量子科技中心_量科网

该团队提出了Q-Policy，这是一种混合量子-经典强化学习（RL）框架，通过利用量子计算原语，在数学上加速了策略评估和优化。Q-Policy将价值函数编码在量子叠加态中，通过振幅编码和量子并行性实现多个状态-动作对的同步评估。研究团队引入了一种量子增强的策略迭代算法，在标准假设下，证明了评估步骤的样本复杂度具有可证明的多项式减少。为了验证该方法的可行性和理论正确性，研究人员在小型离散控制任务的经典模拟上对Q-Policy进行了验证。由于当前硬件和模拟的限制，实验主要展示了概念验证行为，而非大规模实证评估。研究结果表明，Q-Policy有潜力作为未来量子设备上可扩展RL的理论基础，解决超越经典方法的RL可扩展性挑战。