PulseAugur
实时 16:34:32
English(EN) Graph Reinforcement Learning for Calibration-Aware Quantum Circuit Routing

感知校准的强化学习增强量子电路路由

研究人员开发了一种新颖的量子电路路由方法,该方法结合了校准数据以提高保真度。这种图强化学习方法利用IBM Heron处理器上的当日校准信息来选择硬件边缘的SWAP门,在精确模拟保真度方面优于SABRE-best20和target-aware SABRE等标准路由方法。虽然学习到的路由增加了双量子比特门的路由数量,但它在保真度方面显示出显著的改进,尤其是在较小的电路系列中,这表明量子处理器具有更鲁棒的编译策略。 AI

排序理由 该集群描述了一篇研究论文,其中详细介绍了一种新的量子电路路由方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

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

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    Graph Reinforcement Learning for Calibration-Aware Quantum Circuit Routing

    Quantum circuit routing is a key step in compiling programs for noisy intermediate-scale quantum processors. Routes that appear efficient by standard overhead metrics can still lose fidelity when they pass through poorly calibrated couplers. We study a calibration-aware graph rei…