.png){kind=icon}
返回
Quafu-RL: The cloud quantum computers based quantum reinforcement learning
.png){kind=icon}
PRE
AI
DOI：10.1088/1674-1056/ad3061.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着量子计算的快速进步，混合量子-经典机器学习在当前阶段已展现出众多潜在应用，并有望在噪声中等规模量子（NISQ）时代实现。量子强化学习作为不可或缺的研究领域，近期已证明其能够解决标准基准环境，且在理论上相较于经典方法具有可证明的优势。然而，尽管量子处理器不断进步且量子计算云平台相继涌现，利用参数化量子电路（PQCs）在NISQ设备上实现量子强化学习算法仍较为罕见。在本工作中，我们首次尝试在BAQIS Quafu量子计算云平台上，于配备最多136个量子比特的真实设备上执行量子强化学习基准问题。实验结果表明，策略代理在训练和推理阶段均能在修改后的条件下成功达成目标。此外，我们在量子模型中采用多目标进化算法设计了硬件高效的PQC架构，并开发了一种适用于量子设备的自适应学习算法。我们希望Quafu-RL能成为一个指导性示例，展示如何在量子云平台上利用量子计算机实现机器学习任务。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息