Tic Tac Toe Goes Quantum: Exploring Hybrid Reinforcement Learning On NISQ Devices

Zapf, Annette und Henseler, Eva und Wölk, Sabine Esther (2023) Tic Tac Toe Goes Quantum: Exploring Hybrid Reinforcement Learning On NISQ Devices. Symposium "Applications of Quantum Computing", 2023-07-10 - 2023-07-11, München, Deutschland.

PDF
2MB

elib-URL des Eintrags:

https://elib.dlr.de/202510/

Dokumentart:

Konferenzbeitrag (Poster)

Titel:

Tic Tac Toe Goes Quantum: Exploring Hybrid Reinforcement Learning On NISQ Devices

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Zapf, Annette	annette.mueller (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Henseler, Eva	Universität Ulm	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Wölk, Sabine Esther	Sabine.Woelk (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

Juli 2023

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Quantum Reinforcement Learning, NISQ, Hybrid Agent, Quantum Computing

Veranstaltungstitel:

Symposium "Applications of Quantum Computing"

Veranstaltungsort:

München, Deutschland

Veranstaltungsart:

Andere

Veranstaltungsbeginn:

10 Juli 2023

Veranstaltungsende:

11 Juli 2023

HGF - Forschungsbereich:

keine Zuordnung

HGF - Programm:

keine Zuordnung

HGF - Programmthema:

keine Zuordnung

DLR - Schwerpunkt:

Quantencomputing-Initiative

DLR - Forschungsgebiet:

QC SW - Software

DLR - Teilgebiet (Projekt, Vorhaben):

QC - Qlearning

Standort:

Ulm

Institute & Einrichtungen:

Institut für Quantentechnologien
Institut für Quantentechnologien > Quanteninformation und -Kommunikation
Institut für Quantentechnologien > Theoretische Quantenphysik

Hinterlegt von:

Zapf, Annette

Hinterlegt am:

30 Jan 2024 20:55

Letzte Änderung:

27 Mai 2024 15:15

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags