量子科技中心_量科网

当前实验性量子计算设备受限于噪声，主要源于纠缠门操作。若某项操作的优化门序列未知，研究人员通常采用分层的参数化量子电路（特别是硬件高效拟设）配合固定结构的纠缠层。该研究团队展示了一种强化学习算法，在量子态制备任务中通过优化纠缠门序列来改进这一局限。该方法能在考虑量子比特连接架构的同时，有效限制所需CNOT门数量。近期利用强化学习优化非参数化门序列的研究已证明该技术的优势。该工作将这种方法拓展至参数化门组，通过整合通用单量子比特酉操作，在相同CNOT门数量下持续实现比硬件高效拟设更高的态制备保真度。