QUBIKOS

QUBIKOS是一个量子布局合成基准数据集，由加州大学洛杉矶分校和哈佛大学的研究人员创建。该数据集包含具有已知最优非零SWAP计数的量子电路，旨在评估量子布局合成工具的性能，特别是在插入SWAP门方面的性能。QUBIKOS通过构建具有特定SWAP需求的电路段，并确保这些段在最终电路中按顺序执行，来提供对QLS工具的全面评估。数据集的构建考虑了量子电路映射到物理量子处理器时的硬件连接性约束，并为未来的QLS工具开发提供了有价值的见解。

QUBIKOS is a quantum layout synthesis benchmark dataset created by researchers from the University of California, Los Angeles (UCLA) and Harvard University. This dataset contains quantum circuits with known optimal non-zero SWAP counts, and is designed to evaluate the performance of quantum layout synthesis tools, particularly their efficacy in inserting SWAP gates. QUBIKOS provides comprehensive assessments for Quantum Layout Synthesis (QLS) tools by constructing circuit segments with specific SWAP-related requirements and ensuring these segments are executed sequentially in the final circuit. The dataset construction takes into account hardware connectivity constraints during the mapping of quantum circuits to physical quantum processors, and offers valuable insights for the future development of QLS tools.

搜集汇总

数据集介绍

构建方式

QUBIKOS数据集的构建方式是通过生成具有已知最优SWAP计数的量子电路，这些电路具有非平凡的电路结构。首先，生成n个电路段，每个段在所有可能的映射下都需要恰好一个SWAP门，这意味着交互图与任何GC的子图都不同构。然后，在交互图之间和内部构造门依赖关系，并强制执行不同交互图中的门按序列执行。最后，可以在不影响最优SWAP门计数的情况下插入额外的门，以允许任意的电路结构，使其更具挑战性。

特点

QUBIKOS数据集的特点包括具有已知最优SWAP计数的电路，以及非平凡的电路结构。这使得QUBIKOS能够量化现有量子布局合成（QLS）算法的优化差距，例如IBM的LightSabre算法的优化差距为63倍，ML-QLS算法的优化差距为117倍。此外，QUBIKOS还提供了对未来QLS工具发展的有价值的见解，例如通过分析LightSABRE中的一个次优案例。

使用方法

QUBIKOS数据集的使用方法包括评估现有QLS工具的性能，以及指导未来QLS工具的开发。通过对QUBIKOS电路的评估，可以量化QLS工具的优化差距，从而确定工具的性能。此外，通过对次优案例的分析，可以发现QLS工具的潜在改进点，从而指导未来QLS工具的开发。

背景与挑战

背景概述

量子布局合成(QLS)是超导量子计算机量子程序编译中的关键步骤，涉及插入SWAP门以满足硬件连接约束。QUBIKOS数据集由加州大学洛杉矶分校计算机科学系和哈佛大学的Shuohao Ping、Wan-Hsuan Lin、Daniel Bochen Tan和Jason Cong于2025年创建，旨在提供一个具有可证明最优SWAP计数的基准集，以评估QLS工具的性能。该数据集填补了现有基准集的空白，允许对QLS算法的SWAP门使用进行量化评估，并揭示了现有QLS工具的优化差距。QUBIKOS的数据集不仅为评估QLS工具提供了一个框架，也为未来QLS工具的发展提供了宝贵的见解。

当前挑战

QUBIKOS数据集面临的挑战包括：1) 评估领域问题：在超导量子计算机中，由于有限的量子比特连接性，需要插入SWAP门来实现电路中的任意两量子比特门，这增加了电路的大小和深度，从而降低了整体保真度。因此，最小化插入的SWAP门数量是QLS的主要目标。2) 构建过程中的挑战：QUBIKOS数据集的构建需要生成具有非平凡电路结构和可证明最优SWAP计数的基准集，这对于现有算法来说是一个复杂的任务。此外，随着量子比特数量的增加，现有的QLS工具的性能会下降，需要进一步开发更高效的QLS工具来充分利用大型系统的能力。

常用场景

经典使用场景

QUBIKOS数据集作为量子布局综合（QLS）工具评估的标准，其经典使用场景在于评估不同量子布局综合算法在实现最佳SWAP门数方面的性能。通过对具有已知最优SWAP计数的量子电路进行布局，可以量化现有QLS工具的优化差距，从而推动QLS领域的研究和发展。

解决学术问题

QUBIKOS数据集解决了现有量子布局综合工具缺乏具有已知最优SWAP计数的基准的问题。通过提供这样的基准，研究者可以更准确地评估不同QLS工具的性能，并量化它们与最优解之间的差距。这有助于识别现有工具的局限性，并为开发更高效的QLS算法提供方向。

衍生相关工作

QUBIKOS数据集的引入促进了量子布局综合领域的进一步研究。基于QUBIKOS的评估结果，研究人员可以深入分析现有QLS算法的性能，并提出改进策略。此外，QUBIKOS还为开发新的量子布局综合工具提供了参考，这些工具可以针对不同的量子计算架构和电路特点进行优化。