MQSABRE的CNOT门错误率和时间似乎难以影响最终的mapping结果

```python
from mindquantum.algorithm.mapping import MQSABRE
from mindquantum.core.circuit import Circuit
from mindquantum.core.gates import RX, RY, RZ, X, H
from mindquantum.device import GridQubits

# 创建一个更复杂的量子线路
circ = Circuit()

# 第一层：初始化
circ += H.on(0)
circ += H.on(2)
circ += RX('a1').on(1)
circ += RY('b1').on(3)
circ += RZ('c1').on(4)
circ += H.on(5)

# 第二层：远距离CNOT操作
circ += X.on(5, 0)  # 强制在0和5之间产生交互
circ += X.on(4, 1)  # 1和4之间的交互
circ += X.on(3, 2)  # 2和3之间的交互

# 第三层：交叉操作
circ += X.on(0, 3)  # 跨越整个网格的操作
circ += X.on(2, 4)  # 非相邻量子比特的操作
circ += X.on(1, 5)  # 另一个远距离操作

# 第四层：更多的远距离操作
circ += X.on(5, 2)  # 2和5之间的交互
circ += X.on(3, 0)  # 0和3之间的交互
circ += X.on(4, 1)  # 1和4之间的交互

# 第五层：单量子门
circ += RX('a2').on(0)
circ += RY('b2').on(2)
circ += RZ('c2').on(4)
circ += H.on(1)
circ += H.on(3)
circ += H.on(5)

# 第六层：最终的纠缠操作
circ += X.on(5, 1)  # 再次在远距离量子比特之间产生纠缠
circ += X.on(4, 0)
circ += X.on(3, 2)

# 定义2x3的格子拓扑结构的硬件特性
# 0 - 1 - 2
# |   |   |
# 3 - 4 - 5
cnot_data = [
    ((0, 1), [0.05, 300.0]),    # 较差的水平连接
    ((1, 2), [0.001, 100.0]),   # 优质的水平连接
    ((3, 4), [0.05, 300.0]),    # 较差的水平连接
    ((4, 5), [0.001, 100.0]),   # 优质的水平连接
    ((0, 3), [0.08, 400.0]),    # 最差的垂直连接
    ((1, 4), [0.03, 250.0]),    # 中等的垂直连接
    ((2, 5), [0.001, 100.0]),   # 优质的垂直连接
]

# 创建2x3的格子拓扑
topology = GridQubits(2, 3)

# 初始化并运行MQSABRE
solver = MQSABRE(circ, topology, cnot_data)
# 调整权重参数以平衡前瞻性、交互成本和距离
new_circ, init_map, final_map = solver.solve(alpha1=0.3, alpha2=0.5, alpha3=0.2)

print("原始线路：")
print(circ)
print("\n优化后的线路：")
print(new_circ)
print("\n初始映射：")
print(init_map)
print("\n最终映射：")
print(final_map)
```
上述代码中，无论如何改变cnot_data，都不影响最终mapping结果，感觉不太合理。

GVP MindSpore/mindquantum

内容风险标识

评论 (2)

GVPMindSpore/mindquantum

内容风险标识