Fugu-MT 論文翻訳(概要): Scalable Conflict-free Decision Making with Photons

論文の概要: Scalable Conflict-free Decision Making with Photons

arxiv url: http://arxiv.org/abs/2504.08331v1
Date: Fri, 11 Apr 2025 07:54:45 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-14 14:18:28.733592
Title: Scalable Conflict-free Decision Making with Photons
Title（参考訳）: 光子を用いたスケーラブルコンフリクトフリー意思決定
Authors: Kohei Konaka, André Röhm, Takatomo Mihana, Ryoichi Horisaki,
Abstract要約: 本研究では,特定の強化学習課題を解く能力について検討する。本手法は,光子の軌道角運動量(OAM)を用いて,CMAB(Competitive Multi-Armed Bandit)問題を解決する。提案システムは,スケーラブルなオプションでCMAB問題を解くことができ,既存の技術よりも優れた性能を示す。
参考スコア（独自算出の注目度）: 1.124958340749622
License:
Abstract: Quantum optics utilizes the unique properties of light for computation or communication. In this work, we explore its ability to solve certain reinforcement learning tasks, with a particular view towards the scalability of the approach. Our method utilizes the Orbital Angular Momentum (OAM) of photons to solve the Competitive Multi-Armed Bandit (CMAB) problem while maximizing rewards. In particular, we encode each player's preferences in the OAM amplitudes, while the phases are optimized to avoid conflicts. We find that the proposed system is capable of solving the CMAB problem with a scalable number of options and demonstrates improved performance over existing techniques. As an example of a system with simple rules for solving complex tasks, our OAM-based method adds to the repertoire of functionality of quantum optics.
Abstract（参考訳）: 量子光学は光のユニークな性質を計算や通信に利用している。本研究では,特定の強化学習課題を解く能力について検討する。提案手法では,光子の軌道角運動量(OAM)を用いて,報酬を最大化しながらCMAB(Competitive Multi-Armed Bandit)問題を解決する。特にOAM振幅で各プレイヤーの好みを符号化し、位相は競合を避けるために最適化される。提案システムは,スケーラブルなオプションでCMAB問題を解くことができ,既存の技術よりも優れた性能を示す。複雑なタスクを解くための単純なルールを持つシステムの例として、OAMベースの手法は量子光学の機能のレパートリーを付加する。

関連論文リスト

Quantum Algorithms for Drone Mission Planning [0.0]
ミッションプランニングはしばしば、一連のミッション目標を達成するためにISR(Intelligence, Surveillance and Reconnaissance)資産の使用を最適化する。このような解を見つけることはNP-Hard問題であり、古典的なコンピュータでは効率的に解けないことが多い。我々は、現在の古典的手法に対してスピードアップを提供する可能性のある、短期量子アルゴリズムについて検討する。
論文参考訳（メタデータ） (2024-09-27T10:58:25Z)
UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文参考訳（メタデータ） (2024-05-01T09:34:42Z)
Quantum-inspired optimization for wavelength assignment [51.55491037321065]
波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
論文参考訳（メタデータ） (2022-11-01T07:52:47Z)
Multi-Agent Deep Reinforcement Learning in Vehicular OCC [14.685237010856953]
我々は車載OCCにおけるスペクトル効率最適化手法を提案する。我々は最適化問題をマルコフ決定プロセス(MDP)としてモデル化し、オンラインで適用可能なソリューションの利用を可能にする。提案手法の性能を広範囲なシミュレーションにより検証し,提案手法の様々な変種とランダムな手法との比較を行った。
論文参考訳（メタデータ） (2022-05-05T14:25:54Z)
General Hamiltonian Representation of ML Detection Relying on the Quantum Approximate Optimization Algorithm [74.6114458993128]
最適化問題を解くために考案された量子近似最適化アルゴリズム(QAOA)は、既存のノイズのある中間スケール量子(NISQ)デバイス上で実行することができる。我々は、QAOAを適切に適応させることにより、一般星座の最大可能性(ML)検出問題を解く。特に、M-ary Gray-mapped Quarature amplitude modulation (MQAM) 星座では、同相成分をコードする特定の量子ビットと二次成分をコードする量子ビットが、興味のある量子系において独立であることを示す。
論文参考訳（メタデータ） (2022-04-11T14:11:24Z)
Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文参考訳（メタデータ） (2022-02-17T18:59:20Z)
Coherent Ising Machines with Optical Error Correction Circuits [0.0]
本稿では,光誤り訂正回路を用いた自由散逸型量子発振器のネットワークを提案する。提案したCIMの量子理論はパラメトリックアルゴリズムとして利用でき、既存のデジタルプラットフォーム上で効率的に実装できる。提案した光学実装は,薄膜LiNbO3プラットフォーム上で光学的に実装した場合,低消費電力化の可能性を秘めている。
論文参考訳（メタデータ） (2021-08-16T22:53:40Z)
Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。コア最適化問題の実用的なパラメトリゼーションを提供する。
論文参考訳（メタデータ） (2021-07-08T18:01:02Z)
Quantum constraint learning for quantum approximate optimization algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文参考訳（メタデータ） (2021-05-14T11:31:14Z)
Certificates of quantum many-body properties assisted by machine learning [0.0]
本稿では,緩和技術の力と深層強化学習を組み合わせた新しい手法を提案する。本研究は,多くの移動系の基底状態エネルギーを求める文脈において,本手法の生存可能性について述べる。我々は、量子情報処理の分野における他の一般的な応用へのアプローチを一般化するためのツールを提供する。
論文参考訳（メタデータ） (2021-03-05T17:47:26Z)
GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal Black Box Constraint Satisfaction [69.94831587339539]
本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
論文参考訳（メタデータ） (2020-02-17T20:21:20Z)

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。