Investigation of Automated Design of Quantum Circuits for Imaginary Time Evolution Methods Using Deep Reinforcement Learning
この論文は、二重深層Qネットワーク(DDQN)を用いた強化学習フレームワークを提案し、変分虚時間進化(VITE)法における回路設計をエネルギー最小化と回路複雑性の最適化という多目的問題として自動化することで、NISQデバイス向けにゲート数や回路深度を大幅に削減した効率的な量子回路を自動発見できることを示しています。