近日，日本情报通信研究机构(NICT)研究人员通过引入混沌振荡超快时间序列的时分复用，证明了一种可扩展的、流水线化的解决多臂赌博机（Multi-armed Bandit）的原理。并给出了多达64臂赌博问题的实验证明。该研究成果以" Scalable photonic reinforcement learning by time-division multiplexing of laser chaos "为题发表在7月18号出版的《Scientific Reports》上。

强化学习涉及动态和不确定环境下的决策，是人工智能的重要组成部分。以前的工作中，实验证明了激光的超快混沌振荡动力学可以有效地解决双臂赌博机（Two-armed Bandit）问题，这就需要对一种叫做探索-利用困境（Exploration-exploitation Dilemma）的困难权衡做出决策。然而，在这项研究中只使用了两种选择，因此，应该澄清激光混沌强化学习的可扩展性。在本研究中，作者通过引入混沌振荡超快时间序列的时分复用，证明了一种可扩展的、流水线化的解决多臂赌博机的原理。并给出了激光混沌时间序列明显优于准周期信号、计算机生成的伪随机数和有色噪声的多达64臂赌博问题的实验证明。详细分析了在不同物理条件下产生的激光混沌信号的性能比较，这与时间序列固有扩散性是一致的。本研究利用光波的超高带宽和实用的辅助技术，为超快强化学习铺平了道路。

基于激光混沌的可扩展强化学习体系结构

原文链接

本文受译者委托，享有该文的专有出版权，其他出版单位或网站如需转载，请与本站联系，联系email：mail#opticsjournal.net (为防止垃圾邮件，请将#换为@)。否则，本站将保留进一步采取法律手段的权利。