부분 관측 기반 다중 큐비트 양자 상태 분리 강화 학습

양자 상태의 부분적 지식만을 활용하여 다중 큐비트 얽힘을 제어하는 것은 양자 상태 준비, 압축, 제어 및 복잡성 분야의 난제를 해결할 잠재력을 가진 새로운 양자 상호작용 역학 분야의 미개척 영역입니다. 본 연구는 최대 16 큐비트 상태에 대한 짧은 분리 회로를 구성하기 위해 액터-크리틱 알고리즘을 사용하는 딥 강화 학습(RL) 접근 방식을 제시합니다. 본 연구의 에이전트는 두 큐비트 축소 밀도 행렬에만 접근하여 어떤 큐비트 쌍에 두 큐비트 게이트를 적용할지 결정합니다. 이러한 국소 정보만을 요구하는 방식은 현대 NISQ 장치에 직접 적용 가능하며, 이온 트랩 양자 컴퓨터를 통해 실험적으로 시연되었습니다. 순열 불변 트랜스포머 아키텍처를 활용하여 에이전트는 상태 내 큐비트 순열을 자율적으로 식별하고, 이에 따라 분리 프로토콜을 조정합니다. 일단 훈련되면, 에이전트는 추가 최적화 없이 다양한 초기 상태로부터 회로를 제공합니다. 본 연구는 에이전트가 다중 큐비트 상태의 얽힘 구조를 식별하고 활용하는 능력을 입증했습니다. 4 및 5 큐비트 Haar-랜덤 상태에 대해 에이전트가 구성한 분리 회로를 분석한 결과, 연속적인 게이트와 관련된 큐비트들 사이에 강한 상관관계가 관찰되었습니다. 광범위한 벤치마킹을 통해 RL 접근 방식이 최소 게이트 자원으로 분리 프로토콜을 찾는 데 효과적임을 보여줍니다. 훈련된 에이전트의 노이즈에 대한 복원력을 탐구하여 실제 양자 컴퓨팅 애플리케이션에 대한 잠재력을 강조합니다. 최적의 분리 프로토콜 분석을 통해, 최대 5개의 두 큐비트 (10 CNOT) 게이트를 사용하여 임의의 4 큐비트 상태를 준비하는 일반적인 회로를 보고합니다.