Predictive Fidelity-Aware Routing and Adaptive Scheduling in Distributed NISQ Quantum Networks via Actor–Critic Reinforcement Learning
Dit artikel stelt een op Deep Reinforcement Learning gebaseerd framework voor (DRL-QOF) dat een Bi-LSTM fidelity-voorspeller integreert met een Actor–Critic scheduling-agent om routing en scheduling in gedistribueerde NISQ-kwantumnetwerken gezamenlijk te optimaliseren, waarbij het bestaande methoden aanzienlijk overtreft op het gebied van link-fidelity, latentie en resource-benutting onder dynamische omstandigheden.