模块量子架构中基于注意力机制的深度强化学习用于量子比特分配

Jun, 2024

模块量子架构中基于注意力机制的深度强化学习用于量子比特分配

Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures

Enrico Russo, Maurizio Palesi, Davide Patti, Giuseppe Ascia, Vincenzo Catania

TL;DR利用深度强化学习的方法，以及模块化分布式体系结构，提出了一种高效的量子电路编译和映射的新型学习启发式方法，以解决量子计算系统中的通信最优化问题。

Abstract

Modular, distributed and multi-core architectures are currently considered a promising approach for scalability of quantum computing systems. The integration of multiple Quantum Processing Units necessitates classical and quantum-coherent communication, introducing challenges related t

quantum computing systems modular distributed architectures quantum decoherence compilation process deep reinforcement learning

发现论文，激发创造

深度强化学习下的多核量子架构电路划分

该研究论文介绍了一种使用深度强化学习的电路分区新方法，为量子计算和图分区的发展做出了贡献，开辟了解决这类问题的新范式。

Jan, 2024

深度强化学习量子体系结构搜索

使用增强学习算法为量子电路架构设计提供了一个通用架构，可以在不编码任何关于量子物理的知识下，成功地生成多比特 GHZ 态的量子门序列。

Apr, 2021

深度强化学习的量子电路优化

本研究使用基于强化学习的方法对量子电路进行优化，通过深度卷积神经网络，实现了对于特定架构的任意量子电路的自主学习及优化。对 12 比特电路进行实验得出优化效果，平均深度降低 27％，门数降低 15％，并探讨了方法在近期量子设备上的可行性。

Mar, 2021

深度强化学习在量子编译中的应用

利用深度强化学习方法，快速创建单量子比特运算序列，以在计算机内实时将高级量子算法转换为低级量子门电路，省略传统方法的耗时，实现量子编译的实时化。

May, 2021

量子强化学习的可微分量子架构搜索

基于梯度的量子架构搜索在 NISQ 时代提供了自动设计量子电路的框架，通过解决误差缓解、量子电路的灵活性、电路设计成本、BP 问题以及权重周期性等问题，该研究展示了梯度量子架构搜索在解决量子深度强化学习任务中的能力。

Sep, 2023

硬件错误下的量子架构搜索的课程增强学习

该研究以引入一种基于课程的强化学习量子架构搜索算法（CRLQAS）为主要方法，旨在解决在真实的 VQA 部署中所面临的挑战。该算法通过使用三维架构编码和环境动力学的限制来高效地探索可能电路的搜索空间，引入一种剧集终止方案以寻找更短的电路，并应用一种新颖的同时扰动随机逼近作为更快收敛的优化器，从而在噪声和非噪声环境中提高了在多个度量标准下的性能。

Feb, 2024

混合量子神经网络的深度强化学习

本研究旨在探究基于门型量子计算机的参数量子电路，通过集成最新的 Qiskit 和 PyTorch 框架，与纯经典深度神经网络进行比较，评估其在模型非自由强化学习问题中的潜力，以及在解决迷宫问题或其他强化学习问题方面、深度量子学习的前景。

Apr, 2023

通过深度强化学习实现通用量子控制

提出一种新的量子控制框架，通过在强化学习智能体的训练环境中加入控制噪声，利用强化学习技术优化量子计算的速度和保真度以及对泄漏和随机控制误差的抗扰性，最终取得了一定的优化成果。

Mar, 2018

用于深度强化学习的变分量子电路

本文研究了变分量子电路在深度强化学习中的应用，利用量子信息编码方案减少模型参数，用经验回放和目标网络重塑经典深度强化学习算法，成功证明了变分量子电路可以用于决策制定和政策选择强化学习，适用于许多即将到来的近期量子计算机。

Jun, 2019

基于强化学习的变分量子算法的量子架构搜索

使用强化学习自动化搜索最佳结构以提高变分量子算法在噪声干扰下的性能。

Feb, 2024