面向 NISQ 系统上混合量子强化学习的上下文感知错误缓解编排

arXiv:2610.01253v1 公告类型：新 摘要：量子强化学习（QRL）将强化学习与参数化量子电路相结合，是解决组合优化问题的一种有前景的方法。然而，在含噪中等规模量子（NISQ）设备上，退相干、门操作不完美和测量误差会降低策略质量，使学习过程的可靠性下降。现有的错误缓解技术通常以固定校正的方式应用，无法适应不断变化的噪声条件或训练状态的演化。本文提出自适应策略引导的错误缓解（APGEM），将其作为混合量子-经典训练循环中的上下文感知编排层，在 QRL 训练期间动态选择最合适的缓解策略。APGEM 使用策略层面的指标评估零噪声外推（ZNE）、概率误差消除（PEC）、Clifford 数据回归（CDR）和读出误差缓解（REM），这些指标包括量子态保真度、策略熵、累积奖励和近似比，并将选定的策略直接整合到强化学习循环中。该框架在容量约束车辆路径问题（CVRP）上进行了评估。CVRP 是城市物流中的代表性 NP-hard 问题，评估覆盖了一系列 NISQ 噪声模型和噪声水平。APGEM 持续优于传统的静态缓解方法，达到预言机策略效用的约 94%，在噪声增强时保持更高的量子态保真度，并在整个训练过程中产生更加稳定的学习行为。消融研究表明，该框架能够学习上下文感知的缓解策略，以适应不同的噪声环境和电路执行条件。这些发现表明，将自适应错误缓解整合到学习过程中，能够显著提升 QRL 在 NISQ 硬件上的鲁棒性和可靠性。