DreamQAS: RL basato su modelli per la ricerca di architetture quantistiche
Un nuovo framework chiamato DreamQAS è stato sviluppato da ricercatori, utilizzando l'apprendimento per rinforzo basato su modelli per la ricerca di architetture quantistiche (QAS), migliorando l'efficienza dei risolutori variazionali quantistici (VQE). Questo approccio, descritto in un articolo arXiv (2607.29491), affronta le carenze dei metodi RL-QAS convenzionali, che ottimizzano inefficientemente il VQE dopo ogni estensione del circuito, ignorando gli aspetti deterministici della progettazione dei circuiti. DreamQAS mantiene queste dinamiche di circuito e si concentra esclusivamente sul costoso feedback post-VQE. Impiega un ensemble ricorrente a priori randomizzato per stimare un punteggio senza oracolo rispetto a una frontiera energetica empirica, facilitando l'apprendimento di politiche immaginate a più passi su circuiti validi. Con un budget standard di 15.000 episodi, DreamQAS ha registrato il più basso errore medio di energia a politica congelata in quattro dei cinque compiti molecolari, dimostrando il suo potenziale per migliorare la progettazione di circuiti quantistici e far progredire la chimica quantistica e la scienza dei materiali.
Fatti principali
- DreamQAS è un framework RL basato su modelli per la ricerca di architetture quantistiche.
- Preserva le dinamiche esatte del circuito e apprende solo il costoso feedback post-VQE.
- Un ensemble ricorrente a priori randomizzato predice un punteggio senza oracolo rispetto a una frontiera energetica empirica.
- Supporta l'apprendimento di politiche immaginate a più passi su circuiti legali espliciti.
- L'attivazione basata su ranking, il pessimismo e il troncamento consapevoli dell'incertezza e la verifica selettiva con VQE reale formano un ciclo di apprendimento controllato dall'affidabilità.
- Con un budget di 15.000 episodi, DreamQAS ha ottenuto il più basso errore medio di energia a politica congelata in quattro dei cinque compiti molecolari e il secondo più basso in uno.
- L'articolo è disponibile su arXiv con ID 2607.29491.
- Il metodo mira a migliorare l'efficienza del VQE nell'informatica quantistica.
Entità
Istituzioni
- arXiv