論文の概要: K-spin Hamiltonian for quantum-resolvable Markov decision processes

• arxiv url: http://arxiv.org/abs/2004.06040v1
• Date: Mon, 13 Apr 2020 16:15:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 00:29:26.998115
• Title: K-spin Hamiltonian for quantum-resolvable Markov decision processes
• Title（参考訳）: 量子可解マルコフ決定過程に対するkスピンハミルトニアン
• Authors: Eric B. Jones, Peter Graf, Eliot Kapit and Wesley Jones
• Abstract要約: 離散的、有限な割引マルコフ決定過程のKスピンハミルトン表現と等価な擬ブールコスト関数を導出する。 このKスピンハミルトニアンは、量子アルゴリズムを用いて最適なポリシーを解くための出発点を与える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Markov decision process is the mathematical formalization underlying the modern field of reinforcement learning when transition and reward functions are unknown. We derive a pseudo-Boolean cost function that is equivalent to a K-spin Hamiltonian representation of the discrete, finite, discounted Markov decision process with infinite horizon. This K-spin Hamiltonian furnishes a starting point from which to solve for an optimal policy using heuristic quantum algorithms such as adiabatic quantum annealing and the quantum approximate optimization algorithm on near-term quantum hardware. In proving that the variational minimization of our Hamiltonian is equivalent to the Bellman optimality condition we establish an interesting analogy with classical field theory. Along with proof-of-concept calculations to corroborate our formulation by simulated and quantum annealing against classical Q-Learning, we analyze the scaling of physical resources required to solve our Hamiltonian on quantum hardware.
• Abstract（参考訳）: マルコフ決定過程 (Markov decision process) は、遷移関数と報酬関数が未知のとき、現代の強化学習の分野の基礎となる数学的形式化である。 我々は、無限地平線を持つ離散、有限、ディスカウントされたマルコフ決定過程のk-スピンハミルトニアン表現と等価な疑似ボオリアンコスト関数を導出する。 このkスピンハミルトニアンは、近距離量子ハードウェア上の断熱量子アニーリングや量子近似最適化アルゴリズムのようなヒューリスティック量子アルゴリズムを用いて最適なポリシーを解くための出発点を提供する。 ハミルトンの変分最小化がベルマン最適条件と同値であることを証明する中で、古典場理論と興味深い類似性を確立する。 古典的q-learningに対するシミュレーションと量子アニーリングによる概念実証計算とともに,量子ハードウェア上でのハミルトニアン解法に必要な物理資源のスケーリングを解析した。

関連論文リスト

• Benchmarking Variational Quantum Eigensolvers for Entanglement Detection in Many-Body Hamiltonian Ground States [37.69303106863453]
  変分量子アルゴリズム(VQA)は近年、量子優位を得る約束として登場している。 我々は、変分量子固有解法(VQEs)と呼ばれる特定の種類のVQAを用いて、絡み合った観測と絡み合った基底状態検出においてそれらをベンチマークする。 ハミルトニアン相互作用にインスパイアされた構造を持つ量子回路は、問題に依存しない回路よりもコスト関数推定のより良い結果を示した。
  論文  参考訳（メタデータ） (2024-07-05T12:06:40Z)
• Truncation technique for variational quantum eigensolver for Molecular Hamiltonians [0.0]
  変分量子固有解法(VQE)はノイズ量子デバイスのための最も有望な量子アルゴリズムの1つである。 そこで本研究では, トランケートされたハミルトニアンを用いて, 最適化手順を開始する物理直感的なトランケーション手法を提案する。 この戦略により、量子コンピュータ上でのハミルトニアンの期待値に対する必要な評価回数を減らすことができる。
  論文  参考訳（メタデータ） (2024-02-02T18:45:12Z)
• Quantum Speedups in Regret Analysis of Infinite Horizon Average-Reward Markov Decision Processes [32.07657827173262]
  我々は,未知のMDPとエージェントのエンゲージメントのための革新的な量子フレームワークを提案する。 平均推定における量子的優位性は、無限の地平線強化学習に対する後悔の保証において指数的な進歩をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-10-18T03:17:51Z)
• Variational Coherent Quantum Annealing [0.0]
  本稿では,量子部を量子アニールのコヒーレンス時間内で厳密に動作させるハイブリッド古典量子コンピューティングパラダイムを提案する。 進化の始まりと終わりに消滅する補助ハミルトン群を導入し、プロセス中のエネルギーギャップを増大させる。 我々は6つの変分パラメータとデバイスコヒーレンス時間内での持続時間で基底状態誤差を大幅に低減する。
  論文  参考訳（メタデータ） (2023-10-03T17:53:03Z)
• Variational quantum algorithms for local Hamiltonian problems [0.0]
  変分量子アルゴリズム(VQA)は、量子コンピュータを用いて最適化問題を解くために設計された量子アルゴリズムの一群である。 主に変分量子固有解法 (VQE) と呼ばれるアルゴリズムに注目し、量子ビットハミルトニアンは近似基底状態を返す。
  論文  参考訳（メタデータ） (2022-08-23T22:32:56Z)
• Quantum algorithms for Schrieffer-Wolff transformation [4.237239130164727]
  シュリーファー・ウォルフ変換は退化摂動問題を解くことを目的としている。 これは、未摂動ハミルトニアンの低エネルギー部分空間における正確なハミルトニアンの低エネルギーダイナミクスを記述する。 このユニタリ変換は量子回路によって実現することができる。
  論文  参考訳（メタデータ） (2022-01-31T15:27:57Z)
• Quantum algorithm for stochastic optimal stopping problems with applications in finance [60.54699116238087]
  有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。 プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
  論文  参考訳（メタデータ） (2021-11-30T12:21:41Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
  時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。 一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。 幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
  論文  参考訳（メタデータ） (2021-04-01T19:06:00Z)
• A Hybrid Quantum-Classical Hamiltonian Learning Algorithm [6.90132007891849]
  ハミルトン学習は、量子デバイスと量子シミュレータの認定に不可欠である。 本研究では,ハミルトニアン作用素の係数を求めるために,ハイブリッド量子古典ハミルトン学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-01T15:15:58Z)
• Momentum Q-learning with Finite-Sample Convergence Guarantee [49.38471009162477]
  本稿では,有限サンプル保証を用いたモーメントに基づくQ-ラーニングアルゴリズムのクラスを解析する。 線形関数近似とマルコフサンプリングによるMomentumQの収束保証を確立する。 提案したMomentumQが他のモーメントベースのQ-ラーニングアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2020-07-30T12:27:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。