买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学申请的专利基于深度强化学习的量子线路映射方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121707004B 。

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610195102.6，技术领域涉及：G06N10/60；该发明授权基于深度强化学习的量子线路映射方法及系统是由杨沫;周梯步;张宇聪设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本基于深度强化学习的量子线路映射方法及系统在说明书摘要公布了：本发明涉及量子计算技术领域，公开了一种基于深度强化学习的量子线路映射方法及系统，本方法通过将原始逻辑量子线路解析并简化为ZX‑图，进而将ZX‑图转化为量子线路依赖图，显著降低计算复杂度，能够在合理时间内处理大规模量子线路的映射任务，还通过量子线路依赖图和量子芯片参数，构建马尔可夫决策过程环境，利用马尔可夫决策过程环境，对深度强化学习智能体进行训练，得到最优映射策略优化模型，通过最优映射策略优化模型可以对当前待映射逻辑线路输出其对应的最优量子比特映射方案，从而能够适配多种拓扑结构的量子芯片，提高映射方案的泛化能力与适应性。

本发明授权基于深度强化学习的量子线路映射方法及系统在权利要求书中公布了：1.一种基于深度强化学习的量子线路映射方法，其特征在于，包括： 获取原始逻辑量子线路，将所述原始逻辑量子线路解析并简化为ZX-图，并将所述ZX-图转化为量子线路依赖图，包括： 将所述原始逻辑量子线路中的每个单量子门映射为ZX-图中的单节点，并将所述原始逻辑量子线路中的每个双量子门映射为ZX-图中的节点与第一有向边，并为每个所述单节点和所述节点标注节点参数，形成带参ZX-图；其中，所述第一有向边用于表征量子比特间的纠缠关系； 基于ZX演算的蜘蛛融合、边界消除与相位抵消规则，对所述带参ZX-图进行优化简化，得到逻辑等价的简化ZX-图； 将所述简化ZX-图中每个节点映射为所述量子线路依赖图中的节点，并以各量子门之间的因果依赖关系作为所述量子线路依赖图中的第二有向边，构建出用于反映量子门执行顺序约束的所述量子线路依赖图； 获取量子芯片参数，根据所述量子线路依赖图和所述量子芯片参数，构建马尔可夫决策过程环境，包括： 根据所述量子线路依赖图和所述量子芯片参数，确定当前量子映射场景的多个特征向量，并将所述当前量子映射场景的多个特征向量进行标准化后拼接，形成状态空间； 确定动作空间包括量子比特初始分配动作、SWAP门调度动作和可调耦合器控制动作； 定义状态转移函数为确定性转移，并基于量子门执行保真度作为奖励项，以及线路深度、SWAP门数量和可调耦合器控制次数均作为惩罚项，构建多目标加权奖励函数； 根据所述状态空间、所述动作空间、所述状态转移函数和所述多目标加权奖励函数，并引入折扣因子，构建所述马尔可夫决策过程环境； 所述量子芯片参数包括静态拓扑参数、动态校准参数和量子比特映射关系；所述特征向量包括芯片拓扑结构特征向量、量子线路依赖图特征向量、量子比特映射关系特征向量与硬件动态参数特征向量；所述根据所述量子线路依赖图和所述量子芯片参数，确定当前量子映射场景的多个特征向量，并将所述当前量子映射场景的多个特征向量进行标准化后拼接，形成状态空间，包括： 利用图注意力网络对所述量子线路依赖图进行特征提取，得到所述量子线路依赖图中所有节点的特征，并对所述量子线路依赖图中所有节点的特征进行全局池化，得到所述量子线路依赖图特征向量； 通过所述静态拓扑参数，构建邻接矩阵，并对所述邻接矩阵构建拉普拉斯矩阵，对所述拉普拉斯矩阵进行特征分解，提取前32维拉普拉斯特征向量并融合可调耦合器位置编码，得到所述芯片拓扑结构特征向量； 对所述动态校准参数进行归一化处理后，拼接形成所述硬件动态参数特征向量； 根据所述量子比特映射关系构建映射矩阵，并对所述映射矩阵进行向量化处理，得到所述量子比特映射关系特征向量； 将所述芯片拓扑结构特征向量、所述量子线路依赖图特征向量、所述量子比特映射关系特征向量与所述硬件动态参数特征向量进行标准化处理后拼接，形成所述状态空间； 基于所述马尔可夫决策过程环境，对深度强化学习智能体进行训练，得到最优映射策略优化模型； 获取当前待映射逻辑线路以及所述当前待映射逻辑线路对应的当前量子芯片参数，并结合所述最优映射策略优化模型，生成所述当前待映射逻辑线路的最优量子比特映射方案。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。