論文の概要: First Experience with Real-Time Control Using Simulated VQC-Based Quantum Policies

• arxiv url: http://arxiv.org/abs/2508.01690v2
• Date: Mon, 11 Aug 2025 10:22:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 13:12:52.239481
• Title: First Experience with Real-Time Control Using Simulated VQC-Based Quantum Policies
• Title（参考訳）: シミュレーションVQCに基づく量子ポリシーを用いたリアルタイム制御
• Authors: Yize Sun, Mohamad Hagog, Marc Weber, Daniel Hein, Steffen Udluft, Volker Tresp, Yunpu Ma,
• Abstract要約: 本稿では,量子コンピューティングのオフライン強化学習への統合について検討する。 目標は、現実の産業制御問題に量子アーキテクチャをデプロイする可能性を評価することである。
• 参考スコア（独自算出の注目度）: 22.395468970799993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates the integration of quantum computing into offline reinforcement learning and the deployment of the resulting quantum policy in a real-time control hardware realization of the cart-pole system. Variational Quantum Circuits (VQCs) are used to represent the policy. Classical model-based offline policy search was applied, in which a pure VQC with trainable input-output weights is used as a policy network instead of a classical multilayer perceptron. The goal is to evaluate the potential of deploying quantum architectures in real-world industrial control problems. The experimental results show that the investigated model-based offline policy search is able to generate quantum policies that can balance the hardware cart-pole. A latency analysis reveals that while local simulated execution meets real-time requirements, cloud-based quantum processing remains too slow for closed-loop control.
• Abstract（参考訳）: 本稿では、オフライン強化学習における量子コンピューティングの統合と、カートポールシステムのリアルタイム制御ハードウェア実現における量子ポリシーの展開について検討する。 変動量子回路(VQC)は、そのポリシーを表現するために用いられる。 従来のマルチ層パーセプトロンの代わりに、トレーニング可能な入力出力重み付き純粋なVQCをポリシーネットワークとして使用する、古典的モデルに基づくオフラインポリシサーチが適用された。 目標は、現実の産業制御問題に量子アーキテクチャをデプロイする可能性を評価することである。 実験の結果, モデルに基づくオフラインポリシー探索は, ハードウェアカートポールのバランスをとる量子ポリシーを生成することができることがわかった。 レイテンシ解析により、ローカルなシミュレートされた実行はリアルタイムな要件を満たすが、クローズドループ制御ではクラウドベースの量子処理が遅すぎることが分かる。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Q-Policy: Quantum-Enhanced Policy Evaluation for Scalable Reinforcement Learning [0.0]
  本稿では,政策評価と最適化を数学的に高速化するハイブリッド量子古典的強化学習フレームワークを提案する。 Q-Policyは量子重ね合わせで値関数を符号化し、複数の状態-作用対の同時評価を可能にする。 今後の量子デバイス上でのスケーラブルなRLの理論的基盤としてQ-Policyの可能性を支持する。
  論文  参考訳（メタデータ） (2025-05-17T06:03:32Z)
• Simulating quantum circuits with restricted quantum computers [0.0]
  この論文は、局所量子演算を用いた非局所量子計算のシミュレーションに特化している。 本研究では, 広域な非局所状態およびチャネルの最適シミュレーションオーバーヘッドを特徴付ける。 また,地域間の古典的コミュニケーションの有用性についても検討する。
  論文  参考訳（メタデータ） (2025-03-27T17:59:45Z)
• Benchmarking quantum devices beyond classical capabilities [1.2499537119440245]
  量子ボリュームテスト(Quantum Volume test、QV)は、量子コンピュータの性能を評価するために最も広く使用されるベンチマークの1つである。 本稿では,最も可能性の高い結果の直接決定を可能にするQV試験の修正を提案する。
  論文  参考訳（メタデータ） (2025-02-04T18:50:47Z)
• QTRL: Toward Practical Quantum Reinforcement Learning via Quantum-Train [18.138290778243075]
  我々はQTRLと呼ばれる強化学習タスクにQuantum-Train法を適用し、古典的なポリシーネットワークモデルを訓練する。 QTRLのトレーニング結果は古典的なモデルであり、推論段階は古典的なコンピュータのみを必要とする。
  論文  参考訳（メタデータ） (2024-07-08T16:41:03Z)
• Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
  本稿では,量子回路実行の並列化モデルを提案する。 このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
  論文  参考訳（メタデータ） (2024-06-05T17:16:07Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Benchmarking the ability of a controller to execute quantum error corrected non-Clifford circuits [0.0]
  誤り訂正された非クリフォード回路は、QEC符号を実行する古典的な制御系に依存していることを示す。 我々は,QEC制御系の遅延性能がQEC回路の動作状態を決定する方法を分析する。
  論文  参考訳（メタデータ） (2023-11-13T07:29:28Z)
• Integration of Quantum Accelerators with High Performance Computing -- A Review of Quantum Programming Tools [0.8477185635891722]
  本研究の目的は、既存の量子プログラミングツール(QPT)をHPCの観点から特徴づけることである。 既存のQPTが従来の計算モデルと効率的に統合できる可能性について検討する。 この研究は、一連の基準を分析ブループリントに構造化し、量子加速古典的応用にQPTが適しているかどうかをHPC科学者が評価できるようにする。
  論文  参考訳（メタデータ） (2023-09-12T12:24:12Z)
• 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)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。