ИИ и сложнейшие проблемы мира · Квантовая физика и квантовые вычисления · arXiv · 2026-10-21
Планирование параллельной очистки запутанности в динамических квантовых сетях
Оригинальное название: Concurrent Entanglement Purification Scheduling in Dynamic Quantum Networks
Квантовые сети должны доставлять сквозную запутанность, фидельность которой отвечает требованиям приложений, обычно посредством очистки вдоль многозвенных путей, однако существующие планировщики работают на уровне отдельных связей или для статических наборов запросов и игнорируют параллельные запросы, конкурирующие за пропускную способность связей и квантовые памяти. В статье исследуется планирование параллельной очистки запутанности в сети с временными слотами и неоднородными связями: формулируется планировщик на основе MILP, максимизирующий число запланированных запросов, с распределением путей по принципу max-min в качестве критерия справедливости, а также планировщики на основе обучения с подкреплением, использующие DQN, PPO и SAC. При различных нагрузках, топологиях и целевых фидельностях планировщики на основе обучения с подкреплением показали наивысшие показатели успеха, превосходя MILP на величину до 6%, а эвристики Progressive Filling и Greedy — на 16.5% и 19.5%, ценой повышенного расхода пар Белла и откладывания части запросов, тогда как MILP обеспечивал наибольшую справедливость и наименьший расход пар Белла в большинстве сценариев.