報告人：馮元

時間：2020年12月1日 16:00

地點：騰訊會議（會議號：424198296）

主辦單位：計算機科學(xué)學(xué)院 計算智能與量子信息學(xué)研究團(tuán)隊

馮元，澳大利亞悉尼科技大學(xué)工程與信息技術(shù)學(xué)院和量子軟件與信息中心教授。分別于1999年和2004年畢業(yè)于清華大學(xué)應(yīng)用數(shù)學(xué)系和計算機系，獲理學(xué)學(xué)士和工學(xué)博士學(xué)位。2004年8月進(jìn)入清華大學(xué)計算機系智能技術(shù)與系統(tǒng)國家重點實驗室工作，2007年12月晉升為副研究員。2009年1月起任悉尼科技大學(xué)量子計算與智能系統(tǒng)研究中心高級講師，2015年1月晉升為教授。主要從事理論計算機科學(xué)、量子程序理論、量子信息處理等方面的研究，已在信息、計算機科學(xué)和量子計算領(lǐng)域發(fā)表學(xué)術(shù)論文70余篇，獲2006年度全國百篇優(yōu)秀博士論文獎和2010年澳大利亞研究理事會Future Fellow。

報告摘要：在帶噪中規(guī)模量子（NISQ）時代，所有量子電路都必須轉(zhuǎn)換為功能上等效但滿足量子處理單元連接性約束的電路才能夠正確運行?，F(xiàn)有電路轉(zhuǎn)換算法受限于搜索空間爆炸，通常搜索深度都很小，只能通過啟發(fā)式算法獲得局部最優(yōu)解。我們提出了一種蒙特卡洛樹搜索框架來提高搜索的深度，并在設(shè)計評分機制時同時考慮短期和長期獎勵。該搜索算法的復(fù)雜度在所有相關(guān)參數(shù)上都是多項式的。對大量實際電路的實驗結(jié)果表明，與IBM Q20上最先進(jìn)的算法相比，該算法平均可將輸出電路的規(guī)模降低至少30％。