• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Computational Science >Multi-agent Reinforcement Learning Using Simulated Quantum Annealing
【24h】

Multi-agent Reinforcement Learning Using Simulated Quantum Annealing

机译：使用模拟量子退火的多主体强化学习

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With quantum computers still under heavy development, already numerous quantum machine learning algorithms have been proposed for both gate-based quantum computers and quantum annealers. Recently, a quantum annealing version of a reinforcement learning algorithm for grid-traversal using one agent was published. We extend this work based on quantum Boltzmann machines, by allowing for any number of agents. We show that the use of quantum annealing can improve the learning compared to classical methods. We do this both by means of actual quantum hardware and by simulated quantum annealing.
机译：随着量子计算机仍在大力发展中，已经针对基于门的量子计算机和量子退火器提出了许多量子机器学习算法。最近，发布了一种使用一种代理进行网格遍历的强化学习算法的量子退火版本。通过允许任何数量的代理，我们基于量子玻尔兹曼机扩展了这项工作。我们证明，与经典方法相比，使用量子退火可以改善学习。我们通过实际的量子硬件和模拟的量子退火来做到这一点。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号