CleanQRL：量子强化学习算法的轻量级单文件实现
量子物理
2025-07-11 v1
摘要
在量子计算与机器学习交汇的领域，量子强化学习 (QRL) 已成为一个富有前景的研究领域。由于其新颖性，尚未建立QRL算法的标准化和全面集合。研究人员依赖众多用于经典强化学习的软件堆栈，以及各种量子计算框架来实现其QRL算法的量子子程序。以CleanRL用于经典RL算法的库为灵感，我们提出了CleanQRL，一个提供许多QRL算法单脚本实现的库。我们的库提供清晰易懂的脚本，使研究人员能够快速适应自己的需求。除了ray tune 用于分布式计算和简化的超参数调优，CleanQRL使用weights&biases 记录重要指标，这有助于与其他经典和量子实现进行基准测试。CleanQRL库使研究人员能够轻松从理论考虑过渡到实际应用。
引用
@article{arxiv.2507.07593,
title = {CleanQRL: Lightweight Single-file Implementations of Quantum Reinforcement Learning Algorithms},
author = {Georg Kruse and Rodrigo Coelho and Andreas Rosskopf and Robert Wille and Jeanette Miriam Lorenz},
journal= {arXiv preprint arXiv:2507.07593},
year = {2025}
}
备注
6 pages