論文の概要: Variational Quantum Soft Actor-Critic for Robotic Arm Control
- arxiv url: http://arxiv.org/abs/2212.11681v1
- Date: Tue, 20 Dec 2022 19:02:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 14:19:18.782594
- Title: Variational Quantum Soft Actor-Critic for Robotic Arm Control
- Title（参考訳）: 可変量子ソフトアクタ-クリティックによるロボットアーム制御
- Authors: Alberto Acuto, Paola Barill\`a, Ludovico Bozzolo, Matteo Conterno,
Mattia Pavese, Antonio Policicchio
- Abstract要約: 本研究の目的は、連続制御のための最先端の強化学習技術の一つに量子コンピューティングを適用することの利点を探求し、評価することである。
具体的には、量子回路のディジタルシミュレーションにより、仮想ロボットアームの動きに対する変分量子ソフトアクター・クライトの性能について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep Reinforcement Learning is emerging as a promising approach for the
continuous control task of robotic arm movement. However, the challenges of
learning robust and versatile control capabilities are still far from being
resolved for real-world applications, mainly because of two common issues of
this learning paradigm: the exploration strategy and the slow learning speed,
sometimes known as "the curse of dimensionality". This work aims at exploring
and assessing the advantages of the application of Quantum Computing to one of
the state-of-art Reinforcement Learning techniques for continuous control -
namely Soft Actor-Critic. Specifically, the performance of a Variational
Quantum Soft Actor-Critic on the movement of a virtual robotic arm has been
investigated by means of digital simulations of quantum circuits. A quantum
advantage over the classical algorithm has been found in terms of a significant
decrease in the amount of required parameters for satisfactory model training,
paving the way for further promising developments.
- Abstract（参考訳）: 深層強化学習はロボットアームの動きの連続制御タスクに有望なアプローチとして登場しつつある。
しかしながら、堅牢で汎用的な制御能力を学ぶことの課題は、この学習パラダイムの一般的な2つの問題である「次元の呪い」として知られる探索戦略と学習速度の遅いことによる、現実世界のアプリケーションではまだ解決されていない。
本研究の目的は,連続制御型ソフトアクタ-クリティックのための最先端強化学習手法の一つへの量子コンピューティングの適用の利点を探求し,評価することにある。
具体的には, 量子回路のディジタルシミュレーションを用いて, 仮想ロボットアームの動きに対する変動量子ソフトアクタ-クリティックの性能について検討した。
古典的アルゴリズムに対する量子的優位性は、十分なモデルトレーニングに必要なパラメータの量を大幅に減らし、さらなる有望な発展の道を開いたことである。
関連論文リスト
- Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-11-13T12:03:39Z) - Hybrid Quantum-Classical Reinforcement Learning in Latent Observation Spaces [0.36944296923226316]
量子機械学習の最近の進歩は、古典的な制御問題に取り組むために量子法を使うことに関心を喚起している。
本稿では,古典的オートエンコーダと量子エージェントを併用して,この次元課題を解決することを提案する。
遅延空間学習法の性能解析のために, 一連の数値実験を設計する。
論文 参考訳（メタデータ） (2024-10-23T21:19:38Z) - Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。
アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。
本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
論文 参考訳（メタデータ） (2024-07-02T18:00:00Z) - Machine-learning-inspired quantum control in many-body dynamics [6.817811305553492]
制御フィールドの最適化に適した,有望かつ多目的な制御ニューラルネットワークを提案する。
本稿では,量子イジングモデルにおける臨界点通過時の欠陥密度の抑制とキャット状態の忠実度向上の問題に対処する。
勾配に基づくパワーロークエンチ法と比較して,本手法はシステムサイズと長期的進化の両面で有意な優位性を示す。
論文 参考訳（メタデータ） (2024-04-09T01:47:55Z) - Invariant-based control of quantum many-body systems across critical points [0.0]
本稿では,多体系の低エネルギー部分空間内での断熱的進化を保証するために,動的不変量に基づく制御手法を提案する。
制御可能なパラメータを解析的制御結果に従って調整することにより,速度限界に近い高忠実度進化を実現する。
注目すべきは、我々のアプローチがKibble-Zurekスケーリングの法則を破り、チューニング可能で時間スケーリングの振る舞いを大幅に改善したことです。
論文 参考訳（メタデータ） (2023-09-11T14:09:37Z) - Dynamics with autoregressive neural quantum states: application to
critical quench dynamics [41.94295877935867]
本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。
二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
論文 参考訳（メタデータ） (2022-09-07T15:50:00Z) - Quantum generative adversarial learning for simultaneous multiparameter
estimation [7.6333322023084955]
本稿では,適応的フィードバックによる量子生成対向学習の実証実験を報告する。
その結果, 有害ノイズの存在下においても, 量子生成逆学習の興味深い利点が示唆された。
論文 参考訳（メタデータ） (2022-05-26T17:16:03Z) - Variational Quantum Soft Actor-Critic [1.90365714903665]
本研究では,連続制御の最先端手法の一つであるソフトアクター批判に基づく量子強化学習アルゴリズムを開発した。
この量子版のソフトアクター・クリティックは、調整可能なパラメータをはるかに少なくして、オリジナルのソフトアクター・クリティックに匹敵することを示す。
論文 参考訳（メタデータ） (2021-12-20T06:31:06Z) - 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) - 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) - Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。
量子回路合成問題における時間-最適制御の強化について述べる。
我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文 参考訳（メタデータ） (2020-06-19T19:12:14Z)
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。