著者らは、QADAPTを提案した。これは協調型マルチエージェント強化学習のフレームワークであり、オンライン学習された因子化された表現を用いて行動空間を分離することで、静電的に定義された量子ドット配列におけるパラメータ間のクロストークに対処する。

  • 局所測定と報酬に基づくモジュール共有ポリシーを通じて、エージェント間の干渉を最小化する。
  • 未見の量子デバイスのサイズに対してゼロショット汎化を実現する。
  • スケールに関わらず目標領域に到達するための収束ステップ数をほぼ一定に保つ。

この研究は、大規模量子プロセッサの迅速なキャリブレーションに向けたスケーラブルな道筋を提供する。