論文の概要: Quantum Multi-Agent Actor-Critic Neural Networks for Internet-Connected
Multi-Robot Coordination in Smart Factory Management
- arxiv url: http://arxiv.org/abs/2301.04012v1
- Date: Wed, 4 Jan 2023 04:28:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-15 23:08:45.318935
- Title: Quantum Multi-Agent Actor-Critic Neural Networks for Internet-Connected
Multi-Robot Coordination in Smart Factory Management
- Title（参考訳）: スマートファクトリ管理におけるインターネット接続型マルチロボットコーディネートのための量子マルチエージェントアクタ臨界ニューラルネットワーク
- Authors: Won Joon Yun, Jae Pyoung Kim, Soyi Jung, Jae-Hyun Kim, Joongheon Kim
- Abstract要約: 本稿では、QRLから量子マルチエージェント強化学習(QMARL)を実装することにより、さらに実現されるQRLの可能性を検証する。
スマートファクトリアプリケーションにおけるインターネット接続型自律型マルチロボット制御と協調性について提案する。
シミュレーションでは、提案したQMARLベースの自律型マルチロボット制御と調整が、他のフレームワークよりも優れていることを裏付けている。
- 参考スコア（独自算出の注目度）: 14.396716863428882
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As one of the latest fields of interest in both academia and industry,
quantum computing has garnered significant attention. Among various topics in
quantum computing, variational quantum circuits (VQC) have been noticed for
their ability to carry out quantum deep reinforcement learning (QRL). This
paper verifies the potential of QRL, which will be further realized by
implementing quantum multi-agent reinforcement learning (QMARL) from QRL,
especially for Internet-connected autonomous multi-robot control and
coordination in smart factory applications. However, the extension is not
straightforward due to the non-stationarity of classical MARL. To cope with
this, the centralized training and decentralized execution (CTDE) QMARL
framework is proposed under the Internet connection. A smart factory
environment with the Internet of Things (IoT)-based multiple agents is used to
show the efficacy of the proposed algorithm. The simulation corroborates that
the proposed QMARL-based autonomous multi-robot control and coordination
performs better than the other frameworks.
- Abstract（参考訳）: 学界と産業の両方における最新の関心分野の1つとして、量子コンピューティングは大きな注目を集めている。
量子コンピューティングにおける様々なトピックのうち、変分量子回路(VQC)は、量子深部強化学習(QRL)を実行する能力で注目されている。
本稿では,qrlからqmarl(quantum multi-agent reinforcement learning, 量子マルチエージェント強化学習)を導入することでさらに実現されるqrlの可能性を検証する。
しかし、この拡張は古典的MARLの非定常性のために単純ではない。
これに対応するために、インターネット接続下での集中トレーニングと分散実行(CTDE)QMARLフレームワークを提案する。
提案アルゴリズムの有効性を示すために,IoT(Internet of Things)ベースのマルチエージェントを備えたスマートファクトリ環境を用いる。
シミュレーションは、提案したQMARLベースの自律型マルチロボット制御と調整が他のフレームワークよりも優れていることを裏付ける。
関連論文リスト
- Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。
本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文 参考訳（メタデータ） (2024-11-14T12:27:50Z) - Quantum Multi-Agent Reinforcement Learning for Aerial Ad-hoc Networks [0.19791587637442667]
本稿では,航空通信のユースケースを提示し,それを解くためのハイブリッド量子古典型MLアルゴリズムを提案する。
その結果,古典的アルゴリズムに匹敵する量子化解の性能はわずかに向上した。
これらの有望な結果は、産業関連複雑なユースケースに対するQMARLの可能性を示している。
論文 参考訳（メタデータ） (2024-04-26T15:57:06Z) - Generative AI-enabled Quantum Computing Networks and Intelligent
Resource Allocation [80.78352800340032]
量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。
量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。
我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
論文 参考訳（メタデータ） (2024-01-13T17:16:38Z) - Asynchronous training of quantum reinforcement learning [0.8702432681310399]
変分量子回路(VQC)による量子RLエージェント構築の先導的手法
本稿では,QRLエージェントを非同期トレーニングすることで,この問題に対処する。
検討したタスクにおいて,QRLエージェントの非同期トレーニングが性能に匹敵するか,優れているかを数値シミュレーションで示す。
論文 参考訳（メタデータ） (2023-01-12T15:54:44Z) - Visual Simulation Software Demonstration for Quantum Multi-Drone
Reinforcement Learning [14.299752746509348]
本稿では,自律型マルチドローンシステムを制御する新しいQMARLアルゴリズムのための視覚シミュレーションソフトウェアフレームワークを提案する。
提案するQMARLフレームワークは,従来のMARLよりもトレーニング可能なパラメータが少なく,適切な報酬収束とサービス品質性能を実現する。
論文 参考訳（メタデータ） (2022-11-24T06:08:24Z) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳（メタデータ） (2022-09-16T02:37:32Z) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - Quantum Multi-Agent Reinforcement Learning via Variational Quantum
Circuit Design [16.53719091025918]
本稿では、QRLを量子マルチエージェントRL(QMARL)に拡張し、実証する。
ノイズ中間スケール量子(NISQ)と古典的マルチエージェントRL(MARL)の非定常特性のため、QRLからQMARLへの拡張は簡単ではない。
提案されたQMARLフレームワークは、古典的なフレームワークよりも57.7%の報酬を得られる。
論文 参考訳（メタデータ） (2022-03-20T03:44:45Z) - Self-Correcting Quantum Many-Body Control using Reinforcement Learning
with Tensor Networks [0.0]
本稿では、強化学習(RL)に基づく量子多体系を効率的に制御するための新しい枠組みを提案する。
我々は、RLエージェントが普遍的な制御を見出すことができ、多くの身体状態を最適に制御する方法を学ぶことができ、量子力学が摂動を受けるとき、制御プロトコルをオンザフライで適用できることを示した。
論文 参考訳（メタデータ） (2022-01-27T20:14:09Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z)
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。