AlphaZeroを実装する

[acesulfamK]

概要

AlphaZero を実装するモデルを決定する

背景

AlphaSymbolの実装にはAlphaDevを実装したいところだが、AlphaDevの動くコードが見つからないので、AlphaZeroを実装することにする。

タスク

• [x] 実装元のコードを決定
  • 候補 https://docs.google.com/document/d/1ScqpAGRrk9S_bEoR1cIxR9frReLXPObu6Yvh6P5T8l4/edit
• [ ] 論文読んでアルゴリズム理解
  • https://arxiv.org/abs/1712.01815
• [x] 計算環境調べ
• [ ] 実際に開発
  • [ ] #5
• [ ] 評価

[acesulfamK]

結論

• 実装元はsuragnair
• 計算環境は調べたがわからん。ただ、強化学習は学習に時間がかかるらしい。