Predictive Fidelity-Aware Routing and Adaptive Scheduling in Distributed NISQ Quantum Networks via Actor–Critic Reinforcement Learning
Questo articolo propone un framework basato sul Deep Reinforcement Learning (DRL-QCOF) che integra un predittore di fedeltà Bi-LSTM con un agente di scheduling Actor–Critic per ottimizzare congiuntamente il routing e lo scheduling nelle reti quantistiche NISQ distribuite, superando significativamente i metodi esistenti in termini di fedeltà del link, latenza e utilizzo delle risorse in condizioni dinamiche.