Quantum circuit optimization for circuit cutting

Abstract

In this work, we present an optimization framework aimed at reducing the sampling overhead associated with circuit cutting in quantum computing. We design a complete pipeline that integrates circuit rewriting, overhead evaluation via qiskit-addon-cutting, and heuristic search using simulated annealing and genetic algorithms. To enable more efficient circuit representations, we propose six rewriting techniques, including methods that exploit gate commutativity and ZX-Calculusbased transformations. The latter allows flexible rewrites through diagrammatic rules such as simplification, local complementation, and pivoting. Our experimental evaluation on benchmark circuits demonstrates that ZX-based strategies significantly reduce sampling overhead, while pure commutativity-based approaches show limited gains. To improve scalability, we introduce a windowed rewriting approach that targets random circuit sections, offering further performance benefits. Comparative results reveal that simulated annealing consistently finds lower-overhead solutions, whereas the genetic algorithm provides superior runtime performance through parallel evaluation. Our findings highlight the value of structured rewriting and search-based optimization in preparing circuits for circuit cutting. In dieser Arbeit präsentieren wir ein Optimierungsverfahren zur Reduzierung des Sampling Overheads, der beim Circuit Cutting für Quantenschaltkreise ensteht. Wir entwickeln eine vollständigen Prozess, welches das Umschreiben von Quantenschaltkreisen, die Evaluierung des Overheads durch das qiskit-addon-cutting, sowie heuristische Suchverfahren wie Simulated Annealing und genetische Algorithmen integriert. Zur Erzeugung effizienterer Schaltkreisrepräsentationen stellen wir sechs Rewriting-Techniken vor, darunter Methoden, die die Kommutativität von Quantengatter ausnutzen, sowie Transformationen auf Basis des ZX-Calculus. Das ZX-Calculus ermöglicht durch diagrammatische Regeln wie Graphvereinfachung, Local Complementation und Pivoting flexible Umschreibungen von Quantenschaltkreisen. Unsere experimentelle Auswertung an Benchmark-Schaltkreisen zeigt, dass ZX-basierte Strategien den Sampling Overhead deutlich reduzieren, während rein kommutativitätsbasierte Ansätze nur begrenzte Verbesserungen vorweisen. Zur Verbesserung der Skalierbarkeit führen wir einen „Windowed Rewriting“-Ansatz ein, bei dem zufällige Abschnitte des Schaltkreises gezielt umgeschrieben werden, was weitere Optimierungen ermöglicht. Ein Vergleich der Suchverfahren zeigt, dass Simulated Annealing in der Regel Lösungen mit geringerem Overhead findet, während der genetische Algorithmus durch parallele Auswertung eine bessere Laufzeitleistung erzielt. Unsere Ergebnisse zeigen, dass strukturierte Umschreibungen und suchbasierte Optimierungsverfahren eine effektive Methode zur Vorbereitung von Quantenschaltkreisen auf das Circuit Cutting darstellen.