https://en.wikipedia.org/wiki/Leela_Chess_Zero#:~:text=Leela%20Chess%20Zero%20(abbreviated%20as,on%20Google's%20AlphaZero%20engine

.Leela Chess Zero (abgekürzt LCZero , lc0 ) ist eine kostenlose Open-Source -Schachengine und ein freiwilliges Computerprojekt, das auf Googles AlphaZero -Engine basiert. Es wurde von Gary Linscott , einem Entwickler der Stockfish-Schachengine , entwickelt und von der Leela Zero Go -Engine adaptiert . [ 1 ]

Wie Leela Zero und AlphaGo Zero verfügten auch die ersten Versionen von Leela Chess Zero zunächst über keinerlei schachspezifisches Wissen, sondern lediglich über die Grundregeln des Spiels. [ 1 ] Das Schachspiel wurde durch bestärkendes Lernen aus wiederholtem Selbstspiel erlernt, wobei ein verteiltes Computernetzwerk genutzt wurde, das auf der Leela Chess Zero-Website koordiniert wurde. Seit November 2024 werden die meisten von der Engine verwendeten Modelle jedoch durch überwachtes Lernen anhand von Daten trainiert, die in vorherigen bestärkenden Lernläufen generiert wurden. [ 2 ]

Bis Juni 2025 hat Leela Chess Zero über 2,5 Milliarden Spiele gegen sich selbst gespielt, also etwa 1 Million Spiele pro Tag, [ 3 ] und ist in der Lage, auf einem Niveau zu spielen, das mit Stockfish , dem führenden konventionellen Schachprogramm, vergleichbar ist . [ 4 ] [ 5 ]


Geschichte
Das Projekt Leela Chess Zero wurde erstmals am 9. Januar 2018 auf TalkChess.com als Open-Source-Schachengine mit selbstlernendem Charakter angekündigt, die den Erfolg von AlphaZero wiederholen soll . [ 1 ] [ 6 ] [ 7 ] Innerhalb der ersten paar Monate des Trainings hatte Leela Chess Zero bereits das Großmeisterniveau erreicht und die Stärke früherer Versionen von Rybka , Stockfish und Komodo übertroffen, obwohl es aufgrund der Größe des tiefen neuronalen Netzwerks, das es als Bewertungsfunktion verwendet, um Größenordnungen weniger Positionen bewertete .

Im Dezember 2018 veröffentlichte das AlphaZero -Team einen Artikel im Science -Magazin, der bisher unveröffentlichte Details zur Architektur und den Trainingsparametern von AlphaZero enthüllte. [ 8 ] Diese Änderungen wurden bald in Leela Chess Zero integriert und erhöhten sowohl dessen Stärke als auch seine Trainingseffizienz. [ 9 ]

Die Arbeit an Leela Chess Zero ist in das AobaZero-Projekt für Shogi eingeflossen . [ 10 ]

Die Engine wurde seit ihrer Einführung neu geschrieben und sorgfältig iteriert und läuft seit 2019 [ 11 ] auf mehreren Backends , sodass sie sowohl auf der CPU als auch auf der GPU ausgeführt werden kann. [ 12 ]

Die Engine kann für die Verwendung unterschiedlicher Gewichte konfiguriert werden [ 13 ] , einschließlich unterschiedlicher Architekturen . Derselbe Mechanismus austauschbarer Gewichte kann auch für alternative Schachregeln verwendet werden, beispielsweise für die 2019 entwickelte Variante des Fischer-Random-Schachs . [ 14 ]

Neuronales Netzwerk

Visualisierung des von Leela Chess Zero verwendeten Transformatormodells
Wie AlphaZero verwendet Leela Chess Zero neuronale Netzwerke, die sowohl einen Strategievektor, eine Verteilung über nachfolgende Züge zur Steuerung der Suche und eine Positionsbewertung ausgeben. Diese neuronalen Netzwerke sind im Gegensatz zu herkömmlichen Engines für die Ausführung auf GPUs ausgelegt. Ursprünglich wurden residuale neuronale Netzwerke verwendet , 2022 wurde jedoch auf eine transformerbasierte Architektur umgestellt, die von Daniel Monroe und Philip Chalmers entwickelt wurde . [ 2 ] Diese Modelle stellen ein Schachbrett als eine Folge von 64 Spielsteinen dar und wenden einen Stamm an, der aus einem Stapel von Post-LN-Encoder-Schichten besteht. Dadurch wird eine Folge von 64 codierten Spielsteinen ausgegeben, die zur Generierung einer Positionsbewertung und einer Verteilung über nachfolgende Züge verwendet wird. [ 2 ] [ 15 ] Sie verwenden eine benutzerdefinierte domänenspezifische Positionscodierung namens Smolgen, um die Self-Attention-Schicht zu verbessern. [ 15 ]

Seit November 2024 sind die von der Engine verwendeten Modelle deutlich größer und effizienter als das von AlphaZero verwendete Residualnetzwerk und erreichen Berichten zufolge bei einer Positionsbewertung pro Zug die Stärke eines Großmeisters. [ 2 ] [ 16 ] Diese Modelle sind in der Lage, Positionsmerkmale wie gefangene Figuren und Festungen zu erkennen und auszunutzen, um traditionelle Engines auszumanövrieren, was Leela einen einzigartigen Spielstil verleiht. [ 2 ] Es gibt auch Hinweise darauf, dass sie in der Lage sind, vorausschauend zu agieren. [ 17 ]

Programm und Verwendung
Wie AlphaZero lernt Leela Chess Zero durch Verstärkungslernen und trainiert kontinuierlich anhand von Daten, die durch Selbstspiel generiert werden . [ 1 ] [ 8 ] Im Gegensatz zu AlphaZero dezentralisiert Leela Chess Zero seine Datengenerierung jedoch durch verteiltes Rechnen. Freiwillige generieren Selbstspieldaten auf lokaler Hardware, die in den Verstärkungsalgorithmus eingespeist werden. [ 3 ] Um Trainingsspiele beizutragen, müssen Freiwillige die neueste Non-Release-Candidate-Version (Non-RC) der Engine und des Clients herunterladen. Der Client verbindet sich mit dem Leela Chess Zero-Server, empfängt iterativ die neueste Version des neuronalen Netzwerks und produziert Selbstspielspiele, die an den Server zurückgesendet und zum Trainieren des Netzwerks verwendet werden. [ 18 ]

Für den Betrieb der Leela Chess Zero Engine werden zwei Komponenten benötigt: die Engine-Binärdatei für die Suche und ein Netzwerk zur Bewertung der Positionen. [ 18 ] Der Client, der Trainingsdaten für das Projekt bereitstellt, wird hierfür nicht benötigt. Ältere Netzwerke können ebenfalls heruntergeladen und verwendet werden, indem diese im Ordner mit der Lc0-Binärdatei abgelegt werden.