论文研究 - IBM 5Q Quantum计算机上AI代理决策的实证分析

最近的工作表明，使用离子阱量子处理器可以加快增强学习剂的决策速度。 当外部环境变化时，可以观察到它的量子优势，然后代理需要重新学习。 在这项研究中发现的这种量子硬件系统的一个特征是，它倾向于高估用于确定代理将采取的行动的值。 IBM的五量子位超导量子处理器是一种流行的量子平台。 我们研究的目的是双重的。 首先，与离子阱处理器相比，我们想确定运行此学习代理时IBM 5Q量子计算机的硬件特征。 其次，通过仔细的分析，我们发现可以简化离子阱处理器中用于该试剂的量子电路。 此外，当在IBM的5Q量子处理器上进行测试时，我们的简化电路在先前工作中研究的一项艰苦学习任务中证明了其比原始电路更高的性能。 当需要一个良好的基准来比较性能时，我们也会使用IBM的量子模拟器。 随着越来越多的量子硬件设备移出实验室并普遍可供公众使用，我们的工作强调了这样一个事实，即量子硬件的功能和约束可能会损害量子算法的性能。