用于高效强化学习的量子电路中 Gadget 自动发现
量子物理
2025-09-30 v1
摘要
强化学习（RL）已被证明是发现量子电路和量子协议的强大工具。我们最近表明，在量子纠错的背景下，将复合量子门（称为“gadget”）包含在 RL 智能体的动作空间中可显著增强 RL 性能。然而，到目前为止，gadget 本身必须手动构建。在本文中，我们提出了一种用于自动发现新 gadget 及相关 gadget 族算法。该算法基于将量子电路表示为有向图，并对重复子图进行自动搜索。后者被识别为 gadget。我们展示了该算法的效率，这使我们能够找到两个适合 RL 的新 gadget 族。我们比较了取自先前已知族和新发现族的 4 比特 gadget 的性能，并讨论了它们的优缺点。
引用
@article{arxiv.2509.24666,
title = {Automated Discovery of Gadgets in Quantum Circuits for Efficient Reinforcement Learning},
author = {Oleg M. Yevtushenko and Florian Marquardt},
journal= {arXiv preprint arXiv:2509.24666},
year = {2025}
}
备注
7 pages, 10 figures