量子编译突破：弧光量子团队连中三篇DAC顶会，直击量子编译三大环节

量子计算要真正走向实用，不只需要更好的算法，也需要更好的设计工具。算法回答的是“算什么”，而决定它能不能在真实硬件上跑起来的，是设计工具，也就是我们常说的量子编译器。它要回答的是“怎样把它高效地放到真实硬件上运行”。

近日，设计自动化领域顶级会议DAC 2026 落下帷幕。弧光量子团队共有三项工作被本届会议接收，分别聚焦CNOT线路最优综合、量子线路化简，以及中性原子平台上的量子纠错编译。

三项工作切入点不同，却指向同一个目标：让量子程序用更少的资源、更低的代价，在真实机器上运行得更好、更准确。

如果把量子编译看成一条工具链，三项工作恰好落在不同环节。第一项工作研究怎样为一段CNOT线路找到门数最优的实现；第二项工作研究怎样更快找到可以化简的局部结构；第三项工作则进一步面向中性原子具体硬件，同时安排量子比特的位置、移动和执行时间。三项工作在最好的情况下均达到了百倍的效率提升。

突破一：Lin-search，提速最高1000倍

CNOT门是量子线路中最常见的双比特门之一，也是当前硬件上较难执行的一类操作。它的错误率通常明显高于单比特门。因此，减少CNOT门，往往可以直接提高线路的运行质量。

很多编译器能找出“比较短”的线路，但给不出“最短”的保证，而弧光量子团队要做的正是精确综合，给定一个目标功能，找出CNOT门数最少的实现。

对此，团队回归最基本的算法，直接在CNOT线路空间中搜索，从而提出Lin-search。该算法巧妙引入了“距目标行数”与“需传递独立信息量（cut-rank）”双重下界剪枝机制，配合规范形式自动合并等价线路，精准剔除了海量无效搜索。

图：Lin-search从可证明的门数下界开始逐步增加预算。每扩展一个候选CNOT，两种下界剪枝会同时判断当前分支能否在预算内完成；规范形式另行合并等价线路。图中每个节点的小线路表示搜索到该节点时已经加入的CNOT。

结果显示，在一个4比特案例中，朴素搜索需要检查248832条五门线路。加入等价线路归并后，候选数量降至58032条；再加入信息流下界后，只剩2202条；两种下界剪枝与等价线路归并同时启用时，最终只需检查18条，并在0.27毫秒内找到最优实现。

在论文的随机测试中，测试实例最高覆盖15个量子比特和15个CNOT门。Lin-search在一台普通笔记本上、600秒时限内就能找到门数最优的实现，比Qiskit-SAT把可处理规模往前推了3个量子比特，中小规模加速能达到数百倍，最高大约1000倍。

此外，团队还把Lin-search放进真实的Clifford+T线路优化流程，专门重写其中连续的CNOT子线路。优化后的CNOT门数平均减少16%，最多减少26%，相同时间内未能完成的任务数量比Qiskit-SAT少了30%。

图：Lin-search与Qiskit-SAT在优化随机CNOT线路时的运行时间比较。X代表Lin-search，O代表Qiskit-SAT，纵轴为对数刻度。

这些结果表明，Lin-search具备进入实际量子线路优化流程的可行性。

突破二：超图方法，速度提升606倍

今天的量子硬件仍然容易受到噪声影响。线路越长、量子门越多，计算出错的机会就越大。因此，量子程序送入硬件之前，通常要先经过一轮线路化简。

但是，量子门并不总有唯一的排列顺序。一些门可以前后交换，却不会改变线路功能。如果完全忽略这种交换关系，就会漏掉许多优化机会。但如果枚举所有可能的顺序，搜索量又会迅速膨胀。

现有方法通常用一种特殊的有向无环图，也就是DAG，来处理这个问题。DAG会保留不能交换的门之间的依赖关系，却删去可交换门之间的连接。但该方法会将那些可以交换顺序的量子门变成孤立节点，导致算法在大规模线路中经常迷失，只能被迫进行极度耗时的“全图盲搜”。

弧光量子团队创新性地引入了“超图”表示法。通过将同一比特上作用方向相同的相邻门合并为“超级节点”，并利用“超边”补回跨比特连接，算法得以在局部邻域内精准向外扩展匹配。

这一思路转换带来了爆炸式的性能跃升。团队把这个方法和Qiskit里基于DAG的模板匹配器做了正面比较。

在随机线路上，两种方法最终删掉的量子门数量基本持平，但超图方法比完整的Qiskit匹配器快了15到65倍，比带启发式的版本快了11到29倍。

到了规模更大的算术测试里，优势就更明显了，一条包含2707个量子门、48个量子比特的测试线路，Qiskit方法大约需要三个半小时，超图方法只用了大约21秒，加速达到606倍。

图：超图方法与Qiskit在随机线路上的实验效果对比，优化后门数接近，消耗时间显著降低。

突破三：NEAT编译器，错误率直降95%

除了通用的线路优化，弧光量子团队还把目光锁定在了前沿“中性原子”硬件体系的量子纠错（QEC）编译上。

在中性原子平台上，辅助原子需要依靠光镊在阵列中不断穿梭移动来提取错误信息，但过去的编译器总是把量子门执行顺序和原子移动路径割裂开来优化，这就像分别设计公交时刻表和行车路线，导致移动时间大量冗余、误差增加。

基于此，团队提出中性原子编译器NEAT，把“数据原子放在哪里”“辅助原子怎样移动”“每个量子门在哪个并行时间步执行”放进同一个符号约束模型中求解。

模型的输入包括纠错码的校验矩阵，以及代表中性原子阵列的二维网格。校验矩阵告诉编译器：每个辅助原子需要访问哪些数据原子。具体访问顺序由求解器决定。求解器还会同时确定数据原子的固定坐标、辅助原子在每个时间步的位置，以及每个双比特门在哪个时间步执行。

图：一个表面码检查过程中的三轮并行移动。不同颜色代表不同辅助原子的访问路线；门的执行顺序和移动路线需要共同设计，才能在三轮移动内达到最小线路深度。

模型不仅要满足逻辑约束，还要满足硬件约束。只有当两个原子处于里德堡相互作用范围内，并且激光在该时间步开启时，对应的双比特门才能执行。不同原子不能占据同一个位置。多个辅助原子并行移动时，轨迹还要满足相对顺序和避碰要求。

而且，这类模型还存在大量“看起来不同、实际等价”的解。团队为此设计了两级对称性消除规则：先用较轻量的约束固定时间方向和空间方位，再对较难实例使用更严格的字典序约束。这样可以避免求解器反复探索同一类方案。

在剔除等价解后，NEAT的优化效果非常明显。以码距为7和13的两组表面码为例，已有编译器Enola分别需要58轮和177轮移动，NEAT都只需要3轮。在大规模的平面码测试中，它将原子的移动轮次从292轮压缩至仅需3轮，总移动距离缩短了一个数量级以上。

端到端逻辑错误率模拟更清晰显示，在同等噪声条件下，经NEAT编译的线路，其逻辑错误率降至此前优选方案（Enola）的约1/2到1/20，降幅最高达95%，真正意义上释放了中性原子量子纠错技术的底层潜力。

图：NEAT与Enola运行不同纠错码的错误提取线路。其中总移动距离为中性原子距离单位化后结果。

结语

从寻找门数最优实现的线路综合，到加速局部化简的线路优化，再到面向具体硬件的映射与调度，三项工作覆盖了量子设计自动化中的不同环节。它们没有改变量子算法本身，而是在回答一个同样重要的问题：怎样让算法以更低的成本走向真实机器。

随着量子硬件规模继续扩大，这类编译与设计工具的重要性还会进一步上升。更快的搜索、更少的量子门，以及更贴近硬件特性的执行方案，将共同决定量子计算能够走多远。