文献

J-GLOBAL ID：201802248610007787   整理番号：18A0807675

離散状態空間を持つ有限エピソードゲームのための量子強化学習【JST・京大機械翻訳】

Quantum-Enhanced Reinforcement Learning for Finite-Episode Games with Discrete State Spaces

著者 (4件)： Neukart Florian (Volkswagen Group of America) ,  Von Dollen David (Volkswagen Group of America) ,  Seidel Christian (Volkswagen Data:Lab) ,  Compostella Gabriele (Volkswagen Data:Lab)
資料名： Frontiers in Physics (Web)  (Frontiers in Physics (Web))
巻： 5  ページ： 71  発行年： 2017年 
JST資料番号： U7092A  ISSN： 2296-424X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 量子アニーリングアルゴリズムはメタ発見的ツールのクラスに属し,二値最適化問題を解くのに適用できる。d波システム[1]により生成された量子アニーリング機械のような量子アニーリングのハードウェア実装は,最適化とサンプリングタスクに対する技術の有用性を特性化する目的で,研究における複数の解析を受けている。ここでは,d波2000Q量子処理ユニット(QPU)上の離散状態空間を持つ有限層ゲームに対する政策を与えた改良状態値関数を近似するためのnサブ最適状態値関数を埋め込む方法と同様に,ランダム観測に関する最適ポリシーを見出すためのモンテカルロ政策反復法を部分的に埋め込む方法を示した。両方の問題が二次非制約二値最適化(QUBO)問題としてどのように表現できるかを説明し,量子強化モンテカルロ政策評価により,純粋に古典的なモンテカルロアルゴリズムと比較して,同じ数のエピソードを持つ与えられた政策に対する等価またはより良い状態値関数の発見が可能になることを示した。さらに,量子古典的ポリシー学習アルゴリズムを記述した。著者らの最初の目的は,QPUの助けを借りて,これらの問題の部分を表現し,解決する方法を説明することであり,あらゆる既存の古典的な政策評価アルゴリズムの上での優位性を証明することではない。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  最適化 ,  モンテカルロ法 ,  アルゴリズム ,  *強化学習 ,  最適化問題 ,  処理装置 ,  *ゲーム ,  キャラクタリゼーション
準シソーラス用語： *エピソード ,  政策評価 ,  政策反復 ,  ハードウェア実装 ,  量子アニーリング ,  *状態空間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 量子アニーリング ,  量子計算 ,  強化学習 ,  量子増強アルゴリズム ,  量子古典

分類 (2件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (5件)： 状態空間 ,  エピソード ,  ゲーム ,  量子 ,  強化学習