W tym projekcie proponuje się nowatorką metodę korekcji błędów opartą na głębokim uczeniu ze wzmocnieniem. Błędy w wyżarzaczach kwantowych objawiają się jako suboptymalne rozwiązanie danego problemu optymalizacyjnego. Niemniej, nawet błędna odpowiedź jest stosunkowo „bliska” poprawnej. Główną ideą tego projektu jest przedstawienie procesu korekcji błędów jako gry jednoosobowej, w której gracz próbuje „ulepszyć” dane rozwiązanie. W ten sposób zadanie korekcji błędów może być sformułowane jako problem uczenia ze wzmocnieniem, gdzie gracz uczy się metodą prób i błędów identyfikować i poprawiać błędne części rozwiązania. Z uwagi na olbrzymi sukces AlphaZero i pochodnych algorytmów (np. AlphaDev), planuje się oprzeć opisaną metodę na tym algorytmie. Proponowana gra jest grą kombinatoryczną (w sensie teorii gier), dla której AlphaZero jest bardzo dobrze przystosowany. Planuje się też wykorzystać grafową strukturę kwantowego procesora poprzez wykorzystanie grafowych sieci neuronowych.
Korekcja błędów z wykorzystaniem sztucznej inteligencji dla wyżarzaczy kwantowych
Historia zmian
W tym projekcie proponuje się nowatorką metodę korekcji błędów opartą na głębokim uczeniu ze wzmocnieniem. Błędy w wyżarzaczach kwantowych objawiają się jako suboptymalne rozwiązanie danego problemu optymalizacyjnego. Niemniej, nawet błędna odpowiedź jest stosunkowo „bliska” poprawnej. Główną ideą tego projektu jest przedstawienie procesu korekcji błędów jako gry jednoosobowej, w której gracz próbuje „ulepszyć” dane rozwiązanie. W ten sposób zadanie korekcji błędów może być sformułowane jako problem uczenia ze wzmocnieniem, gdzie gracz uczy się metodą prób i błędów identyfikować i poprawiać błędne części rozwiązania. Z uwagi na olbrzymi sukces AlphaZero i pochodnych algorytmów (np. AlphaDev), planuje się oprzeć opisaną metodę na tym algorytmie. Proponowana gra jest grą kombinatoryczną (w sensie teorii gier), dla której AlphaZero jest bardzo dobrze przystosowany. Planuje się też wykorzystać grafową strukturę kwantowego procesora poprzez wykorzystanie grafowych sieci neuronowych.