量子强化学习算法优化5G基站能耗

Muhammad Usman 等作者发表论文，提出一种量子强化学习（QRL）算法，通过参数化量子电路利用叠加与纠缠原理，为 5G 及未来网络优化基站能耗。作者称其收敛速度显著快于依赖深度神经网络的 DRL。 仿真显示，即使用户设备高度动态、频繁切换基站天线关联，QRL 仍能在维持服务质量（QoS）的同时大幅降低能耗，并在收敛速度和学习复杂度上持续优于 DRL 与 Q-Learning。论文指出，基站通常占无线接入网总能耗的 60-70%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。