Quantum Reinforcement Learning per ambienti robotici OpenAIGym
Thursday, May 28
16:15 - 16:45
Apprenderemo come addestrare un ambiente OpenAIGym coniugando Quantum Computing e Reinforcement Learning. In questo talk vedremo come inserire un circuito quantistico in una policy RL usando PennyLane e PyTorch attraverso una demo.
Il talk introduce i concetti chiave della Quantum Computing e del Reinforcement Learning evidenziando il perché un utilizzo ibrido rappresenta una sfida interessante per il controllo robotico intelligente. Partiremo con l’addestramento dall’HelloWorld di OpenAIGym, il CartPole, mediante RL per poi esplorare come i circuti quantistici parametrizzati possano essere integrati nelle policy RL, aprendo la strada al Quantum Reinforcement Learning (QRL). Verranno discussi:
- Principi base dei robot sottoattuati come il CartPole, Quantum Computing e Reinforcement Learning
- RL classico su CartPole (es. PPO, SAC)
- Approccio ibrido con architettura QRL con PennyLane e PyTorch
- Opportunità e sfide Il talk è pensato per sviluppatori Python incuriositi dalla fisica quantistica e AI applicata alla robotica.
Ornella Fanais
Mi sono laureata in Ingegneria Meccanica con una tesi sul Reinforcement Learning applicato al controllo di robot sottoattuati e attualmente lavoro come Software Engineer in Avanade dove mi occupo di automazione di processi. Amo viaggiare, leggere libri e fumetti e passare il tempo con i miei compagnə felini Arya, Kurama, Olivia e Nymeria.