量子科技中心_量科网

变分量子电路（VQCs）是近期量子机器学习（QML）的核心构建模块，然而兼具表达能力和可训练性的架构设计原则仍是重大开放挑战。随着量子比特数、层数、纠缠结构和门参数化的增加，VQC设计空间呈组合式爆炸增长，使得人工电路构建效率低下且往往次优。该研究团队提出了一种基于自主智能体的VQC架构搜索框架，将高层推理与量子模拟环境相结合。该智能体提出候选电路架构，通过全自动训练与验证流程评估性能，并基于结果反馈迭代优化设计策略。实验表明，该智能体能从简单的初始拟设出发，自主演化出表达能力不断增强的电路架构，持续提升任务性能。这证明在无需人工干预的情况下，自主人工智能能有效探索并优化VQC设计空间，为噪声中等规模量子（NISQ）时代的自动化量子模型开发提供了可扩展方法论。