利用噪声感知强化学习智能体同时发现量子纠错码与编码器
量子物理
2025-11-14 v3
摘要
在迈向量子纠错(QEC)实验实现的持续竞赛中，寻找能够自动发现适配量子比特硬件平台的纠错码与编码策略的方法正成为一个关键问题。强化学习(RL)已被认为是一种有前景的途径，但迄今为止其在可扩展性方面受到严重限制。在本工作中，我们显著扩展了RL方法在QEC码发现中的能力。具体而言，我们训练了一个RL智能体，对于给定的门集合、量子比特连接性与误差模型，能够从零开始自动发现QEC码及其编码电路。这得益于基于Knill-Laflamme条件的奖励与向量化Clifford模拟器，使得我们的结果可扩展至20个物理量子比特与距离5的码。此外，我们引入了噪声感知元智能体(noise-aware meta-agent)的概念，其学习针对一系列噪声模型同时生成编码策略，从而利用不同情形间的见解迁移。我们的方法为在各类相关量子硬件平台上实现硬件适配的QEC方法加速发现打开了大门。
引用
@article{arxiv.2311.04750,
title = {Simultaneous Discovery of Quantum Error Correction Codes and Encoders with a Noise-Aware Reinforcement Learning Agent},
author = {Jan Olle and Remmy Zen and Matteo Puviani and Florian Marquardt},
journal= {arXiv preprint arXiv:2311.04750},
year = {2025}
}
备注
14 p.main + 9 p.appendix. Codes available on github