Авторы предлагают QADAPT, framework для кооперативного многоагентного обучения с подкреплением, который решает проблему перекрестных помех параметров в массивах электростатически определенных квантовых точек, используя онлайн-обучаемое факторизованное представление пространства действий для развязывания агентов.
- Метод минимизирует интерференцию между агентами через модульные общие политики, основанные на локальных измерениях и вознаграждениях.
- Он достигает обобщения zero-shot для невиданных размеров квантовых устройств.
- Подход поддерживает примерно постоянное число шагов сходимости для достижения целевых режимов независимо от масштаба.
Эта работа обеспечивает масштабируемый путь к быстрой калибровке крупномасштабных квантовых процессоров.