相位 gadget(phase gadget) 是量子化学与模拟线路里无处不在的部件:在 ZX 演算里它只是一个带相位的蜘蛛,对角本性一目了然——编译器因此可以自由重排、合并 gadget,并把 CNOT 深度从 的阶梯压到 的平衡树。

问题背景

变分量子本征求解(VQE)的幺正耦合簇(UCC)拟设、Trotter 化的模拟步,主体都是一长串 Pauli 旋转 ( 为 Pauli 串)。朴素实现每个旋转要用 CNOT 阶梯把奇偶校验聚到一个比特, 比特 Pauli 串的阶梯深达 ;整条线路的深度与两比特门数随 Pauli 串数线性堆叠,很快超出噪声器件的承受力 Cowtan 2020。

许多线路优化工作聚焦 T-count,但若目标是含噪声硬件上的变分算法,更贴身的指标是总深度与两比特门数——这正是相位 gadget 方法的主攻方向。它属于”高阶化简”:先在 ZX 演算的图形层面把整段电路理解为 gadget 网络,再用对角结构允许的自由度重排,最后才落到门级 Cowtan 2020。

t|ket⟩ 编译器(Cambridge Quantum)的方法是:不要逐个实现相位 gadget,而是把整段线路变换成 gadget 图形,在 ZX 演算中化简,最后再一次性译回 CNOT 与单比特门 Cowtan 2020。

理论模型

定义与 ZX 表示

称 ()为一个 比特相位 gadget。它是对角门,功能只由”相位多项式” 描述( 为奇偶函数)。在 ZX 演算中, 表示为一个相位为 、带 条臂的 Z-蜘蛛(所有被作用的比特各接一臂),不需要展开成任何 CNOT 结构。由此立刻得到两个关键性质:

  1. 对称性:gadget 在比特置换下不变——综合时有充分自由选择 CNOT 的布线;
  2. 可加性:支撑集相同的 gadget 相位直接相加(蜘蛛融合规则)。

阶梯与平衡树

把一个 比特 gadget 译回电路:朴素的 阶梯需要深度 ;改用平衡二叉树布线,深度降为 ,而 CNOT 总数不变(恒为 )——省的是深度,并把更多 CNOT “暴露”给相邻化简 Cowtan 2020。分解律给出了 gadget 的规范综合方式,但 ZX 视角的更大红利在别处:gadget 网络中相位可以自由”流动”,Clifford 电路可以穿过 gadget 对易,这些重写在门级语言里极难发现,在图上却是一两条重写规则。

相邻 gadget 的合并

两支 Pauli 串若共享长的公共后缀/子串,其 gadget 的 CNOT 前缀可以共享:设最大公共子串长为 ,朴素实现需 个 ,公共子串每共享一比特省 2 个门;相邻 Pauli gadget 的”剥离公共比特”规则每次应用净省 2 个 。UCC 拟设中湮灭/产生算符天然成对出现,公共子串极长,收益可观 Cowtan 2020。

Clifford 化简与对易规则

gadget 之间的 Clifford 电路并非死区:t|ket⟩ 应用一组对易与 Clifford 重写规则,包括削减任意一对 门的规则,以及当两支 gadget 在交集比特上一个以 相接、一个以 相接时的交集聚缩规则——后者能把 gadget 对的交集规模缩到 2 以下,使它们变成”近对角”而可进一步合并 Cowtan 2020。这些规则全部有 ZX 演算背景,与PyZX 与图论化简中的图重写同源,区别只在代价函数:这里优化的是 深度而非总蜘蛛数。

方法与实现

t|ket⟩ 的相位 gadget 流水线:

  1. 把输入电路解析成 Clifford 核心与 gadget 集合(gadget 之间允许 Clifford 电路隔开);
  2. 在 ZX 表示中应用对易规则与 Clifford 化简(含从 PyZX 与图论化简借鉴的规则),合并、消去 gadget;
  3. 以深度/连通性为代价函数重新综合 gadget:平衡树布线、相邻 gadget 的 对齐;
  4. 输出 CNOT + 单比特门电路。

几点工程细节值得注意。

  1. 分解律与布线自由度:分解律给出 gadget 的”规范”综合方式,但平衡树形式不唯一——布线自由度留给编译器,依据 gadget 所处的电路上下文做选择,例如把相邻 gadget 的 对齐在相同比特对上,为后续化简暴露合并机会 Cowtan 2020。
  2. 深度优先:重综合以 深度(而非数量)为主目标:平衡树把 gadget 内部的临界路径从线性压到对数,同时让更多 暴露在树的外层,可能被相邻 gadget 的化简吸收。
  3. 与后端解耦:整套流程是纯电路优化,不含架构约束;面向具体硬件还需后端的布局与路由(如布局映射与长程交互利用)。

化学基准结果(H₂、LiH、CH₂ 等,JW/Parity/Bravyi-Kitaev 映射,至多 10 小时每电路):t|ket⟩ 平均削减两比特门()(Qiskit 优化 1 级 、PyZX full_reduce ),两比特深度平均削减 (Qiskit 、PyZX );最大算例 H₂_JW_ccpvtz 从 341 280 降至 115 376 个 Cowtan 2020。一个 H₂ 例子里,gadget 重综合加 Clifford 化简把两比特门从 12 降到 10、对应深度同步下降。

基准电路由 Qiskit Chemistry 包生成、QASM 公开,对比对象为 Qiskit 优化 1 级(更高优化级别当时被发现不保语义,故未采用)、PyZX 的 full_reduce 与 t|ket⟩;部分大算例因所有实现都有运行时扩展问题而超时。作者指出上述百分比在大电路上有进一步改善空间,因为线性阶梯到平衡树的替换效应随规模放大,而相邻 Pauli gadget 的剥离规则尚未计入 Cowtan 2020。

与中性原子平台的关联

相位 gadget 对中性原子有双重意义。其一,gadget 本身是里德堡原生操作:奇偶相位门家族 (见奇偶相位门与原生多体门)由阻塞约束下的全局里德堡脉冲直接实现, 可达比特阵列全域——Walsh 展开视角(见对角线路综合)下,一个多体相位就是一个 Walsh 项,CNOT 树完全免掉。对噪声器件,“一个 体相位 = 一次原生脉冲”与” 体相位 = 个两比特门 + 单比特层”的差距,正是浅深综合想抹平、而里德堡平台天然消掉的差距。其二,gadget 的 ZX 表示是多控相位门综合识别对角结构的出发点:在中性原子原生门集上,“译回 CNOT”这一步可整体替换为”译回 门”,浅深综合从降低 CNOT 深度升级为降低全局里德堡脉冲数。

参数与量级

量数值来源
比特 gadget 阶梯深度Cowtan 2020
比特 gadget 平衡树深度( 数不变 )Cowtan 2020
化学基准 削减平均 (Qiskit 、PyZX )Cowtan 2020
化学基准深度削减平均 (Qiskit 、PyZX )Cowtan 2020
最大算例 H₂_JW_ccpvtz 个 Cowtan 2020
LiH_JW_631g 个 Cowtan 2020
相邻 gadget 剥离规则每次应用净省 2 个 Cowtan 2020
基准设置Qiskit Chemistry 生成,每电路至多 10 小时Cowtan 2020
H₂ 示例两比特门 ,深度同步下降Cowtan 2020

与其他概念的关系

参考文献

  • A. Cowtan, S. Dilkes, R. Duncan, W. Simmons, et al., “Phase Gadget Synthesis for Shallow Circuits”, Electron. Proc. Theor. Comput. Sci. 318 (2020). NA103 · DOI 10.4204/EPTCS.318.13