量子強化学習の動向：最新技術と今後の道

要旨 本論文では、基本的な量子強化学習理論とそのさまざまな工学問題への応用を紹介します。量子コンピューティングと深層学習技術の進展に伴い、量子深層学習および量子機械学習に焦点を当てた研究が多数行われています。本論文では、量子ニューラルネットワーク（QNN）に基づく強化学習（RL）モデルについて議論し、紹介します。さらに、高速なトレーニング、高いスケーラビリティ、効率的な学習パラメータ利用といったQNNベースのRLアルゴリズムおよびモデルの利点が、さまざまな研究結果とともに示されます。加えて、QNNベースのRLモデルの一つの有名なマルチエージェント拡張である量子集中クリティックと複数のアクターネットワークについても議論し、マルチエージェントの協力と調整への応用を紹介します。最後に、連合学習、分割学習、自律制御、量子深層学習ソフトウェアテストに関する応用と今後の研究方向が紹介され、議論されます。