Scalable Quantum Reinforcement Learning on NISQ Devices with Dynamic-Circuit Qubit Reuse and Grover Optimization
تقدم هذه الورقة إطار عمل للتعلم التعزيزي الكمي قابل للتوسع وفعال في استهلاك الموارد، يستخدم إعادة استخدام الكيوبتات عبر الدوائر الديناميكية وتضخيم السعة القائم على خوارزمية غروفر لتقليل تعقيد الكيوبتات لعمليات ماركوف لاتخاذ القرار الكمية متعددة الخطوات من التعقيد الخطي إلى التعقيد الثابت مع الحفاظ على دقة المسار على أجهزة الحوسبة الكمية ذات القدرة المحدودة (NISQ).