量子科技中心_量科网

高效基态搜索是推动组合优化问题和量子化学研究的基础。虽然变分虚时间演化（VITE）方法为变分量子本征求解器（VQE）和量子近似优化算法（QAOA）提供了实用替代方案，但其在中等规模含噪声量子（NISQ）设备上的实现受限于手动设计拟设的门数量和电路深度。本研究提出基于双深度Q网络（DDQN）的VITE电路自动设计框架，将电路构建转化为多目标优化问题，同步实现能量期望值最小化与电路复杂度优化。通过引入自适应阈值，该方案显著降低了硬件开销：在最大割问题中，智能体自主设计的电路较标准硬件高效拟设平均减少约37%量子门和43%电路深度；对于氢分子（H₂）体系，在保持更浅电路深度的同时仍达到完全组态相互作用极限。这些结果表明深度强化学习有助于发现非直觉的最优电路结构，为面向硬件的高效量子算法设计提供了新路径。