RELiQ: Scalable Entanglement Routing via Reinforcement Learning in Quantum Networks
本論文は、局所情報のみと反復的なメッセージ交換に依存し、グラフニューラルネットワークを用いて特定のネットワークトポロジーへの過剰適合を防ぐ強化学習ベースのアプローチ「RELiQ」を提案し、ランダムおよび実世界の量子ネットワークにおいて既存のヒューリスティック手法を上回るスケーラブルなエンタングルメント経路制御を実現することを示しています。