arXiv 2026年10月5日该文针对5G及未来网络中基站占无线接入网能耗约60-70%的问题，提出一种利用叠加与纠缠、通过参数化量子电路实现的量子强化学习算法，用于在用户设备动态变化时优化基站能耗；仿真显示其可显著降低能耗并保持服务质量，且在收敛速度和学习复杂度上持续优于深度强化学习与Q学习。该文针对5G及未来网络中基站占无线接入网能耗约60-70%的问题，提出一种利用叠加与纠缠、通过参数化量子电路实现的量子强化学习算法，用于在用户设备动态变化时优化基站能耗；仿真显示其可显著降低能耗并保持服务质量，且在收敛速度和学习复杂度上持续优于深度强化学习与Q学习。量子强化学习用于5G及未来网络节能：仿真中收敛更快并降低基站能耗且保持服务质量该文针对5G及未来网络中基站占无线接入网能耗约60-70%的问题，提出一种利用叠加与纠缠、通过参数化量子电路实现的量子强化学习算法，用于在用户设备动态变化时优化基站能耗；仿真显示其可显著降低能耗并保持服务质量，且在收敛速度和学习复杂度上持续优于深度强化学习与Q学习。该文针对5G及未来网络中基站占无线接入网能耗约60-70%的问题，提出一种利用叠加与纠缠、通过参数化量子电路实现的量子强化学习算法，用于在用户设备动态变化时优化基站能耗；仿真显示其可显著降低能耗并保持服务质量，且在收敛速度和学习复杂度上持续优于深度强化学习与Q学习。