論文の概要: A quantum-classical reinforcement learning model to play Atari games

• arxiv url: http://arxiv.org/abs/2412.08725v1
• Date: Wed, 11 Dec 2024 19:00:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 13:34:38.209801
• Title: A quantum-classical reinforcement learning model to play Atari games
• Title（参考訳）: アタリゲームのための量子古典的強化学習モデル
• Authors: Dominik Freinberger, Julian Lemmel, Radu Grosu, Sofiene Jerbi,
• Abstract要約: 強化学習の最近の進歩は、パラメタライズド量子回路に基づく量子学習モデルの可能性を実証している。 本稿では,PQCと古典的特徴符号化と,Atariゲームに対処可能な後処理層を組み合わせたハイブリッドモデルを提案する。 数値解析により,提案したハイブリッドモデルは,Pong環境を解き,Breakoutの古典的参照に匹敵するスコアを得られることを示す。
• 参考スコア（独自算出の注目度）: 6.302177333213775
• License:
• Abstract: Recent advances in reinforcement learning have demonstrated the potential of quantum learning models based on parametrized quantum circuits as an alternative to deep learning models. On the one hand, these findings have shown the ultimate exponential speed-ups in learning that full-blown quantum models can offer in certain -- artificially constructed -- environments. On the other hand, they have demonstrated the ability of experimentally accessible PQCs to solve OpenAI Gym benchmarking tasks. However, it remains an open question whether these near-term QRL techniques can be successfully applied to more complex problems exhibiting high-dimensional observation spaces. In this work, we bridge this gap and present a hybrid model combining a PQC with classical feature encoding and post-processing layers that is capable of tackling Atari games. A classical model, subjected to architectural restrictions similar to those present in the hybrid model is constructed to serve as a reference. Our numerical investigation demonstrates that the proposed hybrid model is capable of solving the Pong environment and achieving scores comparable to the classical reference in Breakout. Furthermore, our findings shed light on important hyperparameter settings and design choices that impact the interplay of the quantum and classical components. This work contributes to the understanding of near-term quantum learning models and makes an important step towards their deployment in real-world RL scenarios.
• Abstract（参考訳）: 近年の強化学習の進歩は、深層学習モデルの代替として、パラメタライズド量子回路に基づく量子学習モデルの可能性を実証している。 一方、これらの発見は、完全な量子モデルが特定の人工的に構築された環境において、学習における究極の指数的なスピードアップを示している。 一方、彼らはOpenAI Gymベンチマークタスクを解くために実験的にアクセス可能なPQCを実証した。 しかし、これらの近距離QRL技術が高次元の観測空間を示すより複雑な問題にうまく適用できるかどうかには疑問が残る。 本研究では,このギャップを埋め,PQCと古典的特徴符号化とアタリゲームに対処可能な後処理層を組み合わせたハイブリッドモデルを提案する。 ハイブリッドモデルに類似したアーキテクチャ上の制約を受ける古典的モデルは、参照として機能するように構築される。 数値解析により,提案したハイブリッドモデルは,Pong環境を解き,Breakoutの古典的参照に匹敵するスコアを得られることを示す。 さらに、我々の発見は、量子および古典的コンポーネントの相互作用に影響を与える重要なハイパーパラメータ設定と設計選択に光を当てた。 この研究は、短期量子学習モデルの理解に寄与し、現実世界のRLシナリオへの展開に向けて重要な一歩を踏み出す。

関連論文リスト

• 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)
• Hybrid Classical-Quantum architecture for vectorised image classification of hand-written sketches [0.0]
  量子機械学習は、別の方法でデータを学ぶために量子現象をどのように活用するかを研究する。 近年の進歩は、ハイブリッド古典量子モデルは、アーキテクチャの複雑さが低い場合に競争性能を達成できることを示唆している。 本稿では,QMLモデルのテストベッドとして,スケッチ描画のベクトルベース表現を提案する。
  論文  参考訳（メタデータ） (2024-07-08T21:51:20Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• SEQUENT: Towards Traceable Quantum Machine Learning using Sequential Quantum Enhanced Training [5.819818547073678]
  本稿では,ハイブリッド機械学習における量子コンピューティング手法のトレーサブルな応用のためのアーキテクチャとトレーニングプロセスを提案する。 本研究は、SEQUENTの適用可能性の実証として、現在の手法の不備と予備実験結果に関する公式な証拠を提供する。
  論文  参考訳（メタデータ） (2023-01-06T16:55:59Z)
• Quantum Reinforcement Learning for Solving a Stochastic Frozen Lake Environment and the Impact of Quantum Architecture Choices [0.0]
  量子強化学習(QRL)モデルは、古典的強化学習スキームを量子強化カーネルで強化する。 このようなモデルの構築方法に関するさまざまな提案は、実証的に有望なパフォーマンスを示している。 しかし、これらの量子強化カーネルが強化学習パイプライン内のサブルーチンとしてどのように構築され、実際に性能が向上するかは不明である。
  論文  参考訳（メタデータ） (2022-12-15T16:08:31Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• 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)
• 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)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)

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。