研究人员近日提出了一种量子比特高效的量子框架，用于超维计算中的分解问题。该工作由Sanggeon Yun等人完成，已被ICCAD 2026接收。
超维计算是一种利用高维超向量来表示符号的计算范式，其核心在于超向量的生成、绑定和分解。在超向量分解任务中，目标是从一个绑定的目标超向量中恢复出多个组成超向量，每个超向量来自一个大小为N的码本，共需恢复F个。这意味着需要在N^F个候选元组中进行搜索，随着问题规模的扩大，经典计算变得不可行。
近年来，量子计算提供了二次加速的潜力，但现有方法通常需要O(D)个量子比特来表示超向量，其中D是超向量的维度。由于D在高维问题中较大，这种表示方式在量子比特使用上效率低下，限制了实际应用。
新提出的框架创新地引入了对数超向量编码和对数绑定编码，将表示成本从O(D)量子比特降低到O(log D)。此外，研究人员还设计了一个可逆超向量查找算子，使得能够在电路级别对稠密超向量进行操作。这一算子与改进的Dürr-Høyer搜索过程相结合，在保持O(√N^F)搜索复杂度的同时，大幅减少了量子比特需求。
实验部分验证了该框架的正确性：相似度计算正确，在可执行的规模下实现了准确的分解。与基于显式D量子比特超向量编码的基线方法相比，量子比特使用量减少了高达2000倍。这意味着在相同硬件条件下，该框架可以处理更大规模的超维计算分解问题，为量子设备上的实际应用铺平了道路。
这项研究不仅解决了量子比特效率问题，还为超维计算在其他领域（如机器学习、认知计算）的量子加速提供了新的思路。未来，随着量子硬件的进步，这种高效的分解方法有望在更广泛的实际问题中发挥作用。