[论文解读] LIQUi|>: A Software Design Architecture and Domain-Specific Language for Quantum Computing.

Dave Wecker, Krysta M. Svore|arXiv (Cornell University)|Feb 18, 2014

Quantum Computing Algorithms and Architecture参考文献 23被引用 153

一句话总结

LIQUi|⟩ 是一种嵌入在 F# 中的模块化、领域特定的量子编程语言，旨在支持在多种硬件后端上进行量子算法的高级开发、仿真与优化。它能够完整仿真至 14 量子比特规模的 Shor 算法（例如分解 8193），在仅使用 32 GB 内存的情况下实现 31 量子比特的仿真，涉及 700 万个门，通过先进的优化技术（如门增长和内存优化的线性代数）展示了可扩展的量子电路仿真能力。

ABSTRACT

Languages, compilers, and computer-aided design tools will be essential for scalable quantum computing, which promises an exponential leap in our ability to execute complex tasks. LIQUi|> is a modular software architecture designed to control quantum hardware. It enables easy programming, compilation, and simulation of quantum algorithms and circuits, and is independent of a specific quantum architecture. LIQUi|> contains an embedded, domain-specific language designed for programming quantum algorithms, with F# as the host language. It also allows the extraction of a circuit data structure that can be used for optimization, rendering, or translation. The circuit can also be exported to external hardware and software environments. Two different simulation environments are available to the user which allow a trade-off between number of qubits and class of operations. LIQUi|> has been implemented on a wide range of runtimes as back-ends with a single user front-end. We describe the significant components of the design architecture and how to express any given quantum algorithm.

研究动机与目标

• 设计一种模块化、可扩展的软件架构，以支持可扩展的量子算法开发。
• 提供一种嵌入在 F# 中的高级、领域特定语言，实现直观的量子线路编程。
• 在多种后端上实现量子线路的高效仿真、优化和硬件导出。
• 支持从算法编写到验证的端到端工作流，包括噪声建模和错误校正。
• 促进将带有经典控制的量子算法映射到特定的量子硬件架构上。

提出的方法

• 将量子领域特定语言（DSL）嵌入 F#，为量子操作提供类型安全、高级别的抽象。
• 采用模块化软件架构，将量子操作、线路操作、仿真和后端编译分离。
• 使用两种仿真后端：一种用于小规模线路的完整态矢量仿真，另一种用于大规模线路的振幅采样。
• 应用门增长技术，通过合并相邻的受控操作来减少门的数量，显著提升仿真性能。
• 支持将线路导出至外部工具和硬件编译，实现与量子仿真器和真实设备的互操作性。
• 集成经典控制逻辑，支持线路的伴随操作，从而实现复杂算法的模块化设计。

实验结果

研究问题

• RQ1 如何在像 F# 这样的通用函数式语言中嵌入一种高级、类型安全的量子编程语言？
• RQ2 哪些仿真技术能够实现在经典硬件上高效执行大规模量子电路？
• RQ3 如何系统性地应用量子线路优化（如门增长）以减少资源开销？
• RQ4 哪些架构模式能够实现量子软件栈的可扩展性和硬件无关性？
• RQ5 如何组合、验证并映射带有经典控制的量子算法以适配特定的量子硬件约束？

主要发现

• LIQUi|⟩ 已成功仿真了针对 14 位数字（8193）的 Shor 算法，该实例需要 31 个量子比特和 700 万个门，仅使用 32 GB 内存。
• 14 量子比特实例的仿真耗时 43,384 分钟（约 30.1 天），是当时量子仿真器中完全分解的最大数字。
• 门增长技术将每轮的门数从约 50 万个减少至 18,000 个，显著提升了仿真效率。
• 通过优化内存使用和数学包中更紧密的内层循环，13 位实例的仿真时间从 3 年缩短至 4 天。
• 该系统支持量子线路的端到端仿真、优化和导出，支持在多种硬件和软件平台上的验证与部署。
• LIQUi|⟩ 支持对约 30 个量子比特的量子线路进行可扩展仿真，证明了大规模算法开发的可行性。