基于量子处理器的自由能强化学习
机器学习
2017-06-02 v1 人工智能
神经与进化计算
最优化与控制
量子物理
摘要
近期理论与实验结果表明，当前及近期的量子硬件有可能用于具有挑战性的采样任务。本文引入基于自由能的强化学习（FERL）作为量子硬件的一种应用。我们提出了一种处理量子退火器测量的量子比特自旋构型以近似量子玻尔兹曼机（QBM）自由能的方法。随后，我们应用该方法，使用D-Wave 2000Q量子退火器在网格世界问题上执行强化学习。实验结果表明，我们的技术是在强化学习任务中利用量子采样能力的一种有前景的方法。
引用
@article{arxiv.1706.00074,
title = {Free energy-based reinforcement learning using a quantum processor},
author = {Anna Levit and Daniel Crawford and Navid Ghadermarzy and Jaspreet S. Oberoi and Ehsan Zahedinejad and Pooya Ronagh},
journal= {arXiv preprint arXiv:1706.00074},
year = {2017}
}