GPA：用于生成最优量子传感器电路的 Grover 策略智能体

本研究提出了一种用于设计最优量子传感器电路（QSC）的 GPA，以解决复杂的量子物理问题。GPA 由两部分组成：量子策略评估（QPE）和量子策略改进（QPI）。QPE 执行相位估计以生成搜索空间，而 QPI 利用 Grover 搜索和振幅放大技术来高效识别生成最优 QSC 的最优策略。GPA 通过选择最大化量子 Fisher 信息（QFI）同时最小化门数量的门序列来生成 QSC。GPA 生成的 QSC 能够产生纠缠量子态，特别是压缩态。高 QFI 表明对参数变化的敏感性增加，使该电路可用于量子态估计和控制任务。在由两个量子比特和一系列 $R_x$、$R_y$ 和 $S$ 门组成的 QSC 上对 GPA 进行评估，证明了其在生成 QFI 为 1 的最优 QSC 方面的效率。与现有的量子智能体相比，GPA 以更少的门实现了更高的 QFI，证明了一种更高效且可扩展的 QSC 设计方法。这项工作展示了量子智能体在解决量子物理问题方面的潜在计算能力。