量子科技中心_量科网

量子模拟的性能很大程度上取决于噪声抑制技术和纠错算法的效率。强化学习已成为提升学习和优化算法性能的有力策略。在本研究中，研究人员证实强化量子动力学能显著抵抗噪声环境的干扰。该团队研究了量子退火过程，通过强化机制促使系统维持当前状态或遵循无噪声演化路径。研究采用学习算法来获得该强化动力学模型的简洁近似，既缩短了总演化时间，也减少了系统暴露于噪声交互的机会。这种方法还规避了在此类算法中实施量子反馈的复杂性。通过对单比特和双比特系统在泡利噪声下进行强化量子退火的数值模拟，该工作验证了该方法的有效性。