通过强化学习实现快速稳健的完美纠缠门
量子物理
2026-02-27 v1
摘要
噪声中间规模量子计算机通过量子位提供的大规模并行性，承诺解决复杂且原本不可实现的计算挑战。实现量子计算潜力的关键在于完美纠缠（perfect entangling, PE）两比特门，这些门是通用量子计算的关键构建模块。在量子最优控制领域中，塑造电磁脉冲以驱动量子门对于将门性能推向理论极限至关重要。本文利用强化学习（reinforcement learning, RL）技术发现可实现PE门的近最优脉冲形状。一组RL代理在稳健的仿真环境中进行训练，使其即使在噪声条件下也能识别有效的控制策略。所选代理随后在更高保真度的仿真中进行验证，表明RL方法在降低校准开销方面相对于量子最优控制技术具有优势。此外，RL方法与硬件无关，可广泛应用于各种量子计算平台。
引用
@article{arxiv.2511.07076,
title = {Achieving fast and robust perfect entangling gates via reinforcement learning},
author = {Leander Grech and Matthias G. Krauss and Mirko Consiglio and Tony J. G. Apollaro and Christiane P. Koch and Simon Hirlaender and Gianluca Valentino},
journal= {arXiv preprint arXiv:2511.07076},
year = {2026}
}
备注
23 pages, 20 figures, accepted in Quantum Science and Technology