量子强化学习：最新进展与未来方向
量子物理
2025-10-17 v1
摘要
随着量子机器学习的不断发展，强化学习作为一个尤为有前景却被鲜有探索的前沿。本文为该领域的最新进展进行调查，以评估其在各类应用中的潜力。尽管 QRL 通常在其他量子机器学习方法中受到较少关注，但近期研究揭示了其独特优势及其在量子与经典领域的横向适用性。我们呈现 QRL 框架的全面分析，包括算法、架构和支持 SDK，以及在多领域的应用。此外，我们讨论了 QRL 所能展现的挑战与机遇，凸显可能推动量子灵感型强化学习创新并在各种跨学科语境中推动其采纳的有前景用例。
引用
@article{arxiv.2510.14595,
title = {Quantum Reinforcement Learning: Recent Advances and Future Directions},
author = {Jawaher Kaldari and Shehbaz Tariq and Saif Al-Kuwari and Samuel Yen-Chi Chen and Symeon Chatzinotas and Hyundong Shin},
journal= {arXiv preprint arXiv:2510.14595},
year = {2025}
}