《IT Professional》：Improving Quantum Resource Usage Through Automated Circuit Scheduling
编辑推荐：
本研究针对当前量子计算机任务执行序列化导致的资源利用率低、等待时间长、成本高等问题，开发了名为AutoScheduler的自动调度库。该库通过复制量子电路以充分利用量子处理器的可用量子比特，从而在保持结果保真度的前提下，显著减少了每次执行所需的shots数量，优化了硬件使用。实验在IBM Quantum和Amazon Braket平台上验证了该方法可大幅降低执行时间和成本，证明自动电路调度是提升NISQ时代量子计算可扩展性与效率的有效途径。
想象一下，你有一台性能强大的超级计算机，但每次只允许一个人运行一个程序，其他人必须排队等待，即使这个程序只用了一小部分计算资源。这种资源浪费和效率低下的场景，正是当前基于云服务的量子计算机所面临的现实困境。在嘈杂中型量子（Noisy Intermediate-Scale Quantum, NISQ）时代，量子计算机作为一种稀缺且昂贵的资源，其执行模式却仍停留在串行任务处理上。开发者将量子电路提交到云端队列，这些任务一个接一个地执行，即使单个电路只用了量子处理器中很小一部分量子比特，整个机器的资源也会被独占。这导致了漫长的等待时间、高昂的执行成本，以及整体硬件资源的严重利用不足。随着量子计算需求的激增，这种低效模式已成为阻碍其规模化应用的关键瓶颈。
为了解决这一核心问题，一项发表于《IT Professional》的研究提出了一种创新的自动化调度方法，并开发了名为AutoScheduler的开源库。该研究旨在通过“电路调度”（circuit scheduling）的概念，将尽可能多的电路合并成一个复合电路，直至用满或接近目标量子处理器的最大可用量子比特数，从而“填满”量子硬件的算力空间。这好比将多辆小汽车合并成一列火车，一次性运载更多乘客，极大提升了运输效率。研究团队在IBM Quantum和Amazon Braket两大主流云平台上进行了广泛的实验验证，结果表明，自动调度不仅能大幅降低执行时间和成本，而且对结果保真度的影响在可接受范围内，为提升NISQ时代量子计算的资源利用效率和可扩展性提供了切实可行的技术方案。
为开展这项研究，研究人员主要运用了以下几项关键技术方法：1）开发了AutoScheduler库，其核心算法能够根据输入的原电路、最大可用量子比特数、总测量次数（shots）和量子服务提供商，自动生成一个复合电路；2）利用量子电路转译（transpilation）过程，在提供商的标准流程之前，预先为每个电路副本分配要使用的物理量子比特；3）采用了逆向的“解调度”（unscheduling）方法，通过算术求和聚合所有电路副本的执行结果，以重构出原始电路的统计分布；4）在验证实验中，从公认的MQT Bench基准测试集中选取了包括伯恩斯坦-瓦齐拉尼（Berstein-Vazirani）、格罗弗（Grover）、量子傅里叶变换（Quantum Fourier Transform, QFT）、量子相位估计（Phase Estimation, PE）等在内的13种具有不同复杂度、深度和应用领域的量子算法进行测试；5）为评估噪声影响，使用了Hellinger距离、总变分距离（Total Variation Distance, TVD）和Jensen-Shannon散度（Jensen-Shannon Divergence, JSD）三种统计距离度量来量化调度前后结果概率分布的差异。
研究结果
- •
验证设计：研究在IBM的“Eagle”、“Heron r1”和“Heron r2”（分别拥有127、133和156个超导量子比特）以及亚马逊的“IONQ Forte-Enterprise-1”（36个离子阱量子比特）处理器上进行了测试。所选算法电路平均使用约10个量子比特，与当前云平台上实际工作负载的平均使用量（约10.5个）相符，shots数设置在1000到20000之间，确保了测试的广泛性和代表性。
- •
结果与讨论：实验从噪声影响和性能提升两个维度进行了分析。
- •
噪声影响：如图2所示，对在IBM Quantum和Amazon Braket设备上执行的所有基准电路进行统计分析后发现，调度过程对结果保真度的影响有限。三种统计距离度量的平均值均较低（Hellinger距离：IBM为0.1799，AWS为0.1836；TVD：IBM为0.1958，AWS为0.1814；JSD：IBM为0.2110，AWS为0.2201），全部低于0.25。这表明，即使通过自动调度将多个电路复用执行，噪声引起的偏差仍然较小，平均偏差保持在20%以内。尽管像量子行走（Quantum Walk）和相位估计（Phase Estimation）等特定算法由于包含更多对校准漂移敏感的CNOT门和相位门而表现出稍高的发散度，但整体结果证实了自动调度在现有设备量子体积限制内的可行性。
- •
性能提升：自动调度带来的最显著优势是资源优化及随之而来的成本与时间削减。与传统的串行执行相比，在IBM Quantum上执行所有电路的总成本降低了51.85%（从345.6美元降至166.4美元）；在Amazon Braket上，由于后者成本与shots数直接挂钩，而自动调度大幅减少了所需shots，成本降幅高达80.7%（从103.6美元降至19.98美元）。这得益于调度策略将单个电路在宽度上复制多次，直至用满可用量子比特，并相应按比例减少每个复合电路的执行shots数，从而最大化硬件利用率。
结论与重要意义
本研究提出的AutoScheduler库自动化了量子电路调度流程，简化了执行与结果处理，作为独立工具为底层硬件提供了有效的抽象层。核心结论是：在当前的NISQ设备上，通过自动调度并行执行多个量子电路，能够在仅引入有限额外噪声（平均保真度偏差<20%）的前提下，实现量子资源利用率的大幅提升，并显著降低执行成本（最高可达80%）和等待时间。这为缓解量子计算资源紧张、降低使用门槛提供了直接的技术路径。
研究的意义在于，它首次以开发者友好的库形式，系统性地验证了任务级电路调度在真实量子云平台上的可行性与效益。它表明，在追求更高保真度量子硬件的同时，通过软件和调度策略的创新优化现有资源的利用效率，同样对推动量子计算实用化至关重要。未来，随着量子计算机容量增加、噪声降低，该方案的效益将更加凸显。研究人员也指出了未来的发展方向，包括开发考虑噪声自适应和电路深度的调度策略、扩展支持更多量子服务提供商（如Google、Azure），以及研究不同的调度策略（如基于时间或深度的策略），从而进一步提升保真度和系统的可扩展性。这项工作标志着量子计算资源管理从粗放式串行处理向精细化并行调度迈出了关键一步。
