Predictive Fidelity-Aware Routing and Adaptive Scheduling in Distributed NISQ Quantum Networks via Actor–Critic Reinforcement Learning
本文提出了一种基于深度强化学习的框架(DRL-QCOF),该框架通过集成 Bi-LSTM 保真度预测器与 Actor-Critic 调度智能体,对分布式 NISQ 量子网络中的路由与调度进行联合优化,在动态条件下,其在链路保真度、延迟和资源利用率方面显著优于现有方法。