基于张量强化学习与逆向解纠缠的量子态制备方法和系统

本发明公开了一种基于张量强化学习与逆向解纠缠的量子态制备方法和系统，涉及量子计算与人工智能交叉技术领域，本发明将目标量子态转换为矩阵乘积态，通过在当前时间步根据当前矩阵乘积态与可训练张量网络参数生成低维特征向量，并利用系统全局冯·诺伊曼纠缠熵的下降量作为奖励信号，引导张量强化学习智能体选择解纠缠双比特量子门的插入位置，使得解纠缠门序列完全由目标量子态内禀的纠缠分布驱动，自适应地生成最简电路，减少了含噪声中等规模量子硬件上的门噪声积累。本发明使用矩阵乘积态表示量子态，并通过可训练张量网络参数与当前矩阵乘积态生成低维特征向量，将计算复杂度从指数级降为多项式级别。