인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
The growing demand for efficient and lightweight control systems has highlighted the limitations of conventional deep reinforcement learning (RL) in resource-constrained environments. Although RL algorithms exhibit strong adaptability to nonlinear and uncertain dynamics, their reliance on large- scale neural networks leads to excessive computational load and memory requirements, making them unsuitable for real-time control applications. To address these challenges, this study proposes a quantum reinforcement learning (QRL)-based control framework in the OpenAI Gym Cart Pole environment. By employing a quantum neural network (QNN), the proposed QRL controller significantly reduces the number of training parameters while maintaining robust control performance. Quantum properties such as superposition and entanglement enable compact representation of the state–action space, thereby enhancing computational efficiency. Compared with classical RL controllers, the QRL-based controller achieves similar stability using only a fraction of the parameters, effectively demonstrating the feasibility of lightweight control model design. These results suggest that QRL offers a promising direction for developing next-generation control architectures that combine adaptive intelligence with computational minimalism.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095557336
