用于变分量子电路设计的 AI 代理

变分量子电路 (VQC) 构成近期量子机器学习 (QML) 的核心构件，但对可表达且可训练架构的原则性设计仍是一个主要开放挑战。VQC 设计空间随量子位数、层数、纠缠结构和门参数化而呈组合式增长，导致手动电路构建效率低下且常常次优。我们引入一种基于自主代理的 VQC 架构搜索框架，将高层次推理与量子仿真环境集成。代理提出候选电路架构，通过完全自动化的训练和验证管道进行评估，并通过性能驱动的反馈迭代改进其设计策略。实证结果表明，代理从简单的初始 ansatz 发展到越来越具表达力的架构，以不断尝试提高任务性能。这表明代理式 AI 能够以最小的人类干预有效导航和细化 VQC 设计景观，为 NISQ 环境中的自动化量子模型开发提供可扩展的方法。