論文の概要: No-Regret Learning and Equilibrium Computation in Quantum Games
- arxiv url: http://arxiv.org/abs/2310.08473v1
- Date: Thu, 12 Oct 2023 16:29:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-15 10:39:06.996469
- Title: No-Regret Learning and Equilibrium Computation in Quantum Games
- Title（参考訳）: 量子ゲームにおける非回帰学習と平衡計算
- Authors: Wayne Lin, Georgios Piliouras, Ryann Sim, Antonios Varvitsiotis
- Abstract要約: 本稿では,分散システムにおける量子対応エージェントのダイナミクスについて述べる。
非回帰アルゴリズムは時間平均における分離可能な量子ナッシュ平衡に収束することを示す。
一般的なマルチプレイヤー量子ゲームの場合、我々の研究は、(分離可能な)量子粗相関平衡(QCCE)という新しい解の概念につながる。
- 参考スコア（独自算出の注目度）: 32.52039978254151
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As quantum processors advance, the emergence of large-scale decentralized
systems involving interacting quantum-enabled agents is on the horizon. Recent
research efforts have explored quantum versions of Nash and correlated
equilibria as solution concepts of strategic quantum interactions, but these
approaches did not directly connect to decentralized adaptive setups where
agents possess limited information. This paper delves into the dynamics of
quantum-enabled agents within decentralized systems that employ no-regret
algorithms to update their behaviors over time. Specifically, we investigate
two-player quantum zero-sum games and polymatrix quantum zero-sum games,
showing that no-regret algorithms converge to separable quantum Nash equilibria
in time-average. In the case of general multi-player quantum games, our work
leads to a novel solution concept, (separable) quantum coarse correlated
equilibria (QCCE), as the convergent outcome of the time-averaged behavior
no-regret algorithms, offering a natural solution concept for decentralized
quantum systems. Finally, we show that computing QCCEs can be formulated as a
semidefinite program and establish the existence of entangled (i.e.,
non-separable) QCCEs, which cannot be approached via the current paradigm of
no-regret learning.
- Abstract（参考訳）: 量子プロセッサが進歩するにつれて、量子可能エージェントの相互作用を伴う大規模分散システムの出現が近づいている。
最近の研究は、戦略的量子相互作用のソリューション概念として、ナッシュと相関平衡の量子バージョンを探索してきたが、これらのアプローチは、エージェントが限られた情報を持っている分散適応装置に直接接続しなかった。
本稿では,非回帰アルゴリズムを用いた分散システムにおける量子化可能なエージェントのダイナミクスについて考察する。
具体的には、2プレイヤーの量子ゼロサムゲームとポリマトリクスの量子ゼロサムゲームについて検討し、時間平均における分離可能な量子ナッシュ平衡に非回帰アルゴリズムが収束することを示した。
一般的なマルチプレイヤー量子ゲームの場合、我々の研究は(分離可能な)量子粗相関平衡(QCCE)という、時間平均の振る舞いの非回帰アルゴリズムの収束結果を生み出し、分散化された量子システムに対する自然な解の概念を提供する。
最後に、QCCEを半定値プログラムとして定式化して、現在の非回帰学習のパラダイムではアプローチできない絡み合った(非分離可能)QCCEの存在を確立することを示す。
関連論文リスト
- Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。
ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。
これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文 参考訳（メタデータ） (2024-06-10T17:22:09Z) - Simulation of open quantum systems on universal quantum computers [15.876768787615179]
量子コンピュータを用いてオープンな量子システムをシミュレートする,革新的でスケーラブルな手法を提案する。
共役密度行列を真の密度行列と定義し、混合ユニタリ量子チャネルに還元する。
正確な長時間シミュレーションも随伴密度行列として達成でき、真の散逸した行列は同じ状態に収束する。
論文 参考訳（メタデータ） (2024-05-31T09:07:27Z) - 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) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - 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) - Quantum Semi-Supervised Learning with Quantum Supremacy [0.0]
量子機械学習は重要な問題を解決することを約束する。
古典的な機械学習には、ラベル付きデータの欠如と計算能力の限界という2つの永続的な課題がある。
本稿では,量子セミ教師付き学習という,両方の問題を解決する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-05T20:15:58Z) - A thorough introduction to non-relativistic matrix mechanics in
multi-qudit systems with a study on quantum entanglement and quantum
quantifiers [0.0]
この記事では、非相対論的行列力学の深い理解を提供する。
それぞれ1-qubit, 1-qutrit, 2-qubit, 2-qudit コヒーレントおよび非コヒーレント密度演算子を導出し解析する。
また、量子非破壊測定、量子デコヒーレンス、特に量子エンタングルメントの基本的な概念についても論じる。
論文 参考訳（メタデータ） (2021-09-14T05:06:47Z) - 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 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) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Relaxation to Equilibrium in a Quantum Network [0.0]
完全連結量子ネットワークとCNOTゲートの平衡緩和について検討する。
解析的推定を含む,これらのシステムにおける平衡に関する多くの結果を与える。
論文 参考訳（メタデータ） (2020-09-28T22:15:35Z)
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。