生成式模型大幅缩短量子电路调优时间

IonQ股价周三小幅下跌，因为最新研究展示了更快的量子优化电路设计方法。IONQ股价报收于36.88美元，跌幅0.45%，此前曾跌破37.05美元的参考价位。该研究由IonQ、橡树岭国家实验室（ORNL）、英伟达（NVIDIA）和田纳西大学联合完成。

生成式模型减少量子电路调优时间

该研究测试了一种生成式模型，该模型能够创建无需重复参数调优的量子优化电路。传统方法要求研究人员运行电路、测量结果、调整设置并重复这一过程。随着研究人员增加量子子问题的规模，这一循环的成本会显著上升。

团队使用在早期测试中产生接近最优结果的电路来训练Transformer模型。随后，该模型直接为每个优化子问题生成候选电路。研究人员模拟了十个候选电路，并选择了最强的结果用于下一次全局解决方案更新。

测试显示，在不同规模的先前测试问题上，寻找电路的时间保持在28秒左右。而传统方法从4个量子比特的约34秒增加到超过11分钟。因此，随着量子电路规模的扩大，生成式方法减轻了调优负担。

ORNL主导的研究测试100变量优化问题

该项目由橡树岭国家实验室（ORNL）牵头，参与研究的还有来自IonQ、英伟达和田纳西大学的科研人员。该研究考察了一个包含100个决策变量的密集高阶基准测试。结果显示，随着研究人员增加量子子问题的规模，解决方案的质量大致翻了一番。

比较的重点在于两种量子电路生成方法，而非量子计算与经典计算的对比。在基准测试期间，这两种方法都使用了相同的加速计算基础设施。这种设置使研究人员能够隔离主要与电路生成过程相关的差异。

然而，研究人员是对每个电路进行模拟，而不是在物理量子处理器上运行它们。测试过程中通过CUDA-Q平台使用了英伟达的cuQuantum软件。这项工作是在橡树岭Defiant2计算系统中的一个英伟达H200 GPU上运行的。

IonQ研究为量子优化推进提供背景支持

该研究为将生成式模型与混合量子优化相结合提供了基准规模的证据。混合方法在组合结果之前，将大型优化问题划分为较小的部分。较大的部分可以提高答案质量，但传统的调优方法可能会急剧增加计算需求。

研究人员设计的新方法旨在消除大部分重复的优化过程。这种方法可以在不显著增加寻找电路时间的情况下，支持更大规模的量子子问题。然而，目前报告的工作仍集中在模拟基准测试上，而非商业量子工作负载。

IonQ在多伦多的IEEE Quantum Week 2026大会上展示了这项研究。该论文成为9月13日至18日举行的活动中被接受的九篇IonQ研究论文之一。它还获得了最佳论文奖，因为研究人员正在继续测试更大的科学和工程应用。