Graph Reinforcement Learning for Calibration-Aware Quantum Circuit Routing

📄 arXiv: 2606.12816v1 📥 PDF

作者: Yash Vardhan Tomar, Dheeraj Peddireddy, Vaneet Aggarwal

分类: quant-ph, cs.ET, cs.LG

发布日期: 2026-06-11

💡 一句话要点

提出基于图强化学习的校准感知量子电路路由方法

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 量子电路 强化学习 校准感知 量子计算 路由优化 保真度提升

📋 核心要点

  1. 现有的量子电路路由方法在面对校准不佳的耦合器时，可能导致保真度下降，影响量子计算的可靠性。
  2. 本文提出了一种校准感知的图强化学习路由器，利用实时校准数据优化SWAP选择，从而提高量子电路的保真度。
  3. 实验结果表明，所提方法在多个基准电路上实现了0.727的平均保真度，相较于现有最佳方法有显著提升。

📝 摘要（中文）

量子电路路由是为噪声中间规模量子处理器编译程序的关键步骤。标准的开销度量下看似高效的路由，可能在经过校准不佳的耦合器时失去保真度。本文研究了一种校准感知的图强化学习路由器，利用同日的IBM Heron r2校准数据选择硬件边缘SWAP。通过近端策略优化训练策略，并在九个慕尼黑量子工具包基准电路和三个校准快照上进行评估。评估结果显示，平均精确保真度为0.727，相较于SABRE-best20的0.440和目标感知SABRE的0.481，显示出显著提升。保真度的提升伴随着更高的两量子比特路由计数，主要集中在5q和8q电路系列中。

🔬 方法详解

问题定义：本文旨在解决量子电路路由中由于耦合器校准不佳导致的保真度下降问题。现有方法往往忽视了校准信息，导致在实际应用中效果不佳。

核心思路：提出的校准感知图强化学习路由器通过实时获取校准数据，优化SWAP选择，从而提高量子电路的整体保真度。该方法利用强化学习策略，能够动态适应不同的硬件环境。

技术框架：整体架构包括数据采集模块、图构建模块、强化学习训练模块和评估模块。数据采集模块获取实时校准数据，图构建模块将电路映射为图结构，强化学习模块训练路由策略，最后通过评估模块验证路由效果。

关键创新：最重要的创新在于将实时校准数据融入到路由决策中，显著提高了量子电路的保真度。这一方法与传统的基于开销的路由方法有本质区别，后者未考虑校准信息的影响。

关键设计：在训练过程中，采用近端策略优化算法，损失函数设计为保真度的负值，以最大化保真度。同时，网络结构设计为深度神经网络，能够有效处理图结构数据。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，所提校准感知路由方法在九个基准电路上实现了平均精确保真度0.727，相较于SABRE-best20的0.440和目标感知SABRE的0.481，提升幅度显著。保真度的提升主要集中在5q和8q电路系列，显示出该方法在特定电路规模上的优势。

🎯 应用场景

该研究的潜在应用领域包括量子计算的编译优化、量子算法的高效实现以及量子硬件的性能提升。通过提高量子电路的保真度，该方法有助于推动量子计算技术的实际应用，尤其是在量子通信和量子模拟等领域。

📄 摘要（原文）

Quantum circuit routing is a key step in compiling programs for noisy intermediate-scale quantum processors. Routes that appear efficient by standard overhead metrics can still lose fidelity when they pass through poorly calibrated couplers. We study a calibration-aware graph reinforcement-learning router that uses same-day IBM Heron r2 calibration data to choose hardware-edge SWAPs. We train the policy with proximal policy optimization and evaluate it with exact simulated fidelity across nine Munich Quantum Toolkit (MQT) Bench circuits and three calibration snapshots. Across these evaluations, pooled mean exact fidelity is $0.727$, compared with $0.440$ for SABRE-best20 and $0.481$ for target-aware SABRE. Fidelity gains come with higher routed two-qubit counts and are concentrated in the 5q and 8q circuit families; under the fixed tree action graph, all 10q families favor SABRE-best20. Overall, our results show that calibration-aware learned routing can improve fidelity beyond gate-count-driven compilation.