（来源：上观新闻）
2017年，当🇧🇹🇧🇭OpenAI的💖工程师们👓*️⃣意识到🇺🇲🍽AGI可能需要👩🌾前所未有的💢🌵计算资源时，他们🎣意识到仅靠🇪🇷捐赠和情怀，根本🔉无法支撑这场军备😗竞赛⛏🐟。1998🇮🇶 年，🤼♀️🥊图灵奖得📴⏺主 LeCun🈯🍷 在一篇论文中就🗜🌡提到，他们当时🧔🇧🇩要训练一😭个 CNN 模型🐒的话，得在单🙍♂️个 CPU🎷 上跑个🎽⛹️♀️两三天时间😮。
“困时切莫间断📂🗣，熬过此关，💙🇪🇷便可少进🔺。特努斯👨🦲：感谢库💁♂️克，也谢谢🐒📦在座的各🇸🇦位🚲🔫。而结果就是：模型😩↕公司的利润🦸♂️率会不🎛♨断上升——直到硬💓🎫件供应链🤝🇺🇬开始“反向👩👩👦🎬收割”，提高自己🇹🇷的利润🌁。（二）从功能🇹🇱🎂到优势：QL📂LVM 如何超越🔧👢传统量子编译器 🇯🇵🇮🇲 QLLVM将🇪🇸高级量子程序编译♦为目标后端可执行🤗🇳🇨代码，主要功🇨🇱能包括：💰 核心功能一览🇯🇵🥀 1. 👨🎓🇩🇬独立站SEO多语言前端：支🇬🇷持Open⚾👩🦳QASM 2.🛳🇪🇭0、Qiskit😃 Qu🎈antum🕒Cir🌥🧤cuit、QPa📰🐏nda、Ci💚rq等输入👨👦👦 2. MLI🇦🇹R优化：单🏃比特门🥄😲合并、抵消、对🇬🇭📋角门移除、门综⚰🧨合等优化P🐛ass 3. 🇻🇬🗓QIR生成：🐵将MLIR方💾🐗言 Lowe😶🐤ring为QI🌸↪R（LLVM I🚇R 形式的🥋量子中👔间表示）🇹🇴 4. 🍥SABRE映射：⌨C++/Qisk🚈👲it实现的💟◀量子比特布局与👄SWAP插入 👨🏫5. 多后🕤💌端发射：输出O🈲penQA⛹📌SM、硬件特定格🌜🦠式等 四💞🌟大核心优🎟🇸🇰势 1.🥶🦸♀️ 工业级IR🇱🇦🍱基础设施：基于🍶🙌MLIR/LL✝VM，🇧🇹便于扩展新方言🇮🇴🔀和新Pa🔓ss 🤙2. 多种输入形🥈式：Op🇳🇮🚄enQASM🧹✔、Qiskit等📻，适配🌖不同编程习🕡惯 3. 🧗♀️🏪灵活优🈂🇧🇸化：-🕥📔O0/-O1等级💼🍅、自定义Pass🏕序列、合成优🦁化 4.🇪🇸🐣 物理约束🇵🇲映射：SA🥠🎏BRE等布局与S🧒WAP策略，适配🚵真实硬件拓🇲🇦扑 （三）技术🥈路线：QLLV🇮🇩M如何实🇳🇴现经典-量🥍子混合编译 🐔 ◆三层架构📸🚌设计 QLLVM🇦🇬🦸♂️基于LL🌖🈳VM/◽MLIR生态构建🦜，采用经典的三👩👩👦层编译架构，🛢🕌独立站SEO实现从量子程序到🤞🧙♂️硬件指🇲🇾🎬令的完整😰编译流程： 🇬🇬🏬 图：🌹⛸QLL🍂🧕VM编译框架 🔪🕳• 前端：负责语✏言解析和中🇭🇲间代码生成👥，将高级语言转🔮⏭换为MLI🍁R Quan🔝tum方言 🈚🏗• 中🗝🇧🇬端：基于🕯😅MLIR🇬🇵进行量子🤵程序优化，并👞⛸将MLI👛🇫🇰R进一步🤹♀️🌛Lowerin⛷g为QIR（L⛄🔼LVM I👩💻👒R） •🛅🎁 后端🥃📑：基于Q✌🥟IR和QI📰R运行时库，将➖程序转换为♓目标硬件支持的代🤮码格式🌁🎽 ◆经典🤢-量子混合编☸译机制 依托🗡🇸🇬LLVM 生态🐘，QLLV🎊🇯🇵M能够实🇸🇧🗨现与经典编译🧟♂️Pass、C🇰🇾🇭🇳UDA编程模🦉♐型和 🚍👩🦱HPC运🇰🇪行时的集成，从而🕝实现高效的◼经典量子✌👤混合任务编译🇻🇮🤞。
