【标题】Automated Atomic Silicon Quantum Dot Circuit Design via Deep Reinforcement Learning

【作者团队】Robert Lupoiu, Samuel S. H. Ng, Jonathan A. Fan, Konrad Walus

【发表日期】2022.4.13

【论文链接】https://arxiv.org/pdf/2204.06288.pdf

【推荐理由】强大的自动化设计工具对于任何计算技术的扩散都至关重要。本文介绍了首次用于硅悬挂键量子点计算技术的自动化设计工具，其为非常通用和灵活的单原子计算电路框架。自动设计师能够通过使用tabla-rasa双深度Q-学习强化学习算法，在任意大小的设计区域和真值表的复杂超维设计空间中导航。对于大范围的双输入单输出逻辑电路和双输入双输出半加法器，证明了鲁棒策略收敛性。与文献中唯一的另一个半加法器相比，该半加法器在几个数量级的时间内设计的SIDB数量级更少。本文预计，基于强化学习的自动化设计工具将加速SiDB量子点计算技术的发展，最终在专用计算硬件中得到采用。

内容中包含的图片若涉及版权问题，请及时与我们联系删除