論文の概要: Quantum-accessible reinforcement learning beyond strictly epochal environments

• arxiv url: http://arxiv.org/abs/2008.01481v1
• Date: Tue, 4 Aug 2020 12:15:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 04:32:51.601201
• Title: Quantum-accessible reinforcement learning beyond strictly epochal environments
• Title（参考訳）: 厳密な画期的環境を超えた量子アクセス強化学習
• Authors: A. Hamann, V. Dunjko and S. W\"olk
• Abstract要約: 近年、量子アルゴリズムの特に実りある応用として量子強化機械学習が登場している。 この研究において、環境が厳密にエピソジックでないような一般化を考える。 標準振幅増幅技術は、小さな修正を加えても、二次的なスピードアップを実現するために適用可能であることを示す。
• 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: In recent years, quantum-enhanced machine learning has emerged as a particularly fruitful application of quantum algorithms, covering aspects of supervised, unsupervised and reinforcement learning. Reinforcement learning offers numerous options of how quantum theory can be applied, and is arguably the least explored, from a quantum perspective. Here, an agent explores an environment and tries to find a behavior optimizing some figure of merit. Some of the first approaches investigated settings where this exploration can be sped-up, by considering quantum analogs of classical environments, which can then be queried in superposition. If the environments have a strict periodic structure in time (i.e. are strictly episodic), such environments can be effectively converted to conventional oracles encountered in quantum information. However, in general environments, we obtain scenarios that generalize standard oracle tasks. In this work we consider one such generalization, where the environment is not strictly episodic, which is mapped to an oracle identification setting with a changing oracle. We analyze this case and show that standard amplitude-amplification techniques can, with minor modifications, still be applied to achieve quadratic speed-ups, and that this approach is optimal for certain settings. This results constitutes one of the first generalizations of quantum-accessible reinforcement learning.
• Abstract（参考訳）: 近年、量子強化機械学習は量子アルゴリズムの特に実りある応用として現れ、教師なし、教師なし、強化学習の側面をカバーしている。 強化学習は、量子論の応用方法の多くの選択肢を提供し、量子の観点から見て、おそらく最も探索の少ないものである。 ここでエージェントは環境を探索し、何らかのメリットを最適化した行動を見つけようとします。 初期のアプローチのいくつかは、古典的な環境の量子アナログを考慮し、この探索がスピンアップできる設定を調査した。 環境が時間内に厳密な周期構造(すなわち厳密にエピソディック)を持つ場合、そのような環境は量子情報で見られる従来のオラクルに効果的に変換できる。 しかし、一般的な環境では、標準的なオラクルタスクを一般化するシナリオが得られる。 この作業では、環境が厳密にエピソディックではないような一般化を、変化したオラクルとoracleの識別設定にマッピングする。 本事例を解析し, 標準振幅増幅法は, 微修正を伴っても2次高速化に有効であり, 一定の設定に最適であることを示す。 この結果は量子化可能な強化学習の最初の一般化の一つである。

関連論文リスト

• Information-theoretic generalization bounds for learning from quantum data [5.0739329301140845]
  古典量子データに基づくトレーニングにより量子学習を記述するための数学的定式化を提案する。 我々は,古典的および量子的情報理論量の観点から,量子学習者の期待する一般化誤差を証明した。 我々の研究は、量子学習に関する量子情報理論的な視点を統一するための基礎を築いた。
  論文  参考訳（メタデータ） (2023-11-09T17:21:38Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Ansatz-Agnostic Exponential Resource Saving in Variational Quantum Algorithms Using Shallow Shadows [5.618657159109373]
  変分量子アルゴリズム(VQA)は、短期的な量子優位性の実証の有望な候補として特定されている。 本報告では,本論文で研究されている浅層アンザッツに対して,同様のレベルの貯蓄を実現するための浅層影に基づくプロトコルを提案する。 VQAが強力な選択肢となる量子情報、すなわち変分量子状態準備と変分量子回路合成の2つの重要な応用が示されている。
  論文  参考訳（メタデータ） (2023-09-09T11:00:39Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Quantum policy gradient algorithms [1.5293427903448025]
  強化学習環境への量子アクセスを与えられた場合、学習のスピードアップが可能であることを示す。 本研究では、最先端の強化学習ポリシーをトレーニングするための量子アルゴリズムを設計する。 パラメタライズド量子回路から得られる強化学習方針は良好であることがわかった。
  論文  参考訳（メタデータ） (2022-12-19T09:45:58Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Variational quantum policies for reinforcement learning [0.0]
  変分量子回路は近年、量子機械学習モデルとして人気を集めている。 本研究では,変動量子回路に基づく強化学習ポリシの構築と訓練について検討する。
  論文  参考訳（メタデータ） (2021-03-09T17:33:09Z)
• How to enhance quantum generative adversarial learning of noisy information [5.8010446129208155]
  最適化プロセス中にどのような異なるトレーニング問題が発生するかを示す。 我々は,どのオペレーティング・システムにおいても,より高速な収束を実現するための新しい戦略を提案する。 本研究は,このようなハイブリッド古典量子プロトコルの実験的実験の道を開くものである。
  論文  参考訳（メタデータ） (2020-12-10T21:48:26Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• From a quantum theory to a classical one [117.44028458220427]
  量子対古典的交叉を記述するための形式的アプローチを提示し議論する。 この手法は、1982年にL. Yaffeによって、大きな$N$の量子場理論に取り組むために導入された。
  論文  参考訳（メタデータ） (2020-04-01T09:16:38Z)

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。