基于模块化混合策略从约化态学习量子解纠缠调度
量子物理
2026-05-01 v1
摘要
在态访问受限条件下的量子控制是近期量子设备的核心问题，此时无法获取完整的波函数信息。我们通过部分观测下的多量子比特解纠缠调度来研究这一问题，其中控制器仅接收两量子比特约化密度矩阵，并在每一步选择要解纠缠的量子比特对。我们引入了一个模块化量子-经典混合策略框架，该框架由经典预处理、作为紧凑非线性潜在模块的参数化量子电路以及用于配对选择概率的经典后处理组成。在4、5和6量子比特任务上进行基准测试后，我们发现预处理是在约化态观测下决定性能的主导因素，而量子模块则提供了一种条件紧凑表示，其效用取决于输入特征和模型预算。我们进一步识别出不同策略族之间的性能-效率权衡，并发现增加电路宽度通常比增加深度更有用。这些结果为在信息受限的量子控制中设计混合策略提供了实用原则。
引用
@article{arxiv.2604.28009,
title = {Learning quantum disentanglement scheduling from reduced states via modular hybrid policies},
author = {Y. -X. Xiao and J. -Z. Han and Z. Zheng and Z. -H. Zhang and M. Xue and J. Li and X. Lv},
journal= {arXiv preprint arXiv:2604.28009},
year = {2026}
}
备注
13 pages, 11 figures; Preliminary manuscript prepared for summer program applications