Achieving fast and robust perfect entangling gates via reinforcement learning
Diese Arbeit zeigt, wie Reinforcement-Learning-Techniken genutzt werden können, um robuste und schnelle perfekte Verschränkungsgatter für Noisy Intermediate-Scale Quantum-Computer zu entwickeln, die sich durch hardwareunabhängige Anwendbarkeit und reduzierten Kalibrierungsaufwand auszeichnen.