图强化学习路由器利用校准数据提升量子电路保真度

研究人员开发了一种新的量子电路路由方法，该方法使用图强化学习并整合了量子处理器中的校准数据。该方法使用近端策略优化进行训练，并在 Munich Quantum Toolkit Bench 电路集上进行评估，实现了 0.727 的平均精确保真度。通过基于实时硬件校准优化路由，该方法显著优于 SABRE-best20 (0.440) 和 target-aware SABRE (0.481) 等标准方法，尤其是在较小的量子比特族中。研究表明，校准感知路由可以超越传统的门计数驱动编译，提高量子电路的保真度。 AI

影响 这项研究通过改进量子程序的编译过程，有望实现更高效、更准确的量子计算。

排序理由 学术论文，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 arXiv cs.LG 阅读 →

• arXiv
• IBM Heron
• MQT Bench
• Munich Quantum Toolkit
• proximal policy optimization
• Sabre
• SABRE-best20
• Yash Tomar V

• 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 →