qgym：用于训练和基准测试基于强化学习的量子编译的 Gym
量子物理
2023-08-08 v1 机器学习
摘要
为特定量子硬件编译量子电路是一项艰巨任务。此外，当前量子计算机存在严重的硬件限制。为充分利用有限资源，编译过程应被优化。为改进现有方法，可使用强化学习（RL）——一种智能体与环境交互以学习复杂策略达成特定目标的技术。本工作中，我们提出qgym，一个源自OpenAI gym的软件框架，以及专为量子编译定制的环境。qgym的目标是通过抽象掉两领域均无关的流程部分，将人工智能（AI）与量子编译的研究领域连接起来。它可用于在高度可定制的环境中训练和基准测试RL智能体与算法。
引用
@article{arxiv.2308.02536,
title = {qgym: A Gym for Training and Benchmarking RL-Based Quantum Compilation},
author = {Stan van der Linde and Willem de Kok and Tariq Bontekoe and Sebastian Feld},
journal= {arXiv preprint arXiv:2308.02536},
year = {2023}
}