arrow
返回

Quantum reinforcement learning in dynamic environments

delete2026-05-12
delete0
delete
OA
AI
O
Oliver Sefrin *
M
Manuel Radons
L
Lars Simon
S
Sabine Wölk
DOI:10.1007/s42484-026-00383-8delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
将振幅放大形式的量子计算技术与经典强化学习相结合,形成了所谓的“可访问量子强化学习的混合智能体”,它在某些学习问题上实现了样本复杂度的二次加速。迄今为止,该混合智能体仅应用于平稳学习问题,即马尔可夫决策过程中的组件无任何时间依赖性的学习问题。在本工作中,我们研究了该混合智能体在动态强化学习环境中的适用性,从而使其适用于更现实的场景。为此,我们通过引入耗散机制增强了混合智能体,并使用由此产生的学习智能体,在一个具有时间依赖性奖励函数的强化学习环境中,与经典强化学习智能体进行了实证比较。我们的发现表明,改进后的混合智能体能快速适应环境变化,其平均成功概率高于其经典对应智能体。
Keyword:
Quantum reinforcement learning
Hybrid algorithm
Continual reinforcement learning
Amplitude amplification
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Q
Quantum Machine Intelligence
IF:
4.4
论文数:
453
被引数:
796

机构

I
institute of quantum technologies
学者数:
15
论文数: 6
被引数: 0
引用论文

引用论文

Benchmarking Projective Simulation in Navigation Problems
err2018-01-01
err17
errOAAI
errMelnikov, Alexey A.; Makmal, Adi; Briegel, Hans J.
err分享
err收藏
Quantum amplitude amplification and estimation
err2002-01-01
err0
errOAAI
errGilles Brassard; Peter Høyer; Michele Mosca; Alain Tapp
err分享
err收藏
Projective Simulation for Classical Learning Agents: A Comprehensive Investigation
err2015-01-28
err0
errOAAI
errJulian Mautner; Adi Makmal; Daniel Manzano; Markus Tiersch; Hans J. Briegel
err分享
err收藏
Quantum Reinforcement Learning
err2008-10-01
err0
PREAI
errDaoyi Dong; Chunlin Chen; Hanxiong Li; Tzyh-Jong Tarn
err分享
err收藏
A rigorous and robust quantum speed-up in supervised machine learning
err2021-07-12
err265
PREAI
errLiu, Yunchao; Arunachalam, Srinivasan; Temme, Kristan
err分享
err收藏
Reinforcement Learning in Different Phases of Quantum Control
err2018-09-27
err295
errOAAI
errBukov, Marin; Day, Alexandre G. R.; Sels, Dries; Weinberg, Phillip; Polkovnikov, Anatoli; Mehta, Pankaj
err分享
err收藏
Towards Continual Reinforcement Learning: A Review and Perspectives
err2022-12-22
err0
errOAAI
errKhimya Khetarpal; Matthew Riemer; Irina Rish; Doina Precup
err分享
err收藏
学者 查看更多内容