（来源：上观新闻）
（二）从功能到优🚠势：QL🇱🇰📷LVM 如何超越💌🤷♀️传统量子🇧🇼📉编译器 Q🏄♀️👩👧👧LLV😗M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🤾♂️👩❤️💋👩谷歌工具一览 1. 多语😤言前端：支🇨🇰🇨🇵持OpenQ🍧ASM 2.0、🧲♾️Qis⏸🤱kit Quan🖼⏫tumCirc🏹uit、QPan☃da、Cir🤸♂️📰q等输入 2🏦. ML🤾♂️IR优化：单📿比特门合并、🚳抵消、对↖角门移除、门综合😟等优化Pas🤰s 3. QI👩💼R生成：将🇲🇨🇩🇪MLIR方言 L🎸oweri🐃ng为QI🏴R（LLVM 👨👩👧👧IR 形式🔭🐗的量子中🇲🇬🇹🇩间表示） 👨🦳👩⚕️4. S🇳🇿👩👩👦ABRE🏡👨🏭映射：C👩🦲++/🛌Qiskit实9️⃣🍇现的量子比特❗🎎布局与SWAP🍎插入 💗5. 多后端发👗射：输出O🏤⛸penQ🆕🇦🇼ASM🌭🙍、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/L🏓LVM📺🐤，便于扩展🧙♂️新方言和新Pa🤸♀️✴ss 2. 多🕦🔈种输入形式：O🇹🇯penQAS🗞M、Q🇮🇲👃iskit等，🎓适配不👟同编程习惯 3🚡🕐. 灵活优化：▪🥤-O0/-😾O1等🧾级、自💪🌨定义Pas🚽☣s序列、合成优🇵🇫化 4. ➕物理约束映射😕：SABRE等布❔局与SWA🇸🇱P策略，适配真实👩🚒硬件拓扑 🇬🇧 （三）👓谷歌工具技术路🤘线：QLLVM🎱如何实现经典-量🎭子混合编译 🇨🇺🗓 ◆三层架⛓📒构设计 QL🇸🇭🔈LVM基👩✈️于LLVM/😒MLIR生态构建🚇，采用经典🇭🇹🕵的三层编译架💃⬅构，实现从➰量子程序到硬🎷件指令的完🇯🇲整编译流🕔程： 🇹🇫 图：QLLVM👩👩👦👦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MLIR Q🍛uan⏩tum方言 🍼 • 中⬛端：基于M🇸🇳♍LIR进🧗♂️🥗行量子程序优🔇🇸🇻化，并👨将MLIR进一步💎Low🇷🇺😥eri📢ng为QIR🏌🕳（LLVM IR💩） 0️⃣👨👧👧• 后端：基于🇧🇸🌖QIR和🇵🇹🥁QIR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❕LLV🇬🇧🇰🇲M 生态，Q🕌🕢LLVM能够🐺实现与经典编译🧮®Pass、CUD🧑🌱A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🔬🔭。
就这样，猎鹰📈⏏重型被夹在了中间📰🇸🇿： 下面是成熟到🔉❔近乎完美的⚪👩🌾猎鹰9号，上面是🌖马斯克押上全部未👩🦰🇾🇹来的星舰😲🐍。换句话说： G🇯🇲🎩PU 🎠/ ASIC🐢：负责“思考👜”（模型推👨🔬🍢理） CPU：🍭🕥负责“执行”（环🇰🇵🇲🇷境运行、🥺应用落地） 随🇦🇪🇰🇪着 AI 生成🗿的内容越来越🍊💙多，CPU 需🔢🛣求也在🤣🕦同步爆发⛲谷歌工具。第三财季大👎部分供应💍约束在Mac🧬——Ma®谷歌工具c Mi🐚ni、Ma🚹👆c S🆓🕎tudio和M🍌acBo1️⃣➕ok N🗣🙋eo，所有这🎊◽三款🇸🇲。
