論文の概要: Quantum policy gradient algorithms

• arxiv url: http://arxiv.org/abs/2212.09328v1
• Date: Mon, 19 Dec 2022 09:45:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 14:23:01.310771
• Title: Quantum policy gradient algorithms
• Title（参考訳）: 量子政策勾配アルゴリズム
• Authors: Sofiene Jerbi, Arjan Cornelissen, M\=aris Ozols, Vedran Dunjko
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.5293427903448025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding the power and limitations of quantum access to data in machine learning tasks is primordial to assess the potential of quantum computing in artificial intelligence. Previous works have already shown that speed-ups in learning are possible when given quantum access to reinforcement learning environments. Yet, the applicability of quantum algorithms in this setting remains very limited, notably in environments with large state and action spaces. In this work, we design quantum algorithms to train state-of-the-art reinforcement learning policies by exploiting quantum interactions with an environment. However, these algorithms only offer full quadratic speed-ups in sample complexity over their classical analogs when the trained policies satisfy some regularity conditions. Interestingly, we find that reinforcement learning policies derived from parametrized quantum circuits are well-behaved with respect to these conditions, which showcases the benefit of a fully-quantum reinforcement learning framework.
• Abstract（参考訳）: 機械学習タスクにおけるデータへの量子アクセスのパワーと制限を理解することは、人工知能における量子コンピューティングの可能性を評価するための最優先事項である。 これまでの研究で、強化学習環境への量子アクセスが与えられると、学習のスピードアップが可能になることが示されている。 しかし、この設定における量子アルゴリズムの適用性は、特に大きな状態と行動空間を持つ環境では、非常に限定的である。 本研究では,環境との量子インタラクションを活用し,最先端の強化学習方針を学習するための量子アルゴリズムを設計する。 しかしながら、これらのアルゴリズムは、訓練されたポリシーが一定の規則性条件を満たすとき、古典的なアナログよりもサンプルの2次的なスピードアップしか提供しない。 興味深いことに、これらの条件に関して、パラメタライズド量子回路から派生した強化学習ポリシーがよく理解されており、完全量子強化学習フレームワークの利点を示している。

関連論文リスト

• Quantum Algorithms and Applications for Open Quantum Systems [1.7717834336854132]
  オープン量子系の基本理論の簡潔な要約を提供する。 次に、最近の量子アルゴリズムに関する議論を掘り下げる。 我々は,本分野の現実的な化学,生物,物質システムへの適用性を実証し,関連する応用の議論を締めくくった。
  論文  参考訳（メタデータ） (2024-06-07T19:02:22Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• 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)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Quantum computational intelligence for traveltime seismic inversion [0.0]
  我々は、勾配のない量子回路学習に基づく短期量子アルゴリズムによる旅行時地震動インバージョンのためのアプローチを実装した。 ノイズがあっても、何千もの量子ビットを持つ量子コンピュータは、物理問題を解くことができることを実証する。
  論文  参考訳（メタデータ） (2022-08-11T12:36:58Z)
• Quantum Reinforcement Learning via Policy Iteration [6.961253535504979]
  政策反復による量子強化学習を行うための一般的なフレームワークを提供する。 無限の地平線割引問題に対するEmphquantum Policy Evaluation法の設計と分析により、我々の枠組みを検証する。 本稿では,OpenAI の Gym を用いた2つの環境における量子アルゴリズムの理論的および実験的性能について検討する。
  論文  参考訳（メタデータ） (2022-03-03T18:08:17Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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)
• Statistical Limits of Supervised Quantum Learning [90.0289160657379]
  精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。 より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
  論文  参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。