新上线今天0 投票
对数编码带来量子比特效率革命：超维分解量子搜索新方法
超维计算（HDC）通过高维超向量表示符号，在超向量分解任务中，需要从绑定目标超向量中恢复F个组成超向量（每个来自大小为N的码本），这意味着要在N^F个候选元组中搜索。经典方法计算代价极高，而近期的量子方法虽提供二次加速，但通常需要O(D)个量子比特来编码超向量，量子比特开销巨大。
针对这一瓶颈，来自加州大学欧文分校等机构的研究者在 arXiv 预印本中提出了一种量子比特高效的量子框架，将表示成本从O(D)降至O(log D)。该工作已被 ICCAD 2026 接收。
核心创新：对数编码与可逆查找
研究团队引入了对数超向量编码和对数绑定编码，使得超向量及其绑定操作仅需对数个量子比特即可表示。同时，他们设计了一个可逆超向量查找算子，能够在量子电路层面高效操作稠密超向量。这一设计避免了传统方法中显式使用D个量子比特来存储整个超向量的低效做法。
搜索算法：保留二次加速，量子比特大幅缩减
在搜索算法层面，该方法采用改进的 Dürr-Høyer 搜索过程，保持了O(√(N^F))的搜索复杂度，即相对于经典搜索的二次加速。但量子比特用量从O(D)降低到O(log D)，实现了指数级的节约。实验结果显示，与基于显式D-量子比特编码的基线方法相比，新方法在可执行的分解任务中量子比特数减少高达2000倍，同时正确计算了相似度并实现了准确分解。
行业意义与展望
当前量子计算面临的主要挑战之一是量子比特数量有限且易出错。这项研究展示了通过巧妙编码设计，可以在不牺牲计算优势的前提下大幅降低量子资源需求，为HDC在量子机器学习中的实际应用铺平了道路。未来，随着量子硬件的发展，这种对数编码思路或可推广至其他需要高维表示的量子算法中。