基于模型的离线量子强化学习
量子物理
2025-02-06 v1 人工智能
机器学习
摘要
本文提出了首个基于模型的离线量子强化学习算法，并在 cart-pole 基准上展示了其功能。待优化的模型和策略均被实现为变分量子线路。模型通过梯度下降进行训练以拟合预记录的数据集。策略使用无梯度优化方案进行优化，将模型给出的回报估计作为适应度函数。这种基于模型的方法原则上允许在优化阶段于量子计算机上完全实现，并让人抱有希望：一旦拥有足够强大的量子计算机，就能实现量子优势。
引用
@article{arxiv.2404.10017,
title = {Model-based Offline Quantum Reinforcement Learning},
author = {Simon Eisenmann and Daniel Hein and Steffen Udluft and Thomas A. Runkler},
journal= {arXiv preprint arXiv:2404.10017},
year = {2025}
}