基于强化学习的 Clifford+T 电路全约数合成
量子物理
2025-01-16 v4
摘要
本文提出一种深度强化学习方法，用于将全约数合成为量子电路。全约数合成旨�找出表示给定全约数的量子电路，以最小化电路深度、总门数、特定门数或上述因素的组合。虽然过往研究主要聚焦连续门集，但从无参数 Clifford+T 门集实现全约数合成仍是挑战。尽管此任务的时间复杂度不可避免地随量子位数呈指数增长，但降低简单问题实例的运行时间仍是重要挑战。本文采用树搜索方法 Gumbel AlphaZero 求解针对一部分恰好可合成 Clifford+T 全约数的问题。该方法能够有效合成至多五量子位的电路，这些电路来自最多 60 个门的随机电路，凭借合成时间在更大量子位数下显著优于 QuantumCircuitOpt 和 MIN-T-SYNTH 等现有工具。此外，本方法在成功合成随机恰好可合成全约数方面，优于 Synthetiq。上述结果为未来全约数合成算法奠定了强劲基准。
引用
@article{arxiv.2404.14865,
title = {Unitary Synthesis of Clifford+T Circuits with Reinforcement Learning},
author = {Sebastian Rietsch and Abhishek Y. Dubey and Christian Ufrecht and Maniraman Periyasamy and Axel Plinge and Christopher Mutschler and Daniel D. Scherer},
journal= {arXiv preprint arXiv:2404.14865},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication. 12 pages, 6 figures, 1 table