摘要 — 量子计算机有可能在优化和数字分解等重要任务上超越传统计算机。它们的特点是连接性有限,这需要在程序执行期间将其计算位(称为量子位)路由到特定位置以执行量子操作。传统上,最小化路由开销的 NP 难优化问题已通过次优的基于规则的路由技术解决,而成本函数设计中嵌入了固有的人为偏见。本文介绍了一种将蒙特卡洛树搜索 (MCTS) 与强化学习 (RL) 相结合的解决方案。我们基于 RL 的路由器称为 AlphaRouter,其性能优于当前最先进的路由方法,并且生成的量子程序的路由开销减少了多达 20%,从而显著提高了量子计算的整体效率和可行性。
主要关键词