Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures
Dit artikel stelt een nieuwe Deep Reinforcement Learning-benadering voor die Transformer-encoders en Graph Neural Networks integreert om efficiënt heuristieken te leren voor het toewijzen van logische qubits aan fysieke kernen in modulaire quantumarchitecturen, waardoor inter-kerncommunicatie wordt geminimaliseerd en de compilatietijd ten opzichte van baseline-methoden wordt verkort.