論文の概要: A differentiable programming method for quantum control

• arxiv url: http://arxiv.org/abs/2002.08376v1
• Date: Wed, 19 Feb 2020 19:00:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-03 04:48:00.107633
• Title: A differentiable programming method for quantum control
• Title（参考訳）: 量子制御のための微分可能プログラミング法
• Authors: Frank Sch\"afer, Michal Kloc, Christoph Bruder, Niels L\"orch
• Abstract要約: 本稿では,システムの力学を規定する微分方程式の明示的な知識を活用するために,微分可能プログラミングに基づく手法を提案する。 3つのシステムのための固有状態作成タスクにおいて,本手法の有効性と雑音に対する頑健性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optimal control is highly desirable in many current quantum systems, especially to realize tasks in quantum information processing. We introduce a method based on differentiable programming to leverage explicit knowledge of the differential equations governing the dynamics of the system. In particular, a control agent is represented as a neural network that maps the state of the system at a given time to a control pulse. The parameters of this agent are optimized via gradient information obtained by direct differentiation through both the neural network \emph{and} the differential equation of the system. This fully differentiable reinforcement learning approach ultimately yields time-dependent control parameters optimizing a desired figure of merit. We demonstrate the method's viability and robustness to noise in eigenstate preparation tasks for three systems: a~single qubit, a~chain of qubits, and a quantum parametric oscillator.
• Abstract（参考訳）: 最適制御は、多くの現在の量子システム、特に量子情報処理におけるタスクを実現するために非常に望ましい。 本稿では,システムのダイナミクスを規定する微分方程式の明示的な知識を活用すべく,微分可能プログラミングに基づく手法を提案する。 特に、制御エージェントは、所定の時間にシステムの状態を制御パルスにマッピングするニューラルネットワークとして表現される。 このエージェントのパラメータは、システムの微分方程式であるニューラルネットワーク \emph{and} を通して直接微分によって得られる勾配情報によって最適化される。 この完全に微分可能な強化学習アプローチは、最終的に、望ましいメリットの図形を最適化する時間依存制御パラメータをもたらす。 本手法は,a〜single qubit,a~chain of qubits,量子パラメトリック発振器の3つの固有状態準備タスクにおいて,雑音に対する有効性とロバスト性を示す。

関連論文リスト

• Differentiable master equation solver for quantum device characterisation [0.0]
  物理系の微分モデルは勾配に基づくアルゴリズムのための強力なプラットフォームを提供する。 量子システムはそのような特性化と制御に特に挑戦する。 本稿では、多種多様な微分可能な量子マスター方程式解法を提案し、この解法をデバイス特性化のためのフレームワークに組み込む。
  論文  参考訳（メタデータ） (2024-03-07T17:23:56Z)
• Variational Embeddings for Many Body Quantum Systems [0.0]
  我々は、量子デバイスを高精度の解法として、関連する自由度に組み込む方法を示す。 スピン鎖および小分子に対するプロトコルの有効性を実証する。
  論文  参考訳（メタデータ） (2023-09-15T18:00:05Z)
• GRAPE optimization for open quantum systems with time-dependent decoherence rates driven by coherent and incoherent controls [77.34726150561087]
  グラディエントアセンセントパルス工学(GRAPE)法は量子制御の最適化に広く用いられている。 我々は、コヒーレント制御と非コヒーレント制御の両方によって駆動されるオープン量子系の目的関数を最適化するために、GRAPE法を採用する。 状態-状態遷移問題に対する数値シミュレーションによりアルゴリズムの効率を実証する。
  論文  参考訳（メタデータ） (2023-07-17T13:37:18Z)
• Controlling quantum many-body systems using reduced-order modelling [0.0]
  本稿では,多体量子システムにおける制御問題のクラスを解くための効率的な手法を提案する。 もともとのサブシステムの「デジタルツイン」と見なされる、そのような縮小順序モデルの力学のシミュレーションは、はるかに効率的である。 この結果は、多体システムの研究、非自明な準粒子特性の探索、および量子コンピューティングデバイスの開発管理ツールに直接応用される。
  論文  参考訳（メタデータ） (2022-11-01T13:58:44Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• On optimization of coherent and incoherent controls for two-level quantum systems [77.34726150561087]
  本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。 閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。 開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
  論文  参考訳（メタデータ） (2022-05-05T09:08:03Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Data-Driven Optimized Tracking Control Heuristic for MIMO Structures: A Balance System Case Study [8.035375408614776]
  PIDは2入力の2アウトプットバランスシステムで示される。 自己調整型非線形しきい値とニューラルネットワークを統合し、所望の過渡特性と定常特性を妥協する。 ニューラルネットワークは、客観的コスト関数のような重み付き導関数の最適化を訓練する。
  論文  参考訳（メタデータ） (2021-04-01T02:00:20Z)
• Efficient exploration of Hamiltonian parameter space for optimal control of non-Markovian open quantum systems [0.0]
  非マルコフ開量子系に対する最適制御列を効率的に設計する一般手法を提案する。 レーザーパルスの形状を最適化し、特定の状態の量子ドットを作成する。
  論文  参考訳（メタデータ） (2021-01-08T16:02:31Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Learning to Control PDEs with Differentiable Physics [102.36050646250871]
  本稿では,ニューラルネットワークが長い時間をかけて複雑な非線形物理系の理解と制御を学べる新しい階層型予測器・相関器手法を提案する。 本手法は,複雑な物理系の理解に成功し,PDEに関わるタスクに対してそれらを制御できることを実証する。
  論文  参考訳（メタデータ） (2020-01-21T11:58:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。