AI与世界难题 · 量子物理与量子计算 · arXiv · 2026-10-21
动态量子网络中的并发纠缠纯化调度
原标题: Concurrent Entanglement Purification Scheduling in Dynamic Quantum Networks
量子网络必须交付保真度满足应用需求的端到端纠缠，这通常通过沿多跳路径进行纯化来实现，但现有调度器要么工作在链路层面，要么针对静态请求集，忽略了竞争链路容量和量子存储器的并发请求。本文研究了具有异构链路的时隙网络中的并发纠缠纯化调度，构建了一个以max-min路径分配为公平性准则、使已调度请求数最大化的MILP调度器，以及基于DQN、PPO和SAC的强化学习调度器。在不同负载、拓扑和保真度目标下，RL调度器取得了最高的成功率，相比MILP提升最高达6%，相比Progressive Filling和Greedy启发式算法分别提升16.5%和19.5%，代价是更高的Bell对消耗和部分请求的延后；而MILP在大多数场景下给出了最高的公平性和最低的Bell对消耗。