quantum-compilation-and-programming

Neura Parse量子编译与编程数据集是一个专注于量子软件和编译堆栈的多格式数据集，旨在支持量子计算感知AI系统的研究与开发。该数据集涵盖了将抽象量子电路和酉矩阵转换为设备可执行程序的完整流程，包括电路合成与酉分解（如Euler/ZYZ、KAK/Cartan、Solovay-Kitaev、数值合成）、转译到原生门集、在连接性约束下的量子位布局/映射与路由（如SABRE、VF2）、电路优化（如窥孔优化、对易、模板匹配、块重合成、Clifford优化、ZX演算/T计数减少）、调度与定时（如ASAP/ALAP、动态去耦插入）、脉冲级编译（OpenPulse/defcal）、中间表示（OpenQASM 3、QIR）以及量子编程语言和DSL（如Qiskit transpiler、tket/pytket、Q#）。数据集还包含电路等价性检查/验证和资源估计内容，并更新至2025-2026年的工具生态（如Qiskit SDK 2.x、pytket 2.x）。数据集包含14,661条记录，混合了指令/响应对、开放式和多选问答、可运行代码任务以及百科全书式概念条目，适用于监督微调、评估/基准测试和持续预训练。记录按类型分为概念（3,468条）、开放式问答（3,293条）、代码（2,682条）、多选问答（2,571条）、指令（1,899条）和语料库（748条）；按难度分为入门（6条）、本科（3,010条）、研究生（9,742条）和研究（1,903条）。每个记录共享通用元数据字段（如id、domain、record_type等）和特定记录类型字段。数据来源包括专家策划的研究分类法、LLM合成以及基于2025-2026年arXiv和官方文档的确定性合成生成，并经过严格的质量门控验证（如代码可执行性、事实准确性）。数据集旨在用于AI模型训练，但请注意合成记录可能包含错误，不应视为权威科学参考。The Neura Parse Quantum Compilation and Programming Dataset is a multi-format dataset focused on quantum software and compilation stacks, designed to support research and development of quantum computing-aware AI systems. It covers the complete workflow from abstract quantum circuits and unitary matrices to device-executable programs, including circuit synthesis and unitary decomposition (e.g., Euler/ZYZ, KAK/Cartan, Solovay-Kitaev, numerical synthesis), translation to native gate sets, qubit layout/mapping and routing under connectivity constraints (e.g., SABRE, VF2), circuit optimization (e.g., peephole optimization, commutation, template matching, block resynthesis, Clifford optimization, ZX-calculus/T-count reduction), scheduling and timing (e.g., ASAP/ALAP, dynamic decoupling insertion), pulse-level compilation (OpenPulse/defcal), intermediate representations (OpenQASM 3, QIR), and quantum programming languages and DSLs (e.g., Qiskit transpiler, tket/pytket, Q#). The dataset also includes circuit equivalence checking/verification and resource estimation, updated to the 2025-2026 tool ecosystem (e.g., Qiskit SDK 2.x, pytket 2.x). It contains 14,661 records, mixing instruction/response pairs, open-ended and multiple-choice Q&A, runnable code tasks, and encyclopedic concept entries, suitable for supervised fine-tuning, evaluation/benchmarking, and continuous pre-training. Records are categorized by type into concepts (3,468), open-ended Q&A (3,293), code (2,682), multiple-choice Q&A (2,571), instructions (1,899), and corpus (748); and by difficulty into beginner (6), undergraduate (3,010), graduate (9,742), and research (1,903). Each record shares common metadata fields (e.g., id, domain, record_type) and type-specific fields. Data sources include expert-curated research taxonomies, LLM synthesis, and deterministic synthesis from 2025-2026 arXiv and official documentation, with rigorous quality gate validation (e.g., code executability, factual accuracy). The dataset is intended for AI model training, but note that synthetic records may contain errors and should not be considered authoritative scientific references.

原始信息汇总

数据集概述：Neura Parse — Quantum Compilation & Programming

基本信息

• 数据集ID: Neura-parse/quantum-compilation-and-programming
• 版本: v3.1.0
• 行数: 115,025
• 数据分割: train、test
• 数据格式: Parquet
• 许可证: CC BY 4.0
• 语言: 英语
• 主要来源字段: source_url

数据集类型与用途

本数据集为多格式、来源可验证的研究数据集，包含以下记录类型：

记录类型	数量	内容	最佳用途
qa_open	33,061	开放式量子问题与解答	推理评估、RAG答案生成、辅导
code	25,609	可执行的量子/软件任务	代码生成、代码审查、工具使用评估
instruction	22,991	指令与回答对	监督微调、助手行为塑造、任务遵循
qa_mcq	22,849	多项选择题及解答说明	基准测试、评分、对比评估
concept	10,400	结构化概念条目	词汇表、检索、课程构建
corpus	115	预训练风格的技术文本	继续预训练和基于来源的上下文

内容覆盖范围

涵盖量子软件/编译栈的核心主题，包括：

• 电路合成与酉分解：Euler/ZYZ分解、KAK/Cartan分解、Solovay-Kitaev算法、Ross-Selinger gridsynth、BQSKit数值合成
• 转译、映射与路由：面向本机门集的基变换、基于连通性约束的量子比特布局/映射/路由（SABRE、VF2、SWAP插入）
• 电路优化：窥孔优化、交换规则、模板匹配、块重合成、Clifford优化、ZX-calculus/T-count约简
• 调度与脉冲编译：ASAP/ALAP调度、动态解耦插入、OpenPulse/defcal脉冲级编译
• 中间表示与语言：OpenQASM 3、QIR、Qiskit transpiler、tket/pytket、Q#、Quipper、Silq、Guppy
• 验证与资源估算：电路等价性检查/验证、逻辑和物理资源估算

难度分布

• 本科生级：25,371条
• 研究生级：77,841条
• 研究级：11,813条

数据模式

每条记录包含公共字段：id、domain、record_type、category、topic、subtopics、difficulty、language、source、source_url、license、tags、provenance、quality、metadata

各记录类型的特定字段：

• qa_open: question、answer
• code: prompt、code、expected_output
• instruction: prompt、response
• qa_mcq: question、choices、answer、answer_index
• concept: term、definition
• corpus: text

数据来源与质量控制

• 2026年来源验证版本，每条记录均携带source_url来源证明
• 所有代码在指定框架版本（Qiskit SDK 2.x、pytket 2.x、PyZX、BQSKit、Microsoft QDK）上可执行，无已弃用API
• 关于工具、版本和默认值的事实声明均追溯至权威来源，且更新至2025-2026年
• QA_MCQ项有且仅有一个正确答案、4个选项、合理的干扰项和解答说明
• 无重复或近似重复的提示
• 难度标签与实际内容深度一致

推荐工作流程

• 面向量子计算助手的监督微调
• 量子推理的多项选择和开放式问答评估
• 基于来源的量子与量子AI主题的检索增强生成
• 量子代码生成与代码评估工作流
• 基于结构化、来源可验证技术文本的继续预训练

搜集汇总

数据集介绍

构建方式

该数据集由Neura Parse团队精心构建，依托其自主研发的neuraparse-datasets框架，以专家生成与来源验证为核心策略。所有115,025条记录均源自权威技术文献与工具文档，每条数据均携带可追溯的source_url源链接，并通过严格的模式验证、去重、arXiv-ID校验及代码编译执行等多重质量门控。数据集涵盖训练与测试两个切分，以Parquet格式存储，便于高效加载与处理，旨在为量子编译与编程领域提供结构化、高质量的研究资源。

特点

该数据集以多格式、多维度著称，集成了六大记录类型：包括可执行代码任务、结构化概念条目、技术语料文本、指令-回答对、多项选择问答以及开放式问答。主题覆盖从酉分解与量子电路综合、量子比特映射与路由、电路优化与简化，到脉冲级编译、中间表示及资源估计等量子软件栈全链路。每条记录均附有元数据标签、难度分级及来源证明，确保数据既适合监督微调，也能支撑检索增强生成或持续预训练等多样化研究需求。

使用方法

研究者可通过HuggingFace的datasets库轻松加载该数据集，支持按记录类型或难度进行过滤与抽样。例如，可提取qa_mcq子集用于推理基准评测，或筛选code子集进行代码生成与工具使用评估。数据集设计兼顾静态加载与流式处理，适合在模型微调、问答评估、检索增强生成及课程构建等场景中灵活运用。同时，所有代码记录均已预编译通过指定框架版本，确保在执行时无兼容性障碍。

背景与挑战

背景概述

量子编译作为量子计算从理论走向实践的关键桥梁，面临将抽象量子线路转化为可在真实噪声器件上高效执行的程序的严峻挑战。由Neura Parse研究团队于2026年发布的量子编译与编程数据集（v3.1.0），汇集了115,025条经过专家生成和来源验证的高质量数据，涵盖线路合成、门集转译、量子比特映射与路由、电路优化、调度与脉冲编译、中间表示与量子编程语言、等价性验证及资源估算等核心主题。该数据集依托Qiskit SDK 2.x、pytket 2.x、PyZX、BQSKit等前沿工具链，旨在为监督微调、基准评估、检索增强生成及持续预训练提供坚实的数据基础，对推动量子编译器智能化研究具有重要影响力。

当前挑战

该数据集所解决的领域问题挑战在于：量子硬件拓扑高度受限且错误率较高，使得从通用量子线路到设备可执行程序的转译过程极为复杂，需要在门集适配、量子比特布局、路由优化和深度压缩之间寻求精确平衡，而底层物理噪声与退相干效应又加剧了编译优化与验证的难度。在数据集构建过程中，挑战则体现为：确保每个代码示例在指定框架版本上正确编译执行，消除已弃用API；为多项选择题设计唯一正确选项与有说服力的干扰项；数学上精确陈述门数及复杂度断言；维持跨记录类型的无重复提示，以及严格限定领域范围以避免与相邻数据集内容重叠。

常用场景

经典使用场景

在量子编译与编程领域，该数据集为将抽象量子线路转化为可在实际量子设备上执行的程序提供了全面的基准平台。它涵盖了从幺正分解与电路综合（如欧拉角分解、KAK/Cartan分解、Solovay-Kitaev算法及网格合成），到面向特定量子门的基门编译、量子比特布局映射与路由（如SABRE、VF2算法及SWAP门插入），再到线路优化（如窥孔优化、对易性模板匹配、Clifford群优化及ZX演算图简化）等经典任务。数据集中丰富的代码示例与多格式问答记录，使其成为训练和评估量子编译器模型的核心资源。

实际应用

实际部署中，该数据集支撑起一套从理论到工程的量子软件栈开发流程。计算化学模拟、组合优化求解与量子机器学习等应用场景，可借助数据集中的线路综合与路由案例，直接生成适用于NISQ或容错设备的可执行程序。同时，数据集提供的指令与问答对可作为量子编译助手或大规模语言模型微调的语料，降低量子程序员在工具链使用、中间表示转换与脉冲级编译环节的学习壁垒，加速量子算法的工程转化。

衍生相关工作

围绕该数据集，衍生出一系列推动量子编译工具链升级的标志性工作。例如，基于数据集内SABRE与VF2路由算法的描述与代码示例，研究者提出了改进的启发式映射策略；ZX演算与T计数优化部分的样例，催生了更高效的图重写规则与量子线路等价性检查工具。此外，数据集中的OpenQASM 3与QIR中间表示内容，直接影响了跨编译器兼容性测试与新型量子编程语言（如Guppy、Silq）的设计验证，进一步巩固了其作为量子编译研究起点的地位。