QOS: Quantum Operating System (OSDI 2025)

一句话总结：QOS 用 Qernel 统一抽象串联可组合 error mitigation、fidelity 估计、compatibility 多编程与多目标调度，在 IBM 27-qubit 上 7000+ 真实运行、7 万+ benchmark 实例显示 fidelity 2.6×–456.5×、利用率最高 9.6×、等待时间最高 5× 缩短（平均仅牺牲 1%–3% fidelity）。

问题与动机

NISQ QPU 噪声大、容量小、时空异构强；用户手动选机、无系统级 multi-programming。单点论文（仅 mitigation 或仅调度）无法处理 fidelity vs utilization vs queue 的根本张力——27-qubit 上为保 0.75 fidelity 利用率平均仅 26.3%，同型号 QPU fidelity 可差 38%，负载可差 57×。

关键观察 / 隐含假设

观察 1：电路越大 fidelity 指数恶化（4→24 qubit 平均 -98.9%），需 OS 层自动 mitigation 组合。
- 依赖假设：mitigation 预算有限，需在 runtime overhead 与 fidelity 间 tradeoff。
- 可能失效场景：远超 QPU 宽度电路仍无法映射。
观察 2：QPU 性能时空波动使「永远选最好机」导致严重负载失衡，但性能差未必配得上排队成本。
- 依赖假设：在线 fidelity estimator 无需昂贵模拟即可指导调度。
- 证据强度：强——120 校准日 Perth 数据波动。
假设 1：兼容电路可安全共置（compatibility score + effective utilization），否则 multi-programming 毁灭 fidelity。
- 证据强度：中——9.6× utilization 场景下 1.15×–9.6× fidelity tradeoff 报告。

核心方法

Qernel：统一执行单元，串联四层 modular 组件：

Error mitigator：组合 circuit cutting、qubit reuse、freezing 等（首次非平凡组合）。
Estimator：分析模型预测各 QPU fidelity。
Multi-programmer：compatibility scoring + effective utilization。
Scheduler：多目标 fidelity-aware，平衡负载与等待。

基于 Qiskit/Python，开源。

设计取舍

取舍 1：模块化 mechanism/policy 分离，换实现复杂度。
取舍 2：scheduler 可牺牲 1%–3% fidelity 换 5× 等待降低。
边界条件：127-qubit 等大机扩展性论文部分依赖模拟/采样。

实验与结果

IBM 27-qubit：7000+ runs，70k+ instances。
Fidelity：2.6×–456.5×（随问题规模）；estimator 识别高 fidelity QPU。
Utilization：最高 9.6×（目标利用率下 fidelity 1.15×–9.6×）。
等待时间：最高 5× 降低，平均 fidelity 损失 1%–3%。

Critical Analysis

论证链条

NISQ 约束 → 单点优化不够 → Qernel 统一四层 → 真实设备大规模评估。链条在 IBM Falcon 类设备闭合；离子阱等其他技术需重标定 noise model。

假设压力测试

mitigation 组合开销可能吞噬队列收益（论文有 budget 但生产 SLA 未知）。
compatibility 估计错误时 co-run 灾难性降 fidelity。
云计费模型变化后「等待时间」权重可能改变。

实验可信度

真实硬件 7000 runs 是亮点；benchmark 实例多。与完全手动专家调优对比需细看附录。

系统性缺陷

论文未讨论：多租户公平性、作业抢占、与经典 HPC 混合调度、fault recovery 跨校准周期。

局限与 Future Work

局限 1：绑定 NISQ 规模，逻辑 qubit 时代需重构。
局限 2：mitigation 与调度 policy 最优性未证明。
Future work 1：更大 QPU（127+）与跨提供商 federated scheduling。
Future work 2：与经典 OS 协同的 hybrid workflow scheduler。

Awesome System Papers Wiki

探索

QOS-OSDI25