用于强化学习的光子架构
量子物理
2023-01-27 v1 机器学习
摘要
过去十年中，人工智能与光子技术均经历了前所未有的增长，二者都在推动现代计算设备的极限。顺应这些最新发展，本工作将两领域的前沿成果在强化学习框架内结合起来。我们给出了一种主动学习机器的光子实现蓝图，其融合了SARSA、Q-learning和投影模拟等当代算法。我们在典型强化学习环境中数值考察了其性能，表明实验噪声的实际水平可被容忍，甚至有益于学习过程。值得注意的是，该架构本身实现了抽象与泛化机制，这两个特征常被视为人工智能的关键要素。所提出的架构基于可调分束器网格上的单光子演化，简单、可扩展，且首次集成到便携式系统中似乎已处于近期技术可及范围。
引用
@article{arxiv.1907.07503,
title = {Photonic architecture for reinforcement learning},
author = {Fulvio Flamini and Arne Hamann and Sofiène Jerbi and Lea M. Trenkwalder and Hendrik Poulsen Nautrup and Hans J. Briegel},
journal= {arXiv preprint arXiv:1907.07503},
year = {2023}
}
备注
14 pages, 8 figures