English(EN) QAP-Router: Tackling Qubit Routing as Dynamic Quadratic Assignment with Reinforcement Learning

强化学习方法大幅降低量子编译中的量子比特分配开销

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-12 16:34

研究人员开发了新的强化学习（RL）方法来解决量子计算编译中的量子比特分配问题。两种不同的方法，CO-MAP 和 QAP-Router，分别将该问题构建为组合优化或动态二次分配任务。这两种方法都利用在真实量子电路数据集上训练的强化学习策略，与现有编译器相比，在 SWAP 门开销和 CNOT 门数量方面均有显著降低。 AI

影响这些基于强化学习的方法在量子电路编译方面提供了显著的改进，有望加速量子计算的发展和实际应用。

排序理由两篇学术论文提出了使用强化学习改进量子编译技术的新研究。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Xiaoyuan Liu · 2026-05-13 15:04

CO-MAP: A Reinforcement Learning Approach to the Qubit Allocation Problem

A quantum compiler is a critical piece in the quantum computing pipeline since it allows an abstract quantum circuit to be run on a physical quantum computer. One extremely important subproblem in quantum compilation is the generation of a logical to physical qubit mapping. Typic…
arXiv cs.AI TIER_1 English(EN) · Xiaoyuan Liu · 2026-05-12 16:34

QAP-Router: Tackling Qubit Routing as Dynamic Quadratic Assignment with Reinforcement Learning

Qubit routing is a fundamental problem in quantum compilation, known to be NP-hard. Its dynamic nature makes local routing decisions propagate and compound over time, making global efficient solutions challenging. Existing heuristic methods rely on local rules with limited lookah…

报道来源 [2]

CO-MAP: A Reinforcement Learning Approach to the Qubit Allocation Problem

QAP-Router: Tackling Qubit Routing as Dynamic Quadratic Assignment with Reinforcement Learning

相关实体

相关话题