論文の概要: Hybrid-Quantum Neural Architecture Search for The Proximal Policy Optimization Algorithm

• arxiv url: http://arxiv.org/abs/2501.10673v1
• Date: Sat, 18 Jan 2025 06:39:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:26:45.760459
• Title: Hybrid-Quantum Neural Architecture Search for The Proximal Policy Optimization Algorithm
• Title（参考訳）: 近似ポリシ最適化アルゴリズムのためのハイブリッド量子ニューラルアーキテクチャ探索
• Authors: Moustafa Zada,
• Abstract要約: 本研究は, 正規化進化アルゴリズムを用いて, 最適ハイブリッド量子アーキテクチャを探索することにより, 文献のギャップを解消しようとするものである。 また、このような結果に寄与した要因を説明し、効率的なハイブリッドアーキテクチャを設計するための優れたプラクティスをどう考えるべきかについて、より深い直感を得ることを期待しています。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Recent studies in quantum machine learning advocated the use of hybrid models to assist with the limitations of the currently existing Noisy Intermediate Scale Quantum (NISQ) devices, but what was missing from most of them was the explanations and interpretations of the choices that were made to pick those exact architectures and the differentiation between good and bad hybrid architectures, this research attempts to tackle that gap in the literature by using the Regularized Evolution algorithm to search for the optimal hybrid classical-quantum architecture for the Proximal Policy Optimization (PPO) algorithm, a well-known reinforcement learning algorithm, ultimately the classical models dominated the leaderboard with the best hybrid model coming in eleventh place among all unique models, while we also try to explain the factors that contributed to such results,and for some models to behave better than others in hope to grasp a better intuition about what we should consider good practices for designing an efficient hybrid architecture.
• Abstract（参考訳）: 量子機械学習の最近の研究は、現在存在するノイズ中間スケール量子(NISQ)機器の限界を補うためにハイブリッドモデルを使うことを提唱しているが、そのほとんどは、それらの正確なアーキテクチャを選択するために作られた選択の説明と解釈、善と悪のハイブリッドアーキテクチャの区別、この研究は、正規化進化アルゴリズムを用いて、よく知られた強化学習アルゴリズムであるPPO(Proximal Policy Optimization)アルゴリズムのための最適なハイブリッド古典量子アーキテクチャを探索し、最終的に古典モデルが、すべてのユニークなモデルの中で11位となる最高のハイブリッドモデルでリーダーボードを支配した一方で、そのような結果に寄与する要因を説明するとともに、そのようなモデルに対して、より優れた振る舞いを期待する他のモデルよりも、より優れた設計方法を考えるために、これらの文献のギャップに取り組むことを目的としている。

関連論文リスト

• A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
  大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。 これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。 本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
  論文  参考訳（メタデータ） (2024-12-18T14:11:15Z)
• Integrating Optimization Theory with Deep Learning for Wireless Network Design [38.257335693563554]
  従来の無線ネットワーク設計は、ドメイン固有の数学的モデルから派生した最適化アルゴリズムに依存している。 ディープラーニングは、複雑さと適応性の懸念を克服する、有望な代替手段として登場した。 本稿では,これらの問題に対処するために,最適化理論とディープラーニング手法を統合する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-11T20:27:48Z)
• STAR: Synthesis of Tailored Architectures [61.080157488857516]
  本稿では, 適合型アーキテクチャ (STAR) の新規な合成手法を提案する。 提案手法は線形入力可変系の理論に基づく新しい探索空間を結合し,階層的な数値エンコーディングをアーキテクチャゲノムに支持する。STARゲノムは,複数のモデル品質と効率の指標に最適化するために,勾配のない進化的アルゴリズムで自動的に精製・組換えされる。 STARを用いて、多種多様な計算単位と相互接続パターンを活用し、品質、パラメータサイズ、および自動回帰言語モデリングのための推論キャッシュのフロンティアにおける高度に最適化されたトランスフォーマーとストライプハイブリッドモデルを改善する。
  論文  参考訳（メタデータ） (2024-11-26T18:42:42Z)
• Hybrid Tree Tensor Networks for quantum simulation [0.0]
  ハイブリッドツリーネットワーク(hTTN)を用いた基底状態最適化のための新しいアルゴリズムを提案する。 我々は、hTTNsが古典的部分における等しい結合次元を持つ古典的等価性を改善することができることを示した。
  論文  参考訳（メタデータ） (2024-04-08T18:00:00Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• 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)
• Quality Diversity Evolutionary Learning of Decision Trees [4.447467536572625]
  MAP-Elitesは, モデル複雑性と振る舞いの多様性の両方を捉えた特徴空間上で, ハイブリッドモデルを多様化することができることを示す。 本手法をOpenAI Gymライブラリの2つのよく知られた制御問題に適用し,MAP-Elitesが提案する「照明」パターンについて議論する。
  論文  参考訳（メタデータ） (2022-08-17T13:57:32Z)
• Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
  本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。 性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
  論文  参考訳（メタデータ） (2022-05-03T07:54:56Z)
• Redefining Neural Architecture Search of Heterogeneous Multi-Network Models by Characterizing Variation Operators and Model Components [71.03032589756434]
  複素領域における異なる変動演算子の効果について検討する。 モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
  論文  参考訳（メタデータ） (2021-06-16T17:12:26Z)

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。