論文の概要: Variational Quantum Circuit Design for Quantum Reinforcement Learning on Continuous Environments

• arxiv url: http://arxiv.org/abs/2312.13798v1
• Date: Thu, 21 Dec 2023 12:40:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-22 15:07:54.918910
• Title: Variational Quantum Circuit Design for Quantum Reinforcement Learning on Continuous Environments
• Title（参考訳）: 連続環境における量子強化学習のための変分量子回路設計
• Authors: Georg Kruse, Theodora-Augustina Dragan, Robert Wille and Jeanette Miriam Lorenz
• Abstract要約: 量子強化学習(QRL)は、アルゴリズムのアーキテクチャにおいて量子サブモジュールを使用する強化学習(RL)の分野として登場した。 QRLの1つの分野は、関数近似器として、変分量子回路(VQC)によるニューラルネットワーク(NN)の置換に焦点を当てている。 連続的な行動空間を持つ古典的な環境を解くためにQRLエージェントを設計し、古典的なフィードフォワードNNに対してエージェントをベンチマークする方法を示す。
• 参考スコア（独自算出の注目度）: 2.9723999564214267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum Reinforcement Learning (QRL) emerged as a branch of reinforcement learning (RL) that uses quantum submodules in the architecture of the algorithm. One branch of QRL focuses on the replacement of neural networks (NN) by variational quantum circuits (VQC) as function approximators. Initial works have shown promising results on classical environments with discrete action spaces, but many of the proposed architectural design choices of the VQC lack a detailed investigation. Hence, in this work we investigate the impact of VQC design choices such as angle embedding, encoding block architecture and postprocessesing on the training capabilities of QRL agents. We show that VQC design greatly influences training performance and heuristically derive enhancements for the analyzed components. Additionally, we show how to design a QRL agent in order to solve classical environments with continuous action spaces and benchmark our agents against classical feed-forward NNs.
• Abstract（参考訳）: 量子強化学習(QRL)は、アルゴリズムのアーキテクチャにおいて量子サブモジュールを使用する強化学習(RL)の分野として登場した。 QRLの1つの分野は、関数近似器として、変分量子回路(VQC)によるニューラルネットワーク(NN)の置換に焦点を当てている。 最初の研究は、離散的なアクション空間を持つ古典的な環境において有望な結果を示しているが、提案されたVQCの設計上の選択の多くは詳細な調査を欠いている。 そこで本研究では,QRLエージェントのトレーニング能力に対する,角度埋め込み,符号化ブロックアーキテクチャ,後処理などのVQC設計選択の影響について検討する。 本稿では,vqc設計がトレーニング性能に大きく影響し,分析コンポーネントのヒューリスティックな拡張を導出することを示す。 さらに,連続的な行動空間を持つ古典環境を解くためにQRLエージェントを設計し,従来のフィードフォワードNNに対してエージェントをベンチマークする方法を示す。

関連論文リスト

• Differentiable Quantum Architecture Search in Asynchronous Quantum Reinforcement Learning [3.6881738506505988]
  トレーニング可能な回路パラメータと構造重み付けを可能にするために、微分可能な量子アーキテクチャ探索(DiffQAS)を提案する。 提案したDiffQAS-QRL手法は,手作業による回路アーキテクチャに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2024-07-25T17:11:00Z)
• Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
  変動量子回路(VQC)における重み付けの考え方を紹介する。 我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。 以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-06-09T09:42:21Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• A Quantum Kernel Learning Approach to Acoustic Modeling for Spoken Command Recognition [69.97260364850001]
  本稿では,量子カーネル学習(QKL)フレームワークを提案する。 古典的-量子的特徴符号化に基づく音響特性を計画する。
  論文  参考訳（メタデータ） (2022-11-02T16:46:23Z)
• Learning capability of parametrized quantum circuits [2.51657752676152]
  変分量子アルゴリズム(VQA)とそのパラメタライズド量子回路(PQC)による量子機械学習分野への応用は、ノイズの多い中間スケール量子コンピューティングデバイスを活用する主要な方法の1つであると考えられている。 本稿では、Schuldらによる研究に基づいて、学習能力の新たな尺度を用いて、PQCの一般的なアンス・アゼと比較する。 また,Beerらが導入した分散量子ニューラルネットワーク(dQNN)についても検討し,その学習能力を高めるために,dQNNのデータ再アップロード構造を提案する。
  論文  参考訳（メタデータ） (2022-09-21T13:26:20Z)
• Evolutionary Quantum Architecture Search for Parametrized Quantum Circuits [7.298440208725654]
  本稿では,PQCモデルのための進化的量子アーキテクチャ探索フレームワークであるEQAS-PQCを紹介する。 提案手法は,ハイブリッド量子古典モデルの性能を著しく向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-08-23T19:47:37Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification [88.31717434938338]
  ハイブリッドQCNNは、標準ニューラルネットワーク内に量子層を導入することで、CNNの古典的なアーキテクチャを豊かにする。 この研究で提案された新しいQCNNは、地球観測(EO)のユースケースとして選択された土地利用・土地被覆(LULC)分類に適用される。 マルチクラス分類の結果は,QCNNの性能が従来の性能よりも高いことを示すことによって,提案手法の有効性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T12:41:50Z)
• Quantum agents in the Gym: a variational quantum algorithm for deep Q-learning [0.0]
  本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。 量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
  論文  参考訳（メタデータ） (2021-03-28T08:57:22Z)
• Neural Predictor based Quantum Architecture Search [15.045985536395479]
  変分量子アルゴリズム(VQA)は、短期的には量子古典的ハイブリッド計算パラダイムの下で現実的な問題に対して量子的優位性をもたらすと広く推測されている。 本研究では,量子アーキテクチャ探索(QAS)の評価ポリシーとしてニューラルネットワークに基づく予測器を提案する。
  論文  参考訳（メタデータ） (2021-03-11T08:26:12Z)

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。