标题: 人工智能方法在通用拓扑结构下排列电路综合中的应用

于红博

摘要: 本文调查了人工智能（AI）方法论在不同拓扑结构下置换电路的合成和转译。我们的方法使用强化学习（RL）技术实现了高达25个量子比特的置换电路近乎最优的合成。与为各个拓扑结构开发专门模型不同，我们在一个通用的矩形格上训练了基础模型，并采用屏蔽机制在合成过程中动态选择拓扑结构的子集。这使得可以在矩形格内嵌套的任何拓扑结构上合成置换电路，而无需重新训练模型。本文展示了5x5格点的结果，并将其与先前的AI拓扑导向模型和经典方法进行了比较，结果显示其表现优于经典启发式算法，并与以前的专门的AI模型匹配，甚至对于训练过程中未见的拓扑结构也可以进行合成。我们进一步展示了该模型可以通过微调来增强对特定拓扑结构的性能。这种方法论使得单个经过训练的模型可以有效地在不同拓扑结构上合成电路，从而实现其在转译工作流程中的实际整合。

更新时间: 2025-09-19 14:28:22

领域: quant-ph,cs.AI,cs.LG

下载: http://arxiv.org/abs/2509.16020v1