Approximate Quantum State Preparation Through Proximal Policy Optimization
Dieses Papier schlägt ein auf Proximal Policy Optimization basierendes Deep-Reinforcement-Learning-Framework vor, um effizient nach optimalen Quantenschaltkreisen zu suchen, die Zielzustände mit hoher Fidelität () approximieren und gleichzeitig die Gatteranzahl über verschiedene Multi-Qubit-Szenarien hinweg minimieren.