傳統的強化學習（RL）使用回報（也稱為累積隨機獎勵的期望值）來訓練代理學習最佳策略。 但是，最近的研究表明，學習學習收益的分布要比學習其預期價值具有不同的優勢，如在不同的RL任務中所見。 從使用傳統RL的收益期望到分配RL收益分配的轉變，為RL的動力學提供了新見解。 本文基于我們最近的研究RL量子方法的工作。 我們的工作使用量子神經網絡實現了分位數回歸（QR）分布Q學習。 該量子網絡在具有不同分位數的網格世界環境中進行了評估，說明了其對算法學習的詳細影響。 還將其與馬爾可夫決策過程（MDP）鏈中的標準量子Q學習進行了比較，這表明量子QR分布Q學習比標準量子Q學習可以更有效地探索環境。 RL中的