FTCircuitBench

FTCircuitBench是由太平洋西北国家实验室等机构联合开发的量子计算基准套件，旨在为容错量子编译研究提供标准化评估工具。该数据集包含量子算法在Clifford+T和Pauli基计算模型中的预编译实例，支持模块化端到端流程，允许用户针对不同容错架构进行编译优化。数据集通过GitHub开源，提供算法性能的详细数值分析，主要应用于量子误差校正、逻辑门优化及量子架构设计等领域，为量子计算资源估算和编译策略比较提供关键基准。

FTCircuitBench is a quantum computing benchmark suite jointly developed by the Pacific Northwest National Laboratory and other institutions, aiming to provide standardized evaluation tools for fault-tolerant quantum compilation research. This dataset contains pre-compiled instances of quantum algorithms under the Clifford+T and Pauli-based computational models, supports modular end-to-end workflows, and allows users to perform compilation optimizations targeting different fault-tolerant architectures. The dataset is open-sourced via GitHub, providing detailed numerical analysis of algorithm performance. It is mainly applied in fields such as quantum error correction, logic gate optimization, and quantum architecture design, serving as a key benchmark for quantum computing resource estimation and compilation strategy comparison.

原始信息汇总

FTCircuitBench 数据集概述

数据集名称

FTCircuitBench

核心用途

用于容错电路基准测试，支持基于Clifford+T的综合与基于泡利的计算（PBC）。

数据集内容与结构

• 输入电路：位于 qasm/ 目录中。
• 基准测试输出：位于 circuit_benchmarks/ 目录中。
• 统计数据输出：位于 circuit_stats_output/ 目录中，格式为JSON。
• Clifford+T电路输出：位于 clifford_t_output/ 目录中，格式为QASM。
• PBC相关输出：位于 pbc_output/ 目录中。

工具与接口

• 命令行接口（单电路分析）：通过 analyze_circuit.py 脚本实现。
• 命令行接口（批量基准测试）：通过 generate_benchmarks.py 脚本实现。
• 交互式演示：通过 FTCircuitBench_Pipeline_Demo.ipynb Jupyter Notebook 提供。

主要功能与参数

• 支持的分析流程：--pipeline 参数可选 gs、sk 或 both。
• Gridsynth精度控制：通过 --gridsynth-precision N 参数设置。
• PBC优化：通过 --optimize-pbc 参数启用。
• 其他参数包括 --sk-recursion N、--layering-max-checks K、--optimize-t-maxiter N、--skip-fidelity、--max-workers N。

使用示例

1. 分析单个电路（启用GS流程和PBC）： bash python analyze_circuit.py qasm/qft/qft_18q.qasm --pipeline gs --gridsynth-precision 5

2. 生成批量基准测试： bash python generate_benchmarks.py

技术依赖

• Python 3.8 或更高版本。
• nwqec 库（用于快速的Gridsynth/PBC，使用 fuse_t）。
• 可选的 gridsynth 二进制文件（置于PATH中，供Python回退方案使用）。

搜集汇总

数据集介绍

构建方式

在容错量子计算领域，构建标准化的基准电路对于评估编译策略与架构设计至关重要。FTCircuitBench的构建过程始于对一系列具有实际影响力的量子算法进行筛选，涵盖量子模拟、量子算术与量子傅里叶变换等关键领域。这些算法首先被编译为包含连续角度旋转门（如Rz(θ)）的中间表示，随后通过两种主流分解方法——Gridsynth算法与Solovay-Kitaev算法——转化为Clifford+T门集下的逻辑电路。其中，Gridsynth以指定精度ϵ实现近乎最优的T门数量，而Solovay-Kitaev则通过递归深度调节提供可配置的近似基准。进一步地，这些Clifford+T电路可通过基于表格形式的编译规则，系统地将所有Clifford门吸收至测量基中，从而转换为Pauli Based Computation（PBC）模型下的电路表示。整个流程通过模块化的端到端管道实现，支持用户自定义优化过程与多精度参数调节，确保了数据集的广泛适用性与可重复性。

特点

FTCircuitBench作为一套综合性基准套件与工具包，其核心特点体现在多模型支持与多层次分析能力上。该数据集不仅提供了在Clifford+T和Pauli Based Computation两种主流容错计算模型下预编译的量子算法实例，还集成了完整的编译管道，允许用户针对不同容错架构进行算法编译与分解。在表征层面，数据集引入了丰富的量化指标，包括对Clifford+T电路的保真度估计、门计数统计、交互图模块性分析以及T门时空分布的可视化；对于PBC电路，则提供了Pauli权重分布、操作数优化度量及交互图密度等深度分析工具。这些指标共同揭示了算法在编译过程中的结构特性与资源需求，为架构协同设计提供了直观依据。此外，数据集完全开源并持续维护，确保了其作为社区基准资源的可靠性与时效性。

使用方法

研究人员可通过FTCircuitBench的Python接口便捷地接入其分析流程。使用方式主要包括两种模式：其一是针对单一电路的交互式分析，用户提供QASM格式的算法文件，并可选配编译精度或递归深度等参数，工具将自动完成Clifford+T转换、PBC编译及优化，并输出详细的电路统计与可视化结果；其二是面向大规模基准测试的批处理模式，系统可对内置算法库中的所有电路进行多参数扫描，生成结构化的结果目录与对比摘要。此外，核心分析函数均以模块化形式暴露，支持高级用户将其集成至自定义脚本或工作流中。通过该工具，用户能够系统评估不同编译策略在容错开销上的影响，探索算法结构在不同计算模型下的表现，并为特定量子纠错码的架构设计提供定量决策支持。

背景与挑战

背景概述

量子计算在迈向大规模实用化进程中，容错量子计算（FTQC）被视为实现量子优势的关键路径。由太平洋西北国家实验室等机构的研究团队于2026年提出的FTCircuitBench数据集，旨在为容错量子编译与架构研究提供标准化基准。该数据集聚焦于量子纠错（QEC）背景下的逻辑操作编译问题，通过集成Clifford+T与Pauli Based Computation（PBC）两种主流计算模型，为算法编译、资源评估及架构协同设计提供统一平台。其核心贡献在于将高层量子算法转化为适用于表面码、Bivariate Bicycle码等纠错架构的逻辑电路表示，从而推动编译工具链的演进与优化。

当前挑战

FTCircuitBench致力于解决容错量子编译领域的双重挑战：其一，在算法编译层面，需应对将连续旋转门精确分解为有限Clifford+T门序列的复杂度，同时管理PBC模型中高权重Pauli算子测量带来的执行开销；其二，在数据集构建过程中，面临多阶段编译流水线的协同设计难题，包括不同精度参数（如Gridsynth分解精度与Solovay-Kitaev递归深度）的耦合影响，以及避免低精度编译导致电路平凡化的陷阱。此外，数据集需平衡基准电路的标准化与可扩展性，以支持跨模型、跨架构的公平性能对比。

常用场景

经典使用场景

在容错量子计算领域，FTCircuitBench作为基准测试套件，其经典使用场景聚焦于评估不同容错编译策略与架构设计的性能表现。该数据集通过提供预编译的量子算法实例，支持Clifford+T和Pauli Based Computation两种主流计算模型，使研究人员能够系统分析算法在表面码与高率qLDPC码等纠错架构下的资源开销。例如，在量子模拟任务中，用户可借助该工具量化T门数量、泡利算符权重分布等关键指标，从而为编译优化与硬件协同设计提供实证依据。

实际应用

在实际应用层面，FTCircuitBench可作为量子软硬件协同设计的关键工具链组件。研发团队可利用其模块化流水线，将量子化学模拟、线性系统求解等算法映射至具体容错架构，并评估空间-时间资源消耗。例如，在表面码处理器设计中，该工具能预测晶格手术的通信开销；而在基于Gross码的系统中，则可优化泡利测量序列的调度策略。这些能力直接支撑了量子计算原型机与编译器的工程化开发。

衍生相关工作

围绕FTCircuitBench衍生的经典工作主要集中于编译优化与架构探索方向。例如，Litinski等人基于泡利计算模型发展了晶格手术的资源优化框架；Gidney团队提出的魔法态培育技术显著降低了T门制备开销。同时，该数据集启发了跨层编译研究，如Wang等人开发的表格化编译框架实现了Clifford+T到PBC电路的高效转换。这些工作共同构成了容错量子编译领域的方法学谱系。