量子科技中心_量科网

该研究团队将强化学习驱动的定向量子电路综合（DQCS）方法从纯离散门选择扩展到包含连续单量子比特旋转（Rx、Ry、Rz）的参数化量子态制备。通过对比两种训练机制：一种是联合选择门类型、作用量子位及旋转角度的单阶段智能体；另一种是先提出离散电路框架、再通过Adam优化器结合参数平移梯度微调旋转角度的两阶段方法。利用Gymnasium和PennyLane平台，研究人员评估了近端策略优化（PPO）和优势演员-评论家（A2C）算法在2至10量子位系统上的表现，测试了复杂度渐增（λ值1至5）的目标任务。结果显示A2C未能形成有效策略，而PPO在稳定超参数下（单阶段：学习率约5×10⁻⁴，自保真误差阈值0.01；两阶段：学习率约10⁻⁴）表现成功。两种方法均能可靠重构计算基态（成功率83%-99%）和贝尔态（成功率61%-77%），但可扩展性在λ≈3-4时趋于饱和，即便λ=2也无法扩展到10量子位目标。两阶段方法仅带来有限精度提升（约3%），却需耗费约三倍运行时。基于固定计算预算的实用性考量，该工作建议采用单阶段PPO策略，提供了具体合成电路实例，并通过与经典变分基线的对比指出了提升可扩展性的潜在路径。