电路优化 ======== Janus 提供完整的量子电路优化框架，包含 10 种优化技术。 快速开始 -------- **智能优化（推荐）** .. code-block:: python from janus.optimize import smart_optimize # 创建电路 qc = Circuit.from_layers([ [{'name': 'h', 'qubits': [0], 'params': []}], [{'name': 'h', 'qubits': [0], 'params': []}], # 冗余 [{'name': 't', 'qubits': [0], 'params': []}], [{'name': 't', 'qubits': [0], 'params': []}], # 可合并 ], n_qubits=2) # 智能优化（自动选择最优策略） qc_opt = smart_optimize(qc, level=2, verbose=True) **基本编译** .. code-block:: python from janus.compiler import compile_circuit optimized = compile_circuit(qc, optimization_level=2) 优化级别 -------- .. list-table:: :header-rows: 1 :widths: 10 90 * - 级别 - 内容 * - 0 - 无优化 * - 1 - 基础优化（逆门消除） * - 2 - 标准优化（T门合并 + Clifford合并 + 交换性消除） * - 3 - 完整优化（所有技术） 十大优化技术 ------------ Janus 提供统一 API 访问所有优化技术： .. code-block:: python from janus.optimize import ( optimize_clifford_rz, # 技术1: Clifford+RZ优化 optimize_gate_fusion, # 技术2: 门融合优化 optimize_commutativity, # 技术3: 交换性优化 optimize_template, # 技术4: 模板匹配优化 optimize_kak, # 技术5: KAK分解优化 optimize_clifford_synth, # 技术6: Clifford合成优化 optimize_cnot_synth, # 技术7: CNOT合成优化 run_benchmark, # 技术8: 基准测试 analyze_circuit, # 技术9: 电路分析 smart_optimize, # 技术10: 智能优化 ) 技术1: Clifford+RZ 优化 ~~~~~~~~~~~~~~~~~~~~~~~ 将电路分解为 Clifford 门和 RZ 旋转门，优化 T 门数量。 - T门合并规则: T+T→S, T+T+T+T→Z - 适用于容错量子计算电路 .. code-block:: python from janus.optimize import optimize_clifford_rz qc_opt = optimize_clifford_rz( qc, enable_t_merge=True, # T门合并 enable_clifford_merge=True, # Clifford门合并 enable_inverse_cancel=True, # 逆门消除 verbose=True ) 技术2: 门融合优化 ~~~~~~~~~~~~~~~~~ 将连续的单量子比特门融合为一个等价门。 .. code-block:: python from janus.optimize import optimize_gate_fusion qc_opt = optimize_gate_fusion( qc, enable_rotation_merge=True, # 旋转门合并 enable_single_qubit_opt=True, # 单比特门优化 enable_block_consolidate=False, # 块合并（较慢） verbose=True ) 技术3: 交换性优化 ~~~~~~~~~~~~~~~~~ 利用量子门的交换性重新排列门顺序，消除冗余门。 - 自伴门消除: H·H=I, X·X=I, CX·CX=I - 互逆门消除: T·Tdg=I, S·Sdg=I .. code-block:: python from janus.optimize import optimize_commutativity qc_opt = optimize_commutativity( qc, enable_commutative_cancel=True, # 交换性消除 enable_inverse_cancel=True, # 逆门消除 enable_commutative_inverse=True, # 交换性逆门消除 verbose=True ) 技术4: 模板匹配优化 ~~~~~~~~~~~~~~~~~~~ 识别电路中的已知模式，用更优的等价电路替换。 .. code-block:: python from janus.optimize import optimize_template qc_opt = optimize_template( qc, enable_template_match=True, # 模板匹配 enable_inverse_cancel=True, # 逆门消除 template_list=None, # 自定义模板（可选） verbose=True ) .. note:: 模板匹配在大电路（>100门）上较慢，会自动跳过。 技术5: KAK 分解优化 ~~~~~~~~~~~~~~~~~~~ 使用 Khaneja-Glaser (KAK) 分解优化任意双量子比特门。 .. code-block:: python from janus.optimize import optimize_kak qc_opt = optimize_kak( qc, enable_block_collect=True, # 两比特块收集 enable_block_consolidate=True, # 块合并 basis_gate='cx', # 基础门: 'cx', 'cz', 'iswap' verbose=True ) 技术6: Clifford 合成优化 ~~~~~~~~~~~~~~~~~~~~~~~~ 优化 Clifford 门电路的合成。 .. code-block:: python from janus.optimize import optimize_clifford_synth qc_opt = optimize_clifford_synth( qc, method='greedy', # 'greedy', 'bravyi_maslov', 'ag', 'depth_lnn' verbose=True ) 技术7: CNOT 合成优化 ~~~~~~~~~~~~~~~~~~~~ 优化 CNOT 门网络，减少 CNOT 门数量。 .. code-block:: python from janus.optimize import optimize_cnot_synth qc_opt = optimize_cnot_synth( qc, method='pmh', # 'pmh', 'lnn_kms', 'phase_aam' verbose=True ) 技术8: 基准测试 ~~~~~~~~~~~~~~~ 对电路进行多级别优化测试，评估优化效果。 .. code-block:: python from janus.optimize import run_benchmark results = run_benchmark( qc, optimization_levels=[0, 1, 2, 3], verbose=True ) # 查看结果 for level, stats in results['levels'].items(): print(f"Level {level}: {stats['size']}门, 减少{stats['reduction']:.1f}%") 技术9: 电路分析 ~~~~~~~~~~~~~~~ 收集和分析电路的详细指标。 .. code-block:: python from janus.optimize import analyze_circuit metrics = analyze_circuit(qc, verbose=True) print(f"门数: {metrics['size']}") print(f"深度: {metrics['depth']}") print(f"宽度: {metrics['width']}") print(f"门统计: {metrics['ops']}") print(f"单比特门: {metrics['n_single_qubit']}") print(f"两比特门: {metrics['n_two_qubit']}") 技术10: 智能优化 ~~~~~~~~~~~~~~~~ 自动分析电路特征，智能选择最优的优化技术组合。 .. code-block:: python from janus.optimize import smart_optimize # 自动检测电路类型并优化 qc_opt = smart_optimize(qc, level=2, verbose=True) # 强制使用特定策略 qc_opt = smart_optimize( qc, strategy='t_heavy', # 't_heavy', 'rotation_heavy', 'clifford_heavy', 'cx_heavy', 'mixed' verbose=True ) **SmartOptimizer 类** .. code-block:: python from janus.optimize import SmartOptimizer, analyze_and_optimize # 使用优化器类 optimizer = SmartOptimizer(verbose=True) qc_opt = optimizer.optimize(qc) # 带详细报告的优化 report = analyze_and_optimize(qc, verbose=True) print(f"策略: {report['strategy']}") print(f"门数减少: {report['improvements']['gate_reduction']:.1f}%") print(f"深度减少: {report['improvements']['depth_reduction']:.1f}%") 底层 Pass 类 ------------ 如需更精细的控制，可以直接使用底层 Pass 类： **Clifford+RZ 优化 Pass** .. code-block:: python from janus.optimize import ( TChinMerger, # T门合并 CliffordMerger, # Clifford门合并 CollectCliffords, # Clifford门收集 LitinskiTransformation # Litinski变换 ) **门融合 Pass** .. code-block:: python from janus.optimize import ( ConsolidateBlocks, # 块合并 Optimize1qGates, # 单比特门优化 Collect1qRuns, # 单比特门序列收集 Collect2qBlocks, # 两比特块收集 Split2QUnitaries # 两比特酉矩阵分解 ) **交换性优化 Pass** .. code-block:: python from janus.optimize import ( CommutativeCancellation, # 交换性消除 InverseCancellation, # 逆门消除 CommutativeInverseCancellation, # 交换性逆门消除 CommutationAnalysis # 交换性分析 ) **模板匹配 Pass** .. code-block:: python from janus.optimize import ( TemplateOptimization, # 模板优化 TemplateMatching, # 模板匹配 TemplateSubstitution # 模板替换 ) **分析 Pass** .. code-block:: python from janus.optimize import ( Depth, # 深度分析 Width, # 宽度分析 Size, # 大小分析 CountOps, # 门统计 ResourceEstimation # 资源估算 ) 合成算法 -------- **KAK 分解** .. code-block:: python from janus.optimize import ( TwoQubitWeylDecomposition, # Weyl分解 TwoQubitBasisDecomposer, # 基础门分解 two_qubit_cnot_decompose # CNOT分解 ) **Clifford 合成** .. code-block:: python from janus.optimize import ( synthesize_clifford_circuit, synthesize_clifford_greedy, synthesize_clifford_bravyi_maslov, synthesize_clifford_depth_lnn ) **CNOT 合成** .. code-block:: python from janus.optimize import ( synthesize_cnot_count_pmh, synthesize_cnot_depth_lnn_kms, synthesize_cnot_phase_aam ) 自定义优化流程 -------------- .. code-block:: python from janus.circuit import circuit_to_dag, dag_to_circuit from janus.optimize import ( TChinMerger, CliffordMerger, InverseCancellation, CommutativeCancellation ) # 转换为 DAG dag = circuit_to_dag(qc) # 依次应用优化 Pass dag = TChinMerger().run(dag) dag = CliffordMerger().run(dag) dag = InverseCancellation().run(dag) dag = CommutativeCancellation().run(dag) # 转回电路 qc_opt = dag_to_circuit(dag) 完整示例 -------- .. code-block:: python from janus.circuit import Circuit from janus.optimize import smart_optimize, analyze_circuit import numpy as np # 创建一个有冗余的电路 qc = Circuit.from_layers([ [{'name': 'h', 'qubits': [0], 'params': []}], [{'name': 'h', 'qubits': [0], 'params': []}], # H·H = I [{'name': 't', 'qubits': [0], 'params': []}], [{'name': 't', 'qubits': [0], 'params': []}], # T·T = S [{'name': 'cx', 'qubits': [0, 1], 'params': []}], [{'name': 'cx', 'qubits': [0, 1], 'params': []}], # CX·CX = I [{'name': 'rz', 'qubits': [1], 'params': [0.5]}], [{'name': 'rz', 'qubits': [1], 'params': [0.5]}], # 可合并 ], n_qubits=2) print("=== 优化前 ===") before = analyze_circuit(qc) print(f"门数: {before['size']}, 深度: {before['depth']}") # 智能优化 qc_opt = smart_optimize(qc, level=2, verbose=True) print("\n=== 优化后 ===") after = analyze_circuit(qc_opt) print(f"门数: {after['size']}, 深度: {after['depth']}") print(f"减少: {before['size'] - after['size']} 门")