Aprendizaje de Refuerzo Cuántico

Abstract

A través de la introducción a dos campos de estudio de actualidad, como lo son la computación cuántica y la inteligencia artificial, se pretende hacer una descripción de una de las disciplinas que pueden resultar de la combinación de las otras: el aprendizaje cuántico por refuerzo. La introducción hacia el formalismo de la computación cuántica parte de los principios de la mecánica cuántica para buscar su aplicación en el campo de la computación. A través de los qubits, surge toda una serie de posibilidades de puertas lógicas, métodos de resolución de tareas y propiedades que además de novedosas frente a la computación clásica, presentan serias mejoras respecto a ella en lo que a optimización se refiere. Cuando se introduce la inteligencia artificial, se presentan las distintas clasificaciones que se pueden llevar a cabo de ella así como las características que la definen y distinguen dentro de las ciencias de la computación. Se hace especial hincapié en el aprendizaje por refuerzo, del cual se describen sus principales propiedades detalladamente siguiendo un formalismo matemático. Por último, se ahonda en el campo del aprendizaje cuántico por refuerzo y en las ventajas que éste tiene para ofrecer. Se desarrolla extensamente el conocido algoritmo de Grover como resultado ejemplar de los significativos avances que pueden obtenerse a través de un método de aprendizaje cuántico.

Through an introduction to two timely fields of study, such as quantum computing and artificial intelligence, we aim to describe one of the disciplines that can result from the combination of the two: quantum reinforcement learning. The introduction to the formalism of Quantum Computing is based on the principles of Quantum Mechanics in order to search for its application in the field of computing. Through qubits, a whole series of possibilities of logic gates, task-solving methods and properties arise that, in addition to being novel compared to classical computing, present serious improvements in terms of optimization. When introducing Artificial Intelligence, the different classifications that can be carried out and the characteristics that define and distinguish it within the Computer Sciences are presented. Special emphasis is placed on Reinforcement Learning, of which its main properties are described in detail following a mathematical formalism. Finally, we delve into the field of quantum reinforcement learning and the advantages it has to offer. The well-known Grover’s algorithm is extensively developed as an exemplary result of the significant advances that can be achieved through a quantum learning method