Fugu-MT 論文翻訳(概要): Improved Quantum Algorithms for Reinforcement Learning Under a Generative Model

論文の概要: Improved Quantum Algorithms for Reinforcement Learning Under a Generative Model

arxiv url: http://arxiv.org/abs/2608.02826v1
Date: Mon, 03 Aug 2026 19:38:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-05 15:30:22.926105
Title: Improved Quantum Algorithms for Reinforcement Learning Under a Generative Model
Title（参考訳）: 生成モデルに基づく強化学習のための量子アルゴリズムの改良
Abstract要約: 近似最適ポリシーを計算するための新しい量子アルゴリズムを提案する。得られたクエリの複雑さは、以前の研究により改善され、既に確立された量子下界に近づいた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reinforcement learning is a subfield of machine learning that studies how an agent interacts with an environment in order to extract as large a reward as possible. A standard approach to study such interaction is through Markov Decision Processes (MDPs) and the task of choosing an optimal policy --- a function that tells the agent which action to take. In this work, we study two types of MDPs --- finite-horizon and infinite-horizon discounted --- and propose new quantum algorithms for computing approximate optimal policies. Our quantum algorithms are based on a new combination of standard value iteration and quantum subroutines like quantum mean estimation and quantum maximum finding, overall enhanced with techniques from sample-optimal classical algorithms. Our resulting query complexities improve upon previous works, thus approaching already established quantum lower bounds.
Abstract（参考訳）: 強化学習は、エージェントが可能な限り大きな報酬を抽出するために環境とどのように相互作用するかを研究する機械学習のサブフィールドである。このような相互作用を研究するための標準的なアプローチは、マルコフ決定プロセス(MDP)と最適なポリシーを選択するタスク -- 行動を起こすエージェントを指示する関数 -- を通じてである。この記事では、有限水平と無限水平の割引の2種類のMDPを研究し、最適なポリシーを計算するための新しい量子アルゴリズムを提案する。我々の量子アルゴリズムは、標準値反復と量子平均推定や量子最大探索といった量子サブルーチンの新たな組み合わせに基づいている。得られたクエリの複雑さは、以前の研究により改善され、既に確立された量子下界に近づいた。

関連論文リスト

Optimal Quantum Likelihood Estimation [0.0]
ハイブリッド量子古典アルゴリズム(英: hybrid quantum-classical algorithm)は、量子回路を用いて情報を抽出する計算手法である。我々は,情報理論の原理的最適化により,ハイブリッドアルゴリズムの性能を向上する。
論文参考訳（メタデータ） (2025-08-31T12:51:44Z)
An em algorithm for quantum Boltzmann machines [40.40469032705598]
我々は、量子ボルツマンマシンを訓練するためのエムアルゴリズムの量子バージョンを開発する。量子効果を隠蔽層に限定した半量子制限ボルツマンマシンにアルゴリズムを実装した。
論文参考訳（メタデータ） (2025-07-29T07:59:22Z)
Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文参考訳（メタデータ） (2025-05-24T02:51:34Z)
Accelerating Quantum Reinforcement Learning with a Quantum Natural Policy Gradient Based Approach [36.05085942729295]
本稿では、古典的なNPG推定器で使用されるランダムサンプリングを決定論的勾配推定手法で置き換える量子自然ポリシー勾配(QNPG)アルゴリズムを提案する。提案したQNPGアルゴリズムは、量子オラクルへのクエリに対する$tildemathcalO(epsilon-1.5)$のサンプル複雑性を達成し、マルコフ決定プロセス(MDP)へのクエリに対する$tildemathcalO(epsilon-2)$の古典的な下界を大幅に改善する。
論文参考訳（メタデータ） (2025-01-27T17:38:30Z)
Warm-Start Variational Quantum Policy Iteration [39.04157716488156]
強化学習は、非常に複雑な意思決定シナリオにおける最適な行動を決定するための強力なフレームワークである。 NISQ互換の量子化サブルーチンを用いて,変分量子ポリシー反復(VarQPI)アルゴリズムを提案する。そのスケーラビリティは、一般的な強化学習環境の構造の分析によって支えられている。
論文参考訳（メタデータ） (2024-04-16T13:16:19Z)
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)
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)
Efficient DCQO Algorithm within the Impulse Regime for Portfolio Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文参考訳（メタデータ） (2023-08-29T17:53:08Z)
Quantum Policy Gradient Algorithm with Optimized Action Decoding [1.3946033794136758]
動作選択に必要な古典的後処理を最適化するための,新しい品質指標を提案する。この手法により,5キュービットのハードウェアデバイス上で,フルトレーニングルーチンの実行に成功した。
論文参考訳（メタデータ） (2022-12-13T15:42:10Z)
Quantum Policy Iteration via Amplitude Estimation and Grover Search -- Towards Quantum Advantage for Reinforcement Learning [7.122914046030916]
本稿では,振幅推定とGrover検索を組み合わせた政策評価・改善手法を提案する。最適値に到達するまで、Grover検索を用いて初期ポリシーを繰り返し改善する量子ポリシー反復法を導出する。
論文参考訳（メタデータ） (2022-06-09T19:23:10Z)
Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文参考訳（メタデータ） (2021-12-22T06:19:36Z)

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。