论文比较MILP与强化学习做并发纠缠纯化调度

Gongyu Ni 与 Lester Ho 发表论文，研究动态量子网络中的并发纠缠纯化调度：多请求竞争链路容量与量子存储器，作者提出 MILP 调度器及基于 DQN、PPO、SAC 三种强化学习的调度器。 在时隙化、含异构链路的网络中进行的模拟显示，在不同网络负载、拓扑和目标保真度阈值下，强化学习调度器取得最高的请求成功率，代价是消耗更多贝尔对，并推迟一小部分请求。目前结果基于模拟，未涉及真实硬件实验。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。