論文の概要: Quantum spatial best-arm identification via quantum walks

• arxiv url: http://arxiv.org/abs/2509.05890v1
• Date: Sun, 07 Sep 2025 01:53:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.764567
• Title: Quantum spatial best-arm identification via quantum walks
• Title（参考訳）: 量子ウォークによる量子空間ベストアーム同定
• Authors: Tomoki Yamagami, Etsuo Segawa, Takatomo Mihana, André Röhm, Atsushi Uchida, Ryoichi Horisaki,
• Abstract要約: グラフ帯域における最良腕同定のための量子アルゴリズムを提案する。 量子ウォークを用いて、グラフ制約された動作の重ね合わせを符号化する。 この結果は、制約された環境での探索を加速する量子ウォークの可能性を強調した。
• 参考スコア（独自算出の注目度）: 0.5541644538483946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum reinforcement learning has emerged as a framework combining quantum computation with sequential decision-making, and applications to the multi-armed bandit (MAB) problem have been reported. The graph bandit problem extends the MAB setting by introducing spatial constraints, yet quantum approaches remain limited. We propose a quantum algorithm for best-arm identification in graph bandits, termed Quantum Spatial Best-Arm Identification (QSBAI). The method employs quantum walks to encode superpositions over graph-constrained actions, extending amplitude amplification and generalizing the Quantum BAI algorithm via Szegedy's walk framework. This establishes a link between Grover-type search and reinforcement learning tasks with structural restrictions. We analyze complete and bipartite graphs, deriving the maximal success probability of identifying the best arm and the time step at which it is achieved. Our results highlight the potential of quantum walks to accelerate exploration in constrained environments and extend the applicability of quantum algorithms for decision-making.
• Abstract（参考訳）: 量子強化学習は、量子計算とシーケンシャルな意思決定を組み合わせたフレームワークとして登場し、マルチアーム・バンディット(MAB)問題への応用が報告されている。 グラフバンドイット問題は空間的制約を導入することでMABの設定を拡張するが、量子的アプローチは限定的である。 本稿では,QSBAI(Quantum Spatial Best-Arm Identification)と呼ばれる,グラフ帯域におけるベストアーム識別のための量子アルゴリズムを提案する。 この手法は量子ウォークを用いて、グラフ制約された動作上の重ね合わせを符号化し、振幅増幅を拡張し、Szegedyのウォークフレームワークを介して量子BAIアルゴリズムを一般化する。 これによりGrover型検索と強化学習タスクを構造的制約で関連付けることができる。 完全グラフと二部グラフを解析し、最適なアームを識別する最大成功確率と、それが達成される時間ステップを導出する。 本研究は,制約環境下での探索を加速し,意思決定における量子アルゴリズムの適用性を高めるための量子ウォークの可能性を強調した。

関連論文リスト

• Quantum quench dynamics as a shortcut to adiabaticity [31.114245664719455]
  本研究では,クエンチステップを組み込んだ量子アルゴリズムを,変分するアディバティック・タイムスケールに対する対策として開発・テストする。 実験の結果,本手法は断熱アルゴリズムよりも有意に優れていることがわかった。
  論文  参考訳（メタデータ） (2024-05-31T17:07:43Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum Speedups in Regret Analysis of Infinite Horizon Average-Reward Markov Decision Processes [32.07657827173262]
  我々は,未知のMDPとエージェントのエンゲージメントのための革新的な量子フレームワークを提案する。 平均推定における量子的優位性は、無限の地平線強化学習に対する後悔の保証において指数的な進歩をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-10-18T03:17:51Z)
• Improved maximum-likelihood quantum amplitude estimation [0.0]
  量子推定は、量子強化モンテカルロシミュレーションや量子機械学習など、多数の強力な量子アルゴリズムにおいて重要なサブルーチンである。 本稿では,最大形量子振幅推定 (MLQAE) の解析をさらに深め,量子回路深度が制限されるシナリオを含むより規範的な形式にアルゴリズムを配置する。 次に,この問題を克服するアルゴリズムの修正を提案し,数値的に検証し,近・中期量子ハードウェアにおける実用的サブルーチンとしての有用性をさらに高める。
  論文  参考訳（メタデータ） (2022-09-07T17:30:37Z)
• Constrained Quantum Optimization for Extractive Summarization on a Trapped-ion Quantum Computer [13.528362112761805]
  本稿では,量子ハードウェアの制約を保存する量子最適化アルゴリズムの,これまでで最大の実行方法を示す。 我々は、最大20キュービットと2キュービットゲート深さ最大159の量子進化を制限するXY-QAOA回路を実行する。 本稿では,アルゴリズムのトレードオフと,短期量子ハードウェア上での実行に対する影響について論じる。
  論文  参考訳（メタデータ） (2022-06-13T16:21:04Z)
• Squeezing and quantum approximate optimization [0.6562256987706128]
  変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。 しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。 我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
  論文  参考訳（メタデータ） (2022-05-20T18:00:06Z)
• Quantum Bandits [10.151012770913622]
  我々は、エム・ベスト・アーム・アイデンティティ(BAI)として知られるバンディット問題の量子バージョンを考える。 まず,学習エージェントと環境の両方が量子であると仮定した,BAI問題の量子モデリングを提案する。 次に,BAIを解くために,量子振幅増幅に基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-15T15:17:11Z)

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。