[论文解读] Ancilla-free synthesis of large reversible functions using binary decision diagrams
本文提出了一种基于符号布尔表示（通过二叉决策图BDD）的无辅助位（ancilla-free）大规模可逆函数综合方法。通过利用BDD高效计算基于杨子群分解的控制函数，该方法实现了超过15个变量的可扩展综合——此前基于真值表的方法无法实现——并生成了门数更少、量子代价更低的紧凑电路。
The synthesis of reversible functions has been an intensively studied research area in the last decade. Since almost all proposed approaches rely on representations of exponential size (such as truth tables and permutations), they cannot be applied efficiently to reversible functions with more than 15 variables. In this paper, we propose an ancilla-free synthesis approach based on Young subgroups using symbolic function representations that can efficiently be implemented with binary decision diagrams (BDDs). As a result, the algorithm not only allows to synthesize large reversible functions without adding extra lines, called ancilla, but also leads to significantly smaller circuits compared to existing approaches.
研究动机与目标
- 解决现有无辅助位可逆函数综合方法因依赖真值表等指数规模表示而带来的可扩展性限制。
- 在不增加辅助位线的前提下，实现超过15个变量的可逆函数综合。
- 通过BDD的符号化操作，相比现有最先进方法，进一步减小电路规模与量子代价。
- 通过变量排序启发式方法支持部分函数，并提升综合质量。
- 提供基于BDD的方法与原始真值表方法的开源实现。
提出的方法
- 使用可逆函数的特征函数（以BDD表示）实现符号化操作。
- 基于特征函数的余因子（co-factors），利用杨子群结构进行分解，将函数表示为一系列单目标控制门的序列。
- 通过BDD操作（如存在量词和合取）符号化计算每个门的控制函数l和r。
- 应用变量排序启发式方法（如贪心法、汉明距离法）以最小化门数与电路代价。
- 通过扩展特征函数表示以处理未指定的输入-输出映射，支持部分函数。
- 使用单目标门进行电路综合，可映射为Toffoli门，最终电路为无辅助位且门数线性。
实验结果
研究问题
- RQ1BDD的符号化操作是否能够实现超过真值表方法15变量限制的大规模无辅助位可逆函数综合？
- RQ2使用BDD计算控制函数是否相比传统真值表方法生成更小的电路？
- RQ3不同变量排序启发式方法对生成的可逆电路规模与代价有何影响？
- RQ4所提方法能否扩展以处理部分可逆函数（即并非所有输入-输出映射均被指定）？
- RQ5在运行时间和电路规模方面，BDD方法在大规模可逆函数上的可扩展性如何？
主要发现
- 所提BDD方法成功实现了最多30个变量的可逆函数综合，显著超过真值表方法15变量的限制。
- 与现有最先进综合技术相比，该方法生成的Toffoli门数更少，量子代价更低。
- 运行时间随函数复杂度增加，但由于BDD表示的紧凑性，该方法对大规模函数仍具可行性。
- 贪心法变量排序启发式在电路规模与运行时间之间取得最佳平衡，多数情况下优于基于汉明距离的方法。
- 通过扩展特征函数表示，该算法支持部分函数，可在输入-输出映射不完整时进行综合。
- 实验评估表明，尽管在最坏情况下理论复杂度为指数级，但实际运行时间呈多项式增长，方法具有良好的可扩展性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。