Reinforcement Learning with Hybrid Quantum Approximation in the NISQ Context - Leonhard Kunczik

Blick ins Buch

Reinforcement Learning with Hybrid Quantum Approximation in the NISQ Context (eBook)

Leonhard Kunczik (Autor)

eBook Download: PDF

2022 | 1st ed. 2022
XVIII, 134 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-37616-1 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

This book explores the combination of Reinforcement Learning and Quantum Computing in the light of complex attacker-defender scenarios. Reinforcement Learning has proven its capabilities in different challenging optimization problems and is now an established method in Operations Research. However, complex attacker-defender scenarios have several characteristics that challenge Reinforcement Learning algorithms, requiring enormous computational power to obtain the optimal solution.

The upcoming field of Quantum Computing is a promising path for solving computationally complex problems. Therefore, this work explores a hybrid quantum approach to policy gradient methods in Reinforcement Learning. It proposes a novel quantum REINFORCE algorithm that enhances its classical counterpart by Quantum Variational Circuits. The new algorithm is compared to classical algorithms regarding the convergence speed and memory usage on several attacker-defender scenarios with increasing complexity. In addition, to study its applicability on today's NISQ hardware, the algorithm is evaluated on IBM's quantum computers, which is accompanied by an in-depth analysis of the advantages of Quantum Reinforcement Learning.

About the author

Leonhard Kunczik obtained his Dr. rer. nat. in 2021 in Quantum Reinforcement Learning from the Universität der Bundeswehr München as a member of the COMTESSA research group. Now, he continues his research as a project leader at the forefront of Quantum Machine Learning and Optimization in the context of Operations Research and Cyber Security.

Erscheint lt. Verlag	31.5.2022
Zusatzinfo	XVIII, 134 p. 38 illus.
Sprache	englisch
Themenwelt	Informatik ► Netzwerke ► Sicherheit / Firewall
Schlagworte	Attacker-Defender Scenarios • Quanten Computing • Quantum machine learning • Quantum Reinforcement Learning • Reinforcement Learning
ISBN-10	3-658-37616-3 / 3658376163
ISBN-13	978-3-658-37616-1 / 9783658376161

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 3,2 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

90,94 €