深入了解系统的底层结构。我们提出了不同的例子来证明MPO配方的优点，并表明，他们比传统的技术更有效，如果键的尺寸的波函数表示可以保持小的整个模拟。
2023-01-02 quant-ph
Simulation of fault-tolerant quantum circuits on quantum computational tensor network
在量子计算张量网络的框架下[D. Gross和J. J. J. J.，Phys. Rev. Lett. { \bf 98}，220503（2007）]，其是基于测量的量子计算的一般框架，以张量网络形式表示资源多体状态，并且在张量存在的虚拟线性空间（称为关联空间）中执行通用量子计算。由于计算基中的任何幺正操作、状态准备和投影测量都可以在相关空间中模拟，因此很自然地期望容错量子线路也可以在相关空间中模拟。然而，我们指出，并不是所有的物理错误的物理qudits出现在相关空间中的线性完全正的保迹错误。由于迄今为止已知的容错量子线路的理论假设这样的噪声，这意味着在相关空间中对容错量子线路的模拟对于一般资源状态不是那么简单。
2012-02-15 quant-ph
Matrix Product Evolution: A Method for Simulating Quantum Circuits Using Tensor Networks
BIPROGY Inc.（BIPROGY公司）；University of Tokyo（东京大学）；Niigata University（新潟大学）；Institute for Physics of Intelligence, University of Tokyo（东京大学智能物理研究所）；Institute for Solid State Physics, University of Tokyo（东京大学固体物理研究所）
针对量子电路经典模拟受希尔伯特空间指数增长限制的问题，提出沿电路深度构建的矩阵乘积演化（MPE）方法，开发拉链式收缩策略，经随机量子电路和多体态演化模拟验证，可作为MPS模拟的补充方法。
2026-08-05 quant-ph
Quantum Circuit Tensors and Enumerators with Applications to Quantum Fault Tolerance
本文将张量枚举器扩展为电路枚举器，提出无需Monte Carlo即可精确分析电路错误路径的数学框架，并成功计算了distance five surface code的错误路径数量。
2024-05-30 quant-ph
Efficiently contractable quantum circuits cannot produce much entanglement
我们显示了两种不同的经典模拟方法之间的相似性测量为基础的量子计算-一个依赖于低纠缠（树张量网络）表示的计算机的状态，和其他张量收缩方法的基础上的拓扑结构的图形状态。我们利用这种相似性来说明，任何可以通过张量收缩有效模拟的量子线路都不能产生太多的纠缠。
2008-02-08 quant-ph
Heisenberg picture tensor network formalism for optical circuits
Institute of Theoretical Physics, Ulm University（乌尔姆大学理论物理研究所）；Center for Integrated Quantum Science and Technology (IQST)（集成量子科学与技术中心）
本文提出一种基于量子光学电路输入输出关系的张量网络框架，通过图形表示的算子基MPS实现永久性计算，解决张量收缩与光子计数概率幅计算的复杂度不匹配问题。
2026-05-15 quant-ph
Probabilistic tensor optimization of quantum circuits for the max-$k$-cut problem
本研究提出一种基于概率张量采样优化的变分量子电路优化技术，可缓解初始化问题、避免局部极小值，经求解最大k割问题的QAOA验证，其寻优效果优于经典优化方法。
2024-01-31 quant-ph
Stochastic Quantum Circuit Simulation Using Decision Diagrams
近年来，量子计算机的设计和控制取得了前所未有的进展。尽管如此，它们的适用性仍然受到限制，而且获取这些信息的费用仍然很高。因此，大量的量子算法研究仍然依赖于在经典硬件上模拟量子线路。然而，由于模拟真实量子计算机的复杂性，许多模拟器不切实际地简化了问题，而是模拟完美的量子硬件，即，他们没有考虑量子系统脆弱的本质所造成的误差。随机量子模拟提供了一个概念上合适的解决方案，这个问题：物理动机的错误是在整个模拟概率的方式。在这项工作中，我们建议使用决策图，以及并发执行，以大大减少资源需求-这仍然是令人生畏的随机量子线路模拟。在严格理论的支持下，经验研究表明，这种方法可以为某些量子线路提供更快和更可扩展的模拟。
2020-12-10 quant-ph
Quantum Circuit Simulation by SGEMM Emulation on Tensor Cores and Automatic Precision Selection
本文提出利用输入张量指数范围统计自动选择TF32或FP16张量核心执行GEMM，在保持SGEMM精度的同时将量子电路模拟吞吐量最高提升1.86倍。
2023-07-10 cs.DC quant-ph
Real space circuit complexity as a probe of phase diagrams
电路复杂性已被用作研究凝聚态系统中各种性质的工具，特别是作为探索相图的一种方式。然而，与基于纠缠的措施相比，复杂性被发现不足。我们发现，当施加惩罚因子惩罚非局部性时，它成为相图的更强探测器，能够探测更微妙的特征。我们这样做，通过推导出的复杂性的XY链的横向场的解析解。
2022-12-07 cond-mat.stat-mech hep-th quant-ph
Embedding of Tree Tensor Networks into Shallow Quantum Circuits
针对变分量子算法中的贫瘠高原问题，本研究提出将树张量网络（TTNs）嵌入浅层量子电路的方法，能更好地表示二维及长程关联系统，数值实验表明其优于MPS且计算复杂度实用。
2025-01-31 quant-ph
Measuring quantum geometric tensor of non-Abelian system in superconducting circuits
在过去的几十年里，拓扑学在物理学研究中发挥了重要作用。特别是提供拓扑性质局部信息的量子几何张量引起了人们的广泛关注。它将揭示非阿贝尔系统中有趣的拓扑性质，这些性质在实践中尚未实现。在这里，我们使用超导电路中的四量子比特量子系统来构造具有参数调制的简并哈密顿量。通过对哈密顿量进行周期驱动，模拟了Bernevig-Hughes-Zhang模型，得到了干涉振荡的量子几何张量。此外，我们通过提取拓扑不变量揭示了它的拓扑特征，为非阿贝尔系统的量子模拟提供了一种有效的方案。
2022-09-26 quant-ph
Lecture Notes on Replica Tensor Networks for Random Quantum Circuits
Institut für Theoretische Physik, Universität zu Köln（科隆大学理论物理研究所）
本文介绍了利用复制张量网络技术分析随机量子电路的方法，通过张量收缩计算平均可观测量，并展示了其在清洁和噪声电路中的应用，还介绍了相关工具库。
2026-05-11 cond-mat.stat-mech quant-ph
Deep Circuit Compression for Quantum Dynamics via Tensor Networks
提出基于矩阵乘积算符的编译算法生成压缩电路，在数字量子计算机上进行实时量子模拟，相比相同深度的Trotterization误差更小，并在52量子比特2D Ising传播器上验证了深度压缩和误差减少的效果。
2025-06-25 quant-ph
Optimization schemes for unitary tensor-network circuit
讨论了具有不同网络结构的酉张量网络电路的变分优化问题。该方法是基于多尺度纠缠重整化算法的推广和具有有效线搜索的共轭梯度法。通过研究强无序磁场中的海森堡模型和张量网络$QR$分解，给出了不同网络结构的基准计算。
2021-03-30 cond-mat.stat-mech cond-mat.str-el quant-ph
Arithmetic circuit tensor networks, multivariable function representation, and high-dimensional integration
许多计算问题可以用高维函数来表达。这种函数的简单表示和由此产生的计算通常会受到“维数灾难”的影响，即对维数的指数成本依赖。张量网络提供了一种用多项式记忆来表示某些类别的高维函数的方法。这导致计算中指数成本得到改善，或者在某些情况下，如果可以获得张量网络表示，则可以删除。在这里，我们介绍了从函数的算术电路到算术电路张量网络的直接映射，避免了执行任何优化或函数拟合的需要。我们展示了电源的电路建设的例子中的多变量集成的单位超立方体在多达50个维度，集成的复杂性可以从电路结构中理解。我们发现非常有利的成本缩放相比，准蒙特卡洛集成这些情况下，并进一步给出一个例子，有效的准蒙特卡洛理论上不能执行没有知识的底层张量网络电路结构。
2022-08-16 cs.NA math.NA quant-ph
TensorLy-Quantum: Quantum Machine Learning with Tensor Methods
仿真对于开发量子硬件和算法至关重要。然而，由于量子态空间的指数标度性，在经典硬件上模拟量子线路具有挑战性。虽然因子分解张量可以大大减少这种开销，但基于张量网络的模拟器相对较少，并且通常缺乏关键功能。为了解决这一缺陷，我们创建了TensorLy-Quantum，这是一个采用PyTorch API的用于量子线路模拟的Python库。我们的库利用现有TensorLy生态系统的优化张量方法来表示，模拟和操纵大规模量子线路。通过紧凑的张量表示和高效的运算，TensorLy-Quantum可以在单个GPU上扩展到数百个量子位，在多个GPU上扩展到数千个量子位。TensorLy-Quantum是开源的，可在https://github.com/tensorly/quantum上访问
2021-12-19 quant-ph
Completeness for Fault Equivalence of Clifford ZX Diagrams
Quantinuum Ltd.（Quantinuum有限公司）；University of Oxford（牛津大学）
本文提出一套Clifford ZX图的完备故障等价重写规则，通过故障装置将图分为无故障部分和有噪声部分，从而为容错电路合成与优化提供正确性保证的框架。
2026-10-14 quant-ph
Multi-Tensor Contraction for XEB Verification of Quantum Circuits
噪声量子计算机的计算优势已经通过对量子随机电路的位串进行采样而得到了证明。一个重要的问题是如何在所谓的“至高无上的制度”中量化量子设备的性能。标准方法是通过线性交叉熵基准（XEB），其中每个位串都需要概率的理论值。然而，XEB的计算成本呈指数级增长。到目前为止，53量子位Sycamore芯片的随机电路仅验证了10个周期的门;更深电路的XEB性能近似于简化电路。在这里，我们提出了一个多张量收缩算法，以加快XEB的计算量子线路，其中的计算成本可以显着降低，通过某种形式的记忆。作为演示，我们分析了53量子位Sycamore芯片的实验数据，并仅使用中等计算资源（少量GPU）获得了高达16个周期的相应XEB重复性的精确值。如果该算法在Summit超级计算机上实现，我们估计，对于最高（20个周期）电路，它只需要7.5天，这比文献中先前估计的低几个数量级。
2022-05-19 quant-ph
Optimizing Quantum Photonic Integrated Circuits using Differentiable Tensor Networks
Large-Scale Integrated Photonics Lab, Hewlett Packard Labs, HPE Belgium（大型集成光子实验室，惠普实验室，HPE比利时）
本文提出基于梯度的优化方法，用于优化量子光子集成电路，通过可微张量网络在低光子占据和中等模式纠缠条件下实现高效设计，应用于量子光学态制备和量子相位传感读取优化。
2026-07-14 quant-ph
Tensor Network Quantum Simulator With Step-Dependent Parallelization
在这项工作中，我们提出了一个新的大规模量子线路模拟器。它基于张量网络收缩技术来表示量子线路。提出了一种基于\stepslice的并行化算法。在本文中，我们提出了量子计算机的尺寸要求，这将需要用量子近似优化算法（QAOA）来证明量子计算的优势。我们在Cray XC 40超级计算机Theta的1，024个节点上计算了210个量子位QAOA电路，其中有1，785个门。据我们所知，这构成了迄今为止报道的最大的QAOA量子线路模拟。
2022-04-20 quant-ph
Visual-to-Code Authoring, Tensor-Network Debugging, and Quantum-Circuit Inspection Tools in Python
Instituto Tecnológico de Castilla y León（卡斯蒂利亚和莱昂理工学院）
提出三个互补包：张量网络可视化、张量网络编辑器和量子电路绘制器，分别用于视觉调试、可视化到代码创作和电路检查，以增强张量网络和量子电路的结构可见性和可编辑性。
2026-06-07 physics.comp-ph quant-ph
Tensor Network Simulation of Dynamic Circuits
Technical University of Munich（慕尼黑工业大学）；University of Pisa（比萨大学）
本文提出一种基于张量网络的动态电路经典模拟方法，通过扩展DMRG算法并引入单路径与多路径两种分支处理策略，在保持精度的同时实现高效模拟。
2026-09-29 cs.ET quant-ph
Structured Unitary Tensor Network Representations for Circuit-Efficient Quantum Data Encoding
RIKEN Center for Advanced Intelligence Project（RIKEN先进人工智能研究中心）；Tokyo University of Agriculture（东京农业大学）
本文提出TNQE框架，通过结构化酉张量网络表示实现电路高效的量子数据编码，能构建浅层、资源高效的量子电路，适用于高分辨率图像和真实量子硬件。
2026-10-23 cs.LG quant-ph
Hybrid quantum-classical circuit simplification with the ZX-calculus
我们提出了一个完整的优化过程的混合量子经典电路与经典奇偶逻辑。虽然用于量子算法的常见优化技术集中于仅重写纯量子段，但是对于诸如量子纠错和量子断言之类的应用，有兴趣应用全局优化过程。本工作基于Duncan等人的纯量子线路优化方法，使用一个正式的图形ZX演算称为ZX-地面的扩展作为中间表示的混合电路，允许粒度优化低于量子门的水平。我们定义了一个翻译从混合电路到图表，承认图形理论的重点gFlow属性，需要最后提取回电路。然后，我们推导出一些gFlow保持优化规则的ZX-接地图，减少图形的大小，并设计一种策略，通过重写高斯消除过程指导下的图，以找到优化的机会。然后，提取电路后，我们提出了一个通用的程序检测段的电路一样的ZX-接地图，可以实现与经典的门在提取的电路。我们已经实现了我们的优化过程作为开源Python库PyZX的扩展。
2021-09-13 quant-ph
Efficient tensor-network simulations of weakly-measured quantum circuits
本文提出一种基于张量网络和马尔可夫链的高效方法模拟弱测量量子电路，可验证量子计算机并研究生成式机器学习，并观察到测量诱导相变。
2025-10-08 cond-mat.stat-mech quant-ph
Tensor-Programmable Quantum Circuits for Solving Differential Equations
University of Hamburg（汉堡大学）；German Aerospace Center (DLR)（德国航空航天中心）；The Hamburg Centre for Ultrafast Imaging（汉堡超快成像中心）；Clarendon Laboratory, University of Oxford（牛津大学克拉伦登实验室）
本文提出基于灵活矩阵积算符表示的量子求解器，通过中途测量和状态依赖的范数校正，突破了幺正运算的限制，可直接实现广泛类别的微分方程，用于经典和量子系统的动力学。
2025-10-08 quant-ph
Pre-optimization of quantum circuits, barren plateaus and classical simulability: tensor networks to unlock the variational quantum eigensolver
Eviden Quantum Lab（Eviden量子实验室）；CPHT, CNRS, Ecole Polytechnique, IP Paris（法国国家科学研究中心，巴黎综合理工学院，巴黎文理研究大学）
本研究利用张量网络预优化量子电路，缓解barren plateau问题，提升变分量子本征求解器在大系统中的能量精度和经典模拟效率。
2026-02-04 quant-ph
Non-zero noise extrapolation: accurately simulating noisy quantum circuits with tensor networks
针对高保真纠缠电路在低噪声区间难以用张量网络精确模拟的问题，本文提出非零噪声外推方法，通过添加噪声改善可模拟性并外推回目标区间。
2025-10-04 quant-ph
