受量子启发的强化学习用于安全且可持续的AIoT驱动供应链系统
机器学习
2026-02-02 v1 量子物理
摘要
现代供应链必须在高速物流、环境影响和安全约束之间取得平衡，这激发了人们对用于全球商业的AI赋能物联网(AIoT)解决方案的兴趣。然而，传统的供应链优化模型常常忽视关键的可持续性目标和网络漏洞，使系统易受生态危害和恶意攻击。为了同时应对这些挑战，本文整合了一个受量子启发的强化学习框架，该框架统一了碳足迹减少、库存管理和类似密码学的安全措施。我们设计了一个受量子启发的强化学习框架，该框架将可控的自旋链类比与实时AIoT信号相结合，并优化了一个统一了保真度、安全性和碳成本的多目标奖励。该方法通过基于价值和集成的更新学习鲁棒策略，并辅以窗口归一化的奖励组件以确保适当的缩放。在仿真中，该方法表现出平滑的收敛、强大的后期性能以及在代表性噪声信道下的优雅降级，优于标准的学习和基于模型的参考方法，突显了其对实时可持续性和风险需求的鲁棒处理能力。这些发现强化了受量子启发的AIoT框架在推动大规模安全、生态意识供应链运营方面的潜力，为负责任地满足消费者和环境需求的全球互联基础设施奠定了基础。
引用
@article{arxiv.2601.22339,
title = {Quantum-Inspired Reinforcement Learning for Secure and Sustainable AIoT-Driven Supply Chain Systems},
author = {Muhammad Bilal Akram Dastagir and Omer Tariq and Shahid Mumtaz and Saif Al-Kuwari and Ahmed Farouk},
journal= {arXiv preprint arXiv:2601.22339},
year = {2026}
}