量子科技中心_量科网

许多量子软件开发工具包都提供了一套电路优化流程。这些流程在独立运行时已得到高度优化和充分测试，但其应用顺序通常需要用户自行决定，或依赖于通用的默认流程序列。通用序列往往会错过针对特定电路独有的优化机会，而定制化设计流程序列又要求使用者具备量子电路设计与优化的专业知识。该研究团队提出并验证了通过强化学习智能体来构建优化流程序列的方法。具体而言，该智能体的操作空间由PyTKET默认流程序列中用于减少双量子比特门数量的优化流程组成。在多样化测试电路集中，智能体移除的双量子比特门数量比例（均值57.7%，中位数56.7%）显著优于次优默认流程序列的表现（均值41.8%，中位数50.0%）。