热耗散下的量子强化学习
量子物理
2023-08-08 v2 统计力学
摘要
我们研究了热耗散对量子强化学习的影响。为此，将一种非耗散的量子强化学习协议改造为适用于存在热耗散的情形。通过解析计算与数值仿真获得证据表明，在足够低的温度下，耗散不会显著劣化量子强化学习协议的性能，在某些情况下甚至有益。在热耗散的现实实验条件下的量子强化学习，为实现能够与变化环境交互并适应之的量子智能体开辟了道路，在量子技术与机器学习中具有许多 plausible 的应用。
引用
@article{arxiv.2208.06450,
title = {Quantum reinforcement learning in the presence of thermal dissipation},
author = {M. L. Olivera-Atencio and L. Lamata and M. Morillo and J. Casado-Pascual},
journal= {arXiv preprint arXiv:2208.06450},
year = {2023}
}
备注
8 pages, 6 figures