09:22
官方账号arXiv cs.AI@Jiayang Niu, Yan Wang, Jie Li, Ke Deng, Azadeh Alavi, Muhammad Usman, Yongli Ren
推荐理由：DreamQAS用强化学习省真实VQE调用，BeH2少10.6倍，五任务里四个误差最低，做量子计算可看看。
VQE
共 1 条相关 AI 资讯
8月3日
09:22
DreamQAS提出一个基于模型的强化学习框架，保留电路构建的确定性动态，只学习昂贵的VQE后反馈。在15000集预算和冻结评估下，它在五个分子任务中的四个取得最低平均冻结策略能量误差，另一个排第二。在两种方法所有种子都能达到的精细误差目标上，它用1.6倍到2.0倍更少的真实VQE调用完成四个任务，在BeH2-8q上少用10.6倍。反事实动作排序效用五个任务平均提高0.346，95%置信区间为[0.185, 0.507]。