随机酉电路上的强化解纠缠器

我们利用近端策略优化（PPO）算法 \cite{schulman2017proximalpolicyoptimizationalgorithms}，在砖墙排布的双量子比特门随机 Clifford 电路中搜索高效的解纠缠器。解纠缠器定义为插入在连续纠缠层之间的一组投影测量。高效的解纠缠器是指以最少的总投影次数使最终态的平均冯·诺依曼熵最小化的一组投影测量。该问题天然适合用强化学习技术求解：将表示电路中投影测量的二进制矩阵作为状态，将对该矩阵进行位翻转以在指定位置增删测量的操作作为动作。我们根据最终态的平均冯·诺依曼熵和测量配置给予智能体奖励，使其学习到从无测量的初始状态到使纠缠熵最小化的最优测量状态的最优策略。我们的结果表明，解纠缠随机量子电路所需的测量数量远少于测量诱导相变文献中的数值结果。此外，强化学习过程使我们能够刻画最优解纠缠器的模式，这是测量诱导相变研究无法做到的。