Buchumschlag

Multi-Agent Reinforcement Learning for Inverse Design in Photonic Integrated Circuits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mahlau, Yannik, Schier, Maximilian, Reinders, Christoph, Schubert, Frederik, Bügling, Marco, Rosenhahn, Bodo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mastering Zero-Shot Interactions in Cooperative and Competitive Simultaneous Games
von: Mahlau, Yannik, et al.
Veröffentlicht: (2024)

Quantized Inverse Design for Photonic Integrated Circuits
von: Schubert, Frederik, et al.
Veröffentlicht: (2024)

Gradient-Informed Bayesian and Interior Point Optimization for Efficient Inverse Design in Nanophotonics
von: Mahlau, Yannik, et al.
Veröffentlicht: (2026)

Neural Random Forest Imitation
von: Reinders, Christoph, et al.
Veröffentlicht: (2019)

HydraMix: Multi-Image Feature Mixing for Small Data Image Classification
von: Reinders, Christoph, et al.
Veröffentlicht: (2025)

AutoML for Multi-Class Anomaly Compensation of Sensor Drift
von: Schaller, Melanie, et al.
Veröffentlicht: (2025)

Interpretable Decision-Making for End-to-End Autonomous Driving
von: Mirzaie, Mona, et al.
Veröffentlicht: (2025)

Numerical field optimization for enhanced efficiency in time-reversible gradient computation of open-source GPU-accelerated FDTD simulations
von: Mahlau, Yannik, et al.
Veröffentlicht: (2026)

Naga: Vedic Encoding for Deep State Space Models
von: Schaller, Melanie, et al.
Veröffentlicht: (2025)

Probabilistic Performance Guarantees for Multi-Task Reinforcement Learning
von: Schnitzer, Yannik, et al.
Veröffentlicht: (2026)

Inverse Design in Distributed Circuits Using Single-Step Reinforcement Learning
von: Li, Jiayu, et al.
Veröffentlicht: (2025)

From Gameplay Traces to Game Mechanics: Causal Induction with Large Language Models
von: Jiwatode, Mohit, et al.
Veröffentlicht: (2026)

Environment Design for Inverse Reinforcement Learning
von: Buening, Thomas Kleine, et al.
Veröffentlicht: (2022)

Reinforcement learning for ion shuttling on trapped-ion quantum computers
von: Schier, Maximilian, et al.
Veröffentlicht: (2026)

Inverse Reinforcement Learning from Non-Stationary Learning Agents
von: Sivakumar, Kavinayan P., et al.
Veröffentlicht: (2024)

Partial Identifiability in Inverse Reinforcement Learning For Agents With Non-Exponential Discounting
von: Skalse, Joar, et al.
Veröffentlicht: (2024)

Spatial-Aware Deep Reinforcement Learning for the Traveling Officer Problem
von: Strauß, Niklas, et al.
Veröffentlicht: (2024)

Neural Guided Sampling for Quantum Circuit Optimization
von: Rosenhahn, Bodo, et al.
Veröffentlicht: (2025)

Hybrid Inverse Reinforcement Learning
von: Ren, Juntao, et al.
Veröffentlicht: (2024)

Semantically Labelled Automata for Multi-Task Reinforcement Learning with LTL Instructions
von: Abate, Alessandro, et al.
Veröffentlicht: (2026)

Cell Tracking according to Biological Needs -- Strong Mitosis-aware Multi-Hypothesis Tracker with Aleatoric Uncertainty
von: Kaiser, Timo, et al.
Veröffentlicht: (2024)

Multi-Agent Inverse Reinforcement Learning in Real World Unstructured Pedestrian Crowds
von: Chandra, Rohan, et al.
Veröffentlicht: (2024)

Fast Rates for Inverse Reinforcement Learning
von: Schlaginhaufen, Andreas, et al.
Veröffentlicht: (2026)

On the Effective Horizon of Inverse Reinforcement Learning
von: Xu, Yiqing, et al.
Veröffentlicht: (2023)

Recursive Deep Inverse Reinforcement Learning
von: Ghanem, Paul, et al.
Veröffentlicht: (2025)

Inverse Reinforcement Learning With Constraint Recovery
von: Das, Nirjhar, et al.
Veröffentlicht: (2023)

Communication Methods in Multi-Agent Reinforcement Learning
von: Wittner, Christoph
Veröffentlicht: (2026)

GenCircuit-RL: Reinforcement Learning from Hierarchical Verification for Genetic Circuit Design
von: Flynn, Noah
Veröffentlicht: (2026)

Quantum Normalizing Flows for Anomaly Detection
von: Rosenhahn, Bodo, et al.
Veröffentlicht: (2024)

Partial Identifiability and Misspecification in Inverse Reinforcement Learning
von: Skalse, Joar, et al.
Veröffentlicht: (2024)

Is Optimal Transport Necessary for Inverse Reinforcement Learning?
von: Dong, Zixuan, et al.
Veröffentlicht: (2025)

Inverse Reinforcement Learning with Sub-optimal Experts
von: Poiani, Riccardo, et al.
Veröffentlicht: (2024)

Kernel Density Bayesian Inverse Reinforcement Learning
von: Mandyam, Aishwarya, et al.
Veröffentlicht: (2023)

Inverse Reinforcement Learning by Estimating Expertise of Demonstrators
von: Beliaev, Mark, et al.
Veröffentlicht: (2024)

Towards Interpretable Deep Reinforcement Learning Models via Inverse Reinforcement Learning
von: Xie, Sean, et al.
Veröffentlicht: (2022)

Meta-Learning and Meta-Reinforcement Learning -- Tracing the Path towards DeepMind's Adaptive Agent
von: Hoppmann, Björn, et al.
Veröffentlicht: (2026)

Optimizing Variational Quantum Circuits Using Metaheuristic Strategies in Reinforcement Learning
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

Retrieval-Guided Reinforcement Learning for Boolean Circuit Minimization
von: Chowdhury, Animesh Basak, et al.
Veröffentlicht: (2024)

Efficient Solution and Learning of Robust Factored MDPs
von: Schnitzer, Yannik, et al.
Veröffentlicht: (2025)

Towards Principled Unsupervised Multi-Agent Reinforcement Learning
von: Zamboni, Riccardo, et al.
Veröffentlicht: (2025)