量子科技中心_量科网

量子网络预计将成为连接量子设备的关键使能技术。然而与传统通信网络不同，受限于纠缠分发的物理特性，量子网络中的信息传输通常局限于短距离。卫星可扩展远距离纠缠分发，但由于卫星运动与随机链路生成会形成高度动态的量子拓扑结构，此类网络的路由选择极具挑战性。现有路由方法往往依赖全局拓扑信息，而这些信息会因经典控制平面的延迟而快速失效；去中心化方法则通常基于不完整的本地信息运作。 该研究团队提出SatQNet——一种适用于卫星辅助量子网络的强化学习纠缠路由方案，可在运行时实现去中心化。其核心创新在于采用以边为中心的定向线图神经网络，通过对定向边嵌入执行本地消息传递，从而更好地捕捉高维时变拓扑中的链路特性。通过与相邻中继器交换消息，SatQNet在运行时学习局部图表示，支持智能体建立高保真端到端纠缠。在随机图上的训练表明，SatQNet在包括真实欧洲骨干拓扑在内的多种场景中均优于启发式和基于学习的方法，且无需重新训练即可泛化至未见过的拓扑结构。