QLearning
Projektlaufzeit: 01. September 2022 - 31. August 2026
Unser Ziel ist es die Eignung von Quantenprozessoren für die Implementierung von Quantenalgorithmen für das bestärkende Lernen zu untersuchen.
Sowohl maschinelle Lernalgorithmen als auch Quantencomputing sind dabei, die Informationsverarbeitung zu revolutionieren. Während sogenanntes „überwachtes Lernen“ und „unüberwachtes Lernen“ meist darauf abzielen, Strukturen in großen Datenmengen zu finden, geht es beim „bestärkenden Lernen“ eher darum, eine konstruktive Lösung zu einem gegebenen Problem zu finden. Allerdings ist die Problemlösung mittels bestärkenden Lernens meist recht zeitaufwendig.
Quantenalgorithmen beschleunigen diesen Lernprozess – das Funktionsprinzip hierzu haben wir in aktuellen Veröffentlichungen theoretisch und experimentell gezeigt. Jedoch müssen noch viele Herausforderungen gemeistert werden, bis beschleunigtes Lernen mit Quantenalgorithmen zur Lösung von realen Problemen, wie zum Beispiel aus dem Bereich Navigation, realisiert werden können.
Die Herausforderung dabei ist für bestärkendes Lernen mit Quantenalgorithmen benötigen wir fehlerarme Quantenprozessoren und gute Quantenalgorithmen. Die verfügbare Quantenprozessoren sind jedoch noch stark limitiert in der Anzahl der Quantengatter, welche hintereinander ausgeführt werden können, bis die resultierenden Fehler überhandnehmen. Um realen Anwendungen einen Schritt näher zu kommen, sind daher optimale Implementierungsstrategien für Quantenalgorithmen nötig.
Außerdem sind viele Fragen zur Anwendung von Quantenalgorithmen für das bestärkende Lernen noch offen: Quantenalgorithmen unterliegen Restriktionen wie zum Beispiel dem Welle-Teilchen-Dualismus und dem No-Cloning-Theorem. Diese Restriktionen müssen wir bei der Entwicklung von problemspezifischen Quantenalgorithmen für das bestärkende Lernen berücksichtigen. Durch die DLR Quantencomputing-Initiative habe wir die einzigartige Möglichkeit für die Entwicklung von quantenunterstütztem bestärkendem Lernen im Hardware-Software-Codesign.