基于 RNN 政策梯度的量子电路架构搜索

变分量子电路是面向噪声中间规模量子技术时代的有前景的量子计算优势利用方式。电路架构的设计可能显著影响量子算法的性能能力。量子电路架构搜索是为给定任务自动设计量子电路架构的过程，旨在通过算法找到最优的量子电路组成架构，使算法能够学习设计电路架构。相较于手动设计，量子电路架构搜索算法在寻找性能更佳的量子电路方面更有效。本文基于深度强化学习，提出了一种用于量子电路架构搜索的方法。通过基于强化学习控制器学习电路架构的采样，采用基于层次的搜索以加速搜索算法的计算效率。应用于数据分类任务后，我们表明该方法能够搜索出在准确率方面更优的量子电路架构。此外，电路所需的量子门数和参数更少。