迈向更快的量子电路优化强化学习：指数奖励函数
量子物理
2023-11-22 v1
摘要
用于量子电路优化的强化学习使用一个智能体，其目标是最大化奖励函数的值，该函数在搜索空间探索过程中判定何为正确、何为错误。如何构造导致快速且高效学习的奖励函数仍是一个开放问题。我们提出一种对电路结构特性敏感的指数奖励函数。我们在具有已知最优深度的电路上对我们的函数进行基准测试，并得出结论：我们的函数减少了学习时间并改善了优化。我们的结果是迈向快速、大规模量子电路优化的下一步。
引用
@article{arxiv.2311.12509,
title = {Towards Faster Reinforcement Learning of Quantum Circuit Optimization: Exponential Reward Functions},
author = {Ioana Moflic and Alexandru Paler},
journal= {arXiv preprint arXiv:2311.12509},
year = {2023}
}
备注
Accepted at 18th ACM International Symposium on Nanoscale Architectures