概念QRL / Quantum Reinforcement Learning
量子强化学习
量子强化学习是结合量子计算与强化学习的跨学科研究领域，利用量子比特叠加态和纠缠特性处理高维状态空间，探索在样本效率、策略优化等方面相对经典方法的潜在优势
时间轴 (近 90 天)
9月11日
量子比特的叠加态和纠缠特性理论上能够以指数级压缩的方式表示状态空间，从而在某些RL任务中实现指数级加速
待验证50%
9月11日
变分量子电路（VQC）可作为函数逼近器，用参数化量子电路替代深度神经网络充当Q函数或策略网络的近似器，是目前最主流的量子强化学习方向
待验证50%
9月11日
绝大多数硕士阶段的量子强化学习研究是在经典计算机模拟量子电路上完成的，而模拟量子系统的计算成本会随着量子比特数增加而指数级上升
待验证50%
9月11日
在很多任务上量子方法暂时还打不过经典深度学习，试图证明量子优越性是极其困难的
待验证50%
9月11日
对硕士论文而言明智的定位是不追求突破性的量子优越性，而是做扎实的探索性研究
待验证50%