量子科技中心_量科网

强化学习（RL）已被证明是发现量子电路和量子协议的有力工具。该团队近期研究表明，在RL智能体的动作空间中引入被称为“组件”的复合量子门，可显著提升量子纠错场景中的RL性能。然而迄今为止，这些组件仍需人工构建。本论文提出了一种自动发现新型组件及相关组件家族的算法。该算法基于将量子电路表示为有向图的技术，并通过自动化搜索重复子图来识别有效组件。研究人员验证证了算法的高效性，成功发现两个适用于RL的新型组件家族。通过比较来自已知家族与新发现家族的四量子位组件，该工作深入分析了其性能优劣与适用特性。