量子科技中心_量科网

量子计算具备解决经典计算机难以处理问题的潜力，在药物研发和高能物理等领域具有广泛应用前景。然而，量子计算的实用化进程受限于量子电路在硬件上执行的复杂性，其中最小化T门数量对实现高效量子算法至关重要。AlphaTensor-Quantum作为一种基于强化学习的方法，通过将问题构建为张量分解任务来优化量子电路的T门数量。虽然该方法在基准量子算术电路上已展现出优于现有方案的性能，但其应用目前仍局限于特定电路族，且每项新应用都需要耗时进行独立训练。 本报告复现了原始工作的部分关键成果，并将AlphaTensor-Quantum的能力扩展至可简化不同量子比特数的随机电路，从而免除针对新电路重新训练的需求。实验表明：在5至8量子比特电路上训练的通用代理器，对大部分量子电路实现了比既往方法更显著的T门数量缩减。进一步研究发现，接受变量子比特数电路训练的通用代理器，其性能优于固定比特数训练的代理器，这验证了该方法出色的泛化能力及其在更广泛量子电路优化任务中的应用潜力。