AlphaRouter: Quantum Circuit Routing with Reinforcement Learning and Tree Search

要約

量子コンピューターは、最適化や数因数分解などの重要なタスクにおいて古典的なコンピューターを上回るパフォーマンスを発揮する可能性があります。
これらは接続性が制限されていることが特徴で、量子演算を実行するにはプログラム実行中に量子ビットとして知られる計算ビットを特定の場所にルーティングする必要があります。
従来、配線オーバーヘッドを最小限に抑えるという NP ハード最適化の問題は、コスト関数設計内に組み込まれた固有の人的バイアスを伴う、次善のルールベースの配線手法によって対処されてきました。
このペーパーでは、モンテカルロ ツリー検索 (MCTS) と強化学習 (RL) を統合するソリューションを紹介します。
AlphaRouter と呼ばれる当社の RL ベースのルーターは、現在の最先端のルーティング方法よりも優れたパフォーマンスを発揮し、最大 $20\%$ 少ないルーティング オーバーヘッドで量子プログラムを生成するため、量子コンピューティングの全体的な効率と実現可能性が大幅に向上します。

要約(オリジナル)

Quantum computers have the potential to outperform classical computers in important tasks such as optimization and number factoring. They are characterized by limited connectivity, which necessitates the routing of their computational bits, known as qubits, to specific locations during program execution to carry out quantum operations. Traditionally, the NP-hard optimization problem of minimizing the routing overhead has been addressed through sub-optimal rule-based routing techniques with inherent human biases embedded within the cost function design. This paper introduces a solution that integrates Monte Carlo Tree Search (MCTS) with Reinforcement Learning (RL). Our RL-based router, called AlphaRouter, outperforms the current state-of-the-art routing methods and generates quantum programs with up to $20\%$ less routing overhead, thus significantly enhancing the overall efficiency and feasibility of quantum computing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google