基于深度强化学习的囚禁离子量子线路混合离散-连续编译

缩短量子线路对于减少环境退相干的破坏性影响并实现有用算法至关重要。在此,我们展示了通过结合在连续门集上的混合离散-连续优化以及架构定制实现,在此类编译任务中的改进。连续参数通过基于梯度的优化算法发现,同时最优门排序通过基于投影模拟的深度强化学习算法学习。为测试该方法,我们引入一个框架以在经典设备上高效模拟囚禁离子系统中的集体门。该算法被证明能显著减小囚禁离子计算相关量子线路的规模。此外,我们展示了我们的框架也可应用于以复现未知酉过程为目标的实验装置。