في عالم الحوسبة الكمومية، تلعب الدوائر الكمومية دورًا حاسمًا في تنفيذ الخوارزميات الكمومية على الأجهزة الكمومية، حيث يجب أن تكون البوابات الكمومية قابلة للعكس. تعتمد العديد من هذه الخوارزميات على دوال بوليانية، مما يتطلب تنفيذها في الدوائر الكمومية بشكل عكسي.

تقدم عملية تجميع الدوائر العكسية وسيلة لترجمة هذه الدوال البوليانية إلى دوائر عكسية، وتعد المخططات الثنائية لتقرير القرارات (Binary Decision Diagrams - BDDs) نهجًا قابلًا للتوسع لتحقيق هذا الهدف. ومع ذلك، تعتمد BDDs والدائر الناتجة بشكل كبير على ترتيب المتغيرات، وهي خطوة حاسمة في عملية التجميع.

عادةً ما تحدد الخوارزميات الحالية ترتيب المتغيرات بهدف تقليل حجم الBDD، وهو ما يرتبط ارتباطًا وثيقًا بحجم الدائرة. ولكن، يعتبر حجم BDD مقياسًا غير مثالي لتكلفة الدائرة الكمومية (Quantum Cost of Circuits - QCC). هنا تأتي خوارزمية QuantumEvo، الإطار التطوري الجديد الذي يستخدم نموذجًا لغويًا ضخمًا كمولد خوارزميات توجيه بحتة.

بدلاً من توقع الترتيبات بشكل مباشر، تبحث QuantumEvo عن خوارزميات ترتيب مستندة إلى مجموعات عدة من الخوارزميات، مما يتيح لها تعديل ترتيب المتغيرات باستخدام العمليات القياسية للBDD. وقد حققت الخوارزمية التي تم اكتشافها، HGA-QE، معدل نجاح يبلغ 70.9% في تحقيق التعادلات أو الانتصارات بالمقارنة مع الخطوط الأساسية، كما أنها كانت الأفضل بشكل قاطع في 13.5% من الدوال.

تظهر النتائج أداءً تنافسيًا عامًا مع أداء متفوق لـHGA-QE على مجموعتي البيانات المختلفة المستخدمة لاكتشاف الخوارزمية، مما يثبت جدواها في تحسين الأداء في تصميم الدوائر الكمومية.