SatQNet：基于有向线图神经网络的卫星辅助量子网络纠缠路由

量子网络预计将成为 interconnect 量子设备的关键使能器。然而，与经典通信网络不同，量子网络的信息传输通常受限于短距离due to 纠缠分配的物理限制。卫星可将纠缠分布扩展至长距离，但在此类网络中进行路由具有挑战性，因为卫星运动和随机链路生成导致高度动态的量子拓扑结构。现有的路由方法常依赖快速变陈旧的全局拓扑信息，而去中心化方法通常仅基于不完整的局部信息。我们提出SatQNet（Satellite-assisted Quantum Network），一种用于卫星辅助量子网络纠缠路由的强化学习方法，可在运行时去中心化化。其核心创新是一种边缘导向的有向线图神经网络，对有向边嵌入执行局部消息传递，使其能够更好地捕获高稀疏度和时变拓扑结构中的链路属性。通过与相邻中继器交换消息，SatQNet在运行时学习局部图表示，支持代理建立高保真度的端到端纠缠。经过随机图训练，SatQNet在包括实际欧洲主干拓扑在内的多种设置下均优于启发式和学习方法，并能在无需重新训练的情况下泛化到未见过的拓扑结构。