量子科技中心_量科网

由于硬件限制及最小化门数量和电路深度的组合复杂性，编译浅层且精确的哈密顿量模拟量子电路仍具挑战性。现有优化方法流程依赖人工设计的经典启发式算法，这些算法无法学习输入相关结构，因此错失了大幅缩减电路的机遇。该团队提出**F2**——一种利用自由费米子结构的离线强化学习框架，可高效编译基于Trotter的哈密顿量模拟电路。F2具备三大特性：(i) 基于经典可模拟自由费米子子程序的强化学习环境，(ii) 通过架构级和目标级归纳偏置实现长时程价值学习的稳定性，(iii) 可逆合成轨迹生成机制，持续产生丰富且保证成功的离线数据。在涵盖晶格模型、蛋白质片段和晶体材料（12-222量子比特）的基准测试中，相较于主流基准工具（Qiskit、Cirq/OpenFermion），F2平均减少47%的门数量和38%的电路深度，同时保持10^-7的平均误差。这些结果表明，将深度强化学习与量子动力学代数结构对齐，能显著提升电路合成效能，为可扩展的基于学习的量子编译指明了前景方向。