論文の概要: Quantum Algorithm for Apprenticeship Learning
- arxiv url: http://arxiv.org/abs/2507.07492v1
- Date: Thu, 10 Jul 2025 07:28:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-11 16:40:15.304265
- Title: Quantum Algorithm for Apprenticeship Learning
- Title（参考訳）: 認証学習のための量子アルゴリズム
- Authors: Andris Ambainis, Debbie Lim,
- Abstract要約: 逆強化学習による見習い学習のための量子アルゴリズムを提案する。
我々は、古典的近似的見習い学習アルゴリズムにおける収束保証を証明した。
量子アルゴリズムは,2次因子による解定時間あたりの複雑性の向上を実現する。
- 参考スコア（独自算出の注目度）: 0.4604003661048266
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Apprenticeship learning is a method commonly used to train artificial intelligence systems to perform tasks that are challenging to specify directly using traditional methods. Based on the work of Abbeel and Ng (ICML'04), we present a quantum algorithm for apprenticeship learning via inverse reinforcement learning. As an intermediate step, we give a classical approximate apprenticeship learning algorithm to demonstrate the speedup obtained by our quantum algorithm. We prove convergence guarantees on our classical approximate apprenticeship learning algorithm, which also extends to our quantum apprenticeship learning algorithm. We also show that, as compared to its classical counterpart, our quantum algorithm achieves an improvement in the per-iteration time complexity by a quadratic factor in the dimension of the feature vectors $k$ and the size of the action space $A$.
- Abstract（参考訳）: 適応学習(英語: Apprenticeship learning)は、人工知能システムを訓練し、従来の手法で直接指定することが難しいタスクを実行するために一般的に用いられる手法である。
本稿では,Abbeel と Ng (ICML'04) の業績に基づき,逆強化学習による見習い学習のための量子アルゴリズムを提案する。
中間段階として、量子アルゴリズムによって得られたスピードアップを実証するために、古典的な近似的見習い学習アルゴリズムを提供する。
我々は、古典的な近似的見習い学習アルゴリズムにおける収束保証を証明し、量子見習い学習アルゴリズムにも拡張する。
また、古典的手法と比較して、我々の量子アルゴリズムは、特徴ベクトルの次元が$k$とアクション空間のサイズが$A$の2乗因子によって、時間単位の複雑性を改善することを示している。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。
弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
論文 参考訳（メタデータ） (2024-07-04T06:37:16Z) - Advantage of Quantum Machine Learning from General Computational
Advantages [2.5322020135765464]
量子機械学習(QML)の全体的マイルストーンは、あらゆる古典的な学習方法に対するQMLの利点を実証することである。
ここでは、古典的なデータを用いた教師付き学習タスクのファミリーを前例のないほど広く構築し、QMLの利点を実証する。
我々の学習課題は、少数の入力に間に合うように効率的に計算できる関数の一般クラスを実行することで実現可能である。
論文 参考訳（メタデータ） (2023-12-05T19:00:00Z) - Learning Quantum Processes with Quantum Statistical Queries [0.0]
量子統計クエリから量子プロセスを学ぶ研究を開始する。
本稿では,予測可能な観測値の数に対して,ほぼ一致した下界を持つ効率的な平均ケースアルゴリズムを提案する。
本稿では,古典可読量子物理関数を用いた認証プロトコルに対する学習アルゴリズムの適用について述べる。
論文 参考訳（メタデータ） (2023-10-03T14:15:20Z) - Iterative Quantum Algorithms for Maximum Independent Set: A Tale of
Low-Depth Quantum Algorithms [0.0]
我々は、反復最大量子アルゴリズム(Iterative Maximum Quantum Algorithms)と呼ばれる、量子最適化のための新しいハイブリッドアプローチのクラスについて研究する。
深度$p=1$のQAOAの場合、このアルゴリズムはMISの古典的欲求アルゴリズムと全く同じ操作と選択を行う。
論文 参考訳（メタデータ） (2023-09-22T18:00:03Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Tree-Based Adaptive Model Learning [62.997667081978825]
我々はKearns-Vazirani学習アルゴリズムを拡張し、時間とともに変化するシステムを扱う。
本稿では,学習前の動作を再利用し,更新し,LearnerLibライブラリに実装し,大規模な実例で評価する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-31T21:24:22Z) - Evolving Reinforcement Learning Algorithms [186.62294652057062]
メタラーニング強化学習アルゴリズムの手法を提案する。
学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。
従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
論文 参考訳（メタデータ） (2021-01-08T18:55:07Z) - Entanglement-based quantum deep learning [1.1608078259903485]
我々は,マルチキュービットの絡み合い状態に基づく量子深層学習方式を提案している。
トレーニングの過程では,未知単位ベクトルと未知単位ベクトルとの距離の効率的な計算が実現されている。
古典的アルゴリズムに対する指数的な高速化が実証されている。
論文 参考訳（メタデータ） (2020-02-27T09:14:00Z)
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。