BDD2Seq框架增强了量子计算的可逆电路合成能力

研究人员开发了BDD2Seq，一个新颖的图到序列框架，旨在改进量子计算的可逆电路合成。该方法利用图神经网络编码器和指针网络解码器来预测二叉决策图（BDDs）的最佳变量排序，这对于最小化量子成本等资源消耗至关重要。BDD2Seq通过学习先前被忽视的结构依赖性，解决了传统启发式方法在处理复杂电路方面的局限性。实验表明，与现有方法相比，BDD2Seq显著降低了量子成本并加快了合成速度。 AI

影响 通过利用基于图的人工智能模型，提高了量子电路设计的效率和可扩展性。

排序理由 该集群包含一篇详细介绍新电路合成方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• BDD2Seq
• Binary Decision Diagrams
• Boolean Functions
• Diverse Beam Search
• graph neural network
• Mingkai Miao
• Pointer Networks
• quantum computing
• Quantum Cost

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →