强化学习用于自适应量子电路优化 pass 的组合

许多量子软件开发套件提供一套电路优化 pass。这些 pass 已高度优化并在孤立环境中测试。然而，它们的应用顺序留给用户，或采用通用目的的默认 pass 序列。虽然通用目的的序列会错失特定电路所特有的优化机会，但为特定电路设计定制的 pass 序列需要对量子电路设计和优化拥有卓越的知识。我们提出并演示训练一个强化学习智能体来组合优化 pass 序列。具体而言，智能体的动作空间由用于默认 PyTKET pass 序列中用于两比特门计数减少的 pass 组成。对于我们多样化测试集中的电路，智能体（平均值、中位数）删除的两比特门比例分别为 $(57.7\%$，$56.7\%$)，与下一个最佳默认 pass 序列的 $(41.8\%$，$50.0\%)$ 相比较。