論文の概要: Quantum-Assisted Counterfactual Regret Minimization for Bounded-Payoff Imperfect-Information Games
- arxiv url: http://arxiv.org/abs/2611.14182v2
- Date: Fri, 13 Nov 2026 17:01:54 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:26:28.494567
- Title: Quantum-Assisted Counterfactual Regret Minimization for Bounded-Payoff Imperfect-Information Games
- Title(参考訳): 境界ペイオフ不完全情報ゲームにおける量子支援逆レギュレット最小化
- Abstract要約: 本稿では,有界ペイオフ不完全情報ゲームにおけるリセット更新の計算複雑性を低減するために,量子アシスト型逆レギュレット最小化フレームワークを提案する。
本論では,NISQ互換の振幅推定変種について理論的に解析し,その資源要求の構造について考察し,潜在的優位性を検証するために何が必要なのかを概説する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Imperfect-information games with a graded-reward structure present significant computational challenges for equilibrium computation, since the payoff expectations must be estimated across exponentially large strategy spaces. Counterfactual Regret Minimization over the years has proven effective for approximating Nash equilibria, but Monte Carlo variants create a large overhead of sampling costs when the counterfactual values are estimated from sampled game-tree trajectories. We propose a novel Quantum-Assisted Counterfactual Regret Minimization, a framework that uses Quantum Amplitude Estimation to reduce the computational complexity of the regret updates in bounded-payoff imperfect-information games, while preserving the convergence of its classical counterpart. We give a theoretical analysis of the resulting exploitability bound, discuss NISQ-compatible amplitude-estimation variants, the structure of their resource requirements, and outline what is needed to validate the potential advantage empirically.
- Abstract(参考訳): 次数-逆構造を持つ不完全情報ゲームは、指数関数的に大きな戦略空間にわたってペイオフ期待を見積もる必要があるため、平衡計算において重要な計算課題を提示する。
しかしモンテカルロ変種は, 実測値が標本木軌道から推定される場合, サンプリングコストの大きなオーバーヘッドを生じさせる。
本稿では,量子振幅推定を用いて,制限付きペイオフ不完全情報ゲームにおけるリセット更新の計算複雑性を低減し,古典的情報の収束を保ちつつ,新しい量子支援型逆レギュレット最小化法を提案する。
そこで我々は,NISQ互換の振幅推定変種について理論的解析を行い,その資源要求の構造について考察し,潜在的優位性を実証するために何が必要なのかを概説する。
関連論文リスト
- Adaptive Robust Confidence Sets in High Dimensions [60.353542776481596]
本研究では,不確実性を同時に定量化することにより,情報理論的に最適な適応信頼セットを構築することができることを示す。
統計的には最適であるが、この構成は計算的に不可能である。
論文 参考訳(メタデータ) (2026-10-11T16:00:46Z) - Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳(メタデータ) (2026-08-25T15:07:11Z) - Towards Quantum Optimised Malware Containment [0.0]
コンピュータネットワークにおけるマルウェアの封入は、ネットワーク影響の最小化問題として自然に定式化できる。
量子振幅推定(QAE)とGrover Minimum Finding(GMF)を組み合わせたハイブリッド量子アプローチを提案する。
本稿では, 量子オラクルの構成を記述し, 結果として生じる複雑性の改善を解析する形式的問題定義を提案する。
論文 参考訳(メタデータ) (2026-04-29T13:59:01Z) - EQE-QAOA: An Equivalence-Preserving Qubit Efficient Framework for Combinatorial Optimization [54.05451096499336]
既存の技術は情報損失のコストで量子ビットの削減に依存しており、計算性能は劣化している。
等価保存量子ビット効率QAOAを提案し、性能を劣化させることなく必要なキュービット数を著しく削減する。
完全独立変数を持つ非制約問題を除いて,大規模最適化問題に広く適用可能であることを示す。
論文 参考訳(メタデータ) (2026-04-20T13:57:49Z) - Quantization-Aware Collaborative Inference for Large Embodied AI Models [67.66340659245186]
大規模人工知能モデル(LAIM)は、AIアプリケーションを具現化するためのコアインテリジェンスエンジンとしてますます見なされている。
この問題に対処するために、具体化されたAIシステムに対する量子化対応協調推論(コ推論)について検討する。
論文 参考訳(メタデータ) (2026-02-13T16:08:19Z) - Stabilized Maximum-Likelihood Iterative Quantum Amplitude Estimation for Structural CVaR under Correlated Random Fields [0.0]
Conditional Value-at-Risk (CVaR) は構造力学における中心的なテールリスク尺度である。
本研究では,CVaR評価を信頼性制約付き最大形振幅推定問題として用いた量子強化推論フレームワークを開発した。
論文 参考訳(メタデータ) (2026-02-10T14:53:26Z) - Quantum Subgradient Estimation for Conditional Value-at-Risk Optimization [0.0]
条件付きバリュー・アット・リスク(CVaR)は金融における主要なテールリスク指標である。
本稿では,振幅推定に基づくCVaR最小化のための量子下降オラクルを解析する。
論文 参考訳(メタデータ) (2025-10-06T12:09:43Z) - End-to-End On-Device Quantization-Aware Training for LLMs at Inference Cost [53.25965863436039]
量子化対応トレーニング(QAT)は、より原則化されたソリューションを提供するが、バックプロパゲーションに依存しているため、メモリコストは禁じられている。
重み付けとアクティベーション量子化の両方をサポートするゼロオーダー最適化ベースのQATフレームワークであるZeroQATを提案する。
実験の結果、ZeroQATはPTQとQATのベースラインを一貫して上回り、メモリは大幅に削減された。
論文 参考訳(メタデータ) (2025-08-21T01:18:27Z) - Oscillations Make Neural Networks Robust to Quantization [0.16385815610837165]
量子化アウェアトレーニング(QAT)における振動は,STE(Straight-Through Estimator)によって引き起こされる望ましくない人工物であることを示す。
量子化を改善するために振動を誘導する新しい正則化法を提案する。
論文 参考訳(メタデータ) (2025-02-01T16:39:58Z) - On the Power of Perturbation under Sampling in Solving Extensive-Form Games [56.013335390600524]
本研究では, サンプリング対象の広義ゲームにおいて, 摂動がいかにしてFTRL(Follow-the-Regularized-Leader)アルゴリズムを改良するかを検討する。
我々は、textitPerturbed FTRLアルゴリズムの統一フレームワークを提案し、PFTRL-KLとPFTRL-RKLの2つの変種について検討する。
論文 参考訳(メタデータ) (2025-01-28T00:29:38Z) - Hybrid Quantum Neural Networks with Amplitude Encoding: Advancing Recovery Rate Predictions [6.699192644249841]
回収率予測は、リスク評価の強化、ポートフォリオ割り当ての最適化、価格精度の向上など、債券投資戦略において重要な役割を担っている。
本稿では,Amplitudeを用いたハイブリッド量子機械学習(QML)モデルを提案する。
我々は1996年から2023年までの1,725の観測結果からなる地球規模の回復率データセット上でモデルを評価した。
論文 参考訳(メタデータ) (2025-01-27T07:27:23Z)
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。