量子科技中心_量科网

强化学习（RL）为部分可观测环境中的决策问题提供了原则性框架，这类环境可建模为马尔可夫决策过程，并通过动态决策贝叶斯网络进行紧凑表示。最新研究表明，利用量子拒绝采样结合振幅放大技术可加速稀疏贝叶斯网络的推断，从而在估算接受概率时获得计算加速。 基于此，该研究团队提出“量子贝叶斯强化学习”（QBRL）——一种面向部分可观测环境的混合量子-经典前瞻算法，适用于基于模型的强化学习。在容错量子设备假设下，研究人员给出了无需黑箱预言机的严格时间复杂度分析。不同于标准处理方法假设黑箱预言机，该工作明确规定了推断流程，使得复杂度界限能更精确反映真实计算成本。研究证明，对于动态特性构成稀疏贝叶斯网络的环境，通过量子增强的信念更新可实现基于决策周期的近最优规划，且速度提升可达次二次方量级。此外，该团队通过数值实验将QBRL与经典算法在简单但具代表性的决策任务上进行对标，详细分析了量子计算优势转化为决策性能的具体机制，并揭示该优势程度会随部署场景不同而产生显著变化。