如何教 AI 玩贝尔非定域博弈：强化学习
量子物理
2019-12-24 v1
摘要
受近期强化学习在围棋和 Dota2 等游戏中的成功所推动，我们将贝尔非定域博弈表述为一个强化学习问题。这样一种表述有助于我们在一系列场景中探索贝尔非定域性。测量设置与量子态在初始阶段由学习器随机选取。但最终，它开始理解底层模式，并发现对应于手头任务的最优（或近最优）量子构型。我们提供了一种用于学习违反各种贝尔不等式的量子构型的概念验证方法。该算法也适用于凸方法失效的非凸优化问题，从而为探索对应于大型量子网络的贝尔不等式的最优量子构型提供了可能。我们还实现了一个结合强化学习的混合量子-经典变分算法。
引用
@article{arxiv.1912.10783,
title = {How to Teach AI to Play Bell Non-Local Games: Reinforcement Learning},
author = {Kishor Bharti and Tobias Haug and Vlatko Vedral and Leong-Chuan Kwek},
journal= {arXiv preprint arXiv:1912.10783},
year = {2019}
}
备注
8 pages, 4.5 main text, 3.5 supplementary material