多臂量子老虎机：学习量子态性质时的探索与利用
量子物理
2022-06-29 v3
摘要
我们开创了关于在线学习量子态性质中探索与利用权衡的研究。给定对未知量子态的序贯预言机访问，在每一轮中，我们的任务是从一组动作中选择一个可观测量，以最大化其在态上的期望值（奖励）。从先前轮次获得的关于未知态的信息可用于逐步改进动作选择，从而缩小奖励与给定动作集可达到的最大奖励之间的差距（遗憾值）。我们提供了最优学习器必须承受的累积遗憾的各种信息论下界，并证明其至少随已进行轮数次平方根 scaling。我们还研究了累积遗憾对可用动作数量和底层空间维度的依赖关系。此外，我们展示了在具有有限数量臂和一般混合态的老虎机中最优的策略。
引用
@article{arxiv.2108.13050,
title = {Multi-armed quantum bandits: Exploration versus exploitation when learning properties of quantum states},
author = {Josep Lumbreras and Erkka Haapasalo and Marco Tomamichel},
journal= {arXiv preprint arXiv:2108.13050},
year = {2022}
}
备注
36 pages, 3 figures