Graph Reinforcement Learning for Calibration-Aware Quantum Circuit Routing

📄 arXiv: 2606.12816 📥 PDF

作者: Yash Vardhan Tomar, Dheeraj Peddireddy, Vaneet Aggarwal

分类: cs.ET, cs.LG

发布日期: 2026-06-12

💡 一句话要点

提出基于图强化学习的量子电路路由方法以提高校准精度

🎯 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 路由优化 量子计算 保真度提升 图算法

📋 核心要点

  1. 现有的量子电路路由方法在处理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. 本文提出了一种基于图的强化学习路由器，利用实时校准数据来优化SWAP操作，从而提高量子电路的保真度。
  3. 实验结果表明，所提方法在九个基准电路上实现了平均保真度0.727，显著优于传统方法，尤其在特定电路系列中表现突出。

📝 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在经过校准不佳的耦合器时可能会失去保真度。本文研究了一种校准感知的图强化学习路由器，该路由器利用同日的IBM Heron r2校准数据选择硬件边缘SWAP。我们使用近端策略优化训练策略，并通过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精确模拟保真度评估。评估结果显示，平均精确保真度为0.727，相比之下，SABRE-best20为0.440，目标感知SABRE为0.481。保真度的提升伴随着更高的路由两量子比特计数，集中在5q和8q电路系列下；在固定树状动作图下，所有10q系列更倾向于SABRE-best20。总体而言，结果表明，校准感知的学习路由可以在超越基于门计数的编译中提高保真度。

🔬 方法详解

问题定义：本文旨在解决量子电路路由中由于校准不佳的耦合器导致的保真度下降问题。现有方法在优化路由时未考虑实时校准数据，导致保真度损失。

核心思路：提出了一种校准感知的图强化学习路由器，利用IBM Heron r2的实时校准数据选择最佳的SWAP操作，以提高量子电路的整体保真度。

技术框架：该方法包括数据收集、策略训练和保真度评估三个主要模块。首先收集实时校准数据，然后使用近端策略优化算法训练路由策略，最后通过模拟评估保真度。

关键创新：最重要的创新在于将实时校准信息融入到路由决策中，使得路由策略能够动态适应硬件特性，从而显著提高保真度。与传统基于门计数的编译方法相比，本文方法更关注实际的量子操作效果。

关键设计：在训练过程中，采用了近端策略优化算法，并设计了适应性损失函数，以平衡保真度和路由复杂度。此外，网络结构经过优化，以适应量子电路的特性。具体参数设置和网络结构细节在论文中有详细描述。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，所提的校准感知路由方法在九个基准电路上实现了平均保真度0.727，相比SABRE-best20的0.440和目标感知SABRE的0.481有显著提升，尤其在5q和8q电路系列中表现突出。

🎯 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、量子算法的实现以及量子硬件的设计。通过提高量子电路的保真度，能够更好地支持量子计算在实际应用中的推广，推动量子技术的发展与应用。

📄 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.