基于强化学习的固态量子比特量子控制

研究人员通过仿真分析了无模型强化学习在自旋浴中 NV 核自旋间接控制等复杂场景下的性能，用于态制备与量子比特门设计。该研究利用广义团簇关联展开对包含磁性杂质及浴内相互作用的自旋浴建模，并在最小可观测环境以及含噪、稀疏奖励条件下测试了 RL 智能体，同时将其与其他前沿黑盒优化工具进行了对比。