University of Helsinki 发布 BenchRL-QAS 数据集, 应用在 量子计算、强化学习 领域

University of Helsinki 本次发布的数据集 BenchRL-QAS, BenchRL-QAS是一个统一基准测试框架，旨在系统地评估强化学习（RL）算法在量子架构搜索（QAS）中的表现，涵盖从2到8量子比特的多种变分量子算法任务和系统大小。数据集包含9个RL智能体，包括基于值的方法和策略梯度方法，在无噪声和现实噪声环境下对代表性量子问题进行评估。该数据集通过加权排名指标平衡了准确度、电路深度、门数和计算效率，使得比较公平全面。该工作代表了迄今为止最全面的RL-QAS基准测试工作，BenchRL-QAS及其所有实验数据均已公开发布，以支持可重复性和未来的研究。

查看BenchRL-QAS

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。