論文の概要: Quantum optimal control of multi-level dissipative quantum systems with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2007.00838v2
• Date: Thu, 24 Dec 2020 00:58:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 21:00:19.900025
• Title: Quantum optimal control of multi-level dissipative quantum systems with Reinforcement Learning
• Title（参考訳）: 強化学習による多レベル散逸量子システムの量子最適制御
• Authors: Zheng An, Qi-Kai He, Hai-Jing Song, D. L. Zhou
• Abstract要約: 本稿では,多段階散逸型量子制御フレームワークを提案し,深部強化学習が最適戦略の同定に有効な方法であることを示す。 このフレームワークは、他の量子制御モデルに適用するために一般化することができる。
• 参考スコア（独自算出の注目度）: 0.06372261626436676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manipulate and control of the complex quantum system with high precision are essential for achieving universal fault tolerant quantum computing. For a physical system with restricted control resources, it is a challenge to control the dynamics of the target system efficiently and precisely under disturbances. Here we propose a multi-level dissipative quantum control framework and show that deep reinforcement learning provides an efficient way to identify the optimal strategies with restricted control parameters of the complex quantum system. This framework can be generalized to be applied to other quantum control models. Compared with the traditional optimal control method, this deep reinforcement learning algorithm can realize efficient and precise control for multi-level quantum systems with different types of disturbances.
• Abstract（参考訳）: 高い精度で複雑な量子システムの操作と制御は、普遍的なフォールトトレラント量子コンピューティングを実現するために不可欠である。 制御資源が制限された物理システムでは, ターゲットシステムのダイナミクスを効率的に, 正確に制御することが課題である。 本稿では,多レベル散逸量子制御フレームワークを提案し,複雑な量子システムの制御パラメータを制限した最適戦略の同定に深層強化学習が有効であることを示す。 このフレームワークは、他の量子制御モデルに適用するために一般化することができる。 従来の最適制御法と比較して、この深層強化学習アルゴリズムは、異なる種類の外乱を持つマルチレベル量子システムの効率的かつ高精度な制御を実現することができる。

関連論文リスト

• Controlling nonergodicity in quantum many-body systems by reinforcement learning [0.0]
  量子非エルゴディティ制御のためのモデルフリー・ディープ強化学習フレームワークを開発した。 我々は, DRLエージェントが量子多体系を効率的に学習できることを実証するために, パラダイム的一次元傾斜Fermi-Hubbardシステムを用いた。 連続制御プロトコルと観測は実験的に実現可能である。
  論文  参考訳（メタデータ） (2024-08-21T20:55:44Z)
• Optimal control of linear Gaussian quantum systems via quantum learning control [4.847839438526929]
  本稿では,LGQシステムを最適に制御する汎用量子学習制御法を提案する。 本手法を用いて, 深部光機械冷却と大規模光機械絡み合わせの両面を実証する。 この研究は、量子学習制御の適用を広げるだけでなく、LGQシステムの最適制御のための道を開く。
  論文  参考訳（メタデータ） (2024-06-08T23:26:38Z)
• Quantum control by the environment: Turing uncomputability, Optimization over Stiefel manifolds, Reachable sets, and Incoherent GRAPE [56.47577824219207]
  多くの現実的な状況において、制御された量子系は環境と相互作用する。 本稿では,環境を資源として利用したオープン量子システムの制御に関するいくつかの結果について概説する。
  論文  参考訳（メタデータ） (2024-03-20T10:09:13Z)
• Model-free Quantum Gate Design and Calibration using Deep Reinforcement Learning [7.683965448804695]
  モデルレス量子制御のための深層強化学習を用いた新しいトレーニングフレームワークを提案する。 提案するフレームワークは,制御プロセスの終了時の測定のみに依存し,最適制御ポリシーを見つける能力を提供する。
  論文  参考訳（メタデータ） (2023-02-05T12:36:03Z)
• 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)
• Self-Correcting Quantum Many-Body Control using Reinforcement Learning with Tensor Networks [0.0]
  本稿では、強化学習(RL)に基づく量子多体系を効率的に制御するための新しい枠組みを提案する。 我々は、RLエージェントが普遍的な制御を見出すことができ、多くの身体状態を最適に制御する方法を学ぶことができ、量子力学が摂動を受けるとき、制御プロトコルをオンザフライで適用できることを示した。
  論文  参考訳（メタデータ） (2022-01-27T20:14:09Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• Dynamically corrected gates from geometric space curves [55.41644538483948]
  本稿では,量子進化と幾何学的空間曲線の密接な関係を利用した演算をしながら,動的に誤差を補正する制御場の設計手法について概説する。 このアプローチは、与えられたタスクを達成する制御フィールドのグローバルなソリューション空間へのアクセスを提供し、様々なアプリケーションに対して実験可能なゲート操作の設計を容易にする。
  論文  参考訳（メタデータ） (2021-03-30T01:12:36Z)
• Information flow and error scaling for fully-quantum control [4.724825031148412]
  量子チャネルキャパシティが最適制御誤差のスケーリング動作を設定することを示す。 チャネルの量子容量を最大化することにより、最小制御誤差が保証されることを示す。
  論文  参考訳（メタデータ） (2020-12-11T10:46:25Z)
• Entanglement transfer, accumulation and retrieval via quantum-walk-based qubit-qudit dynamics [50.591267188664666]
  高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。 本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。 特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
  論文  参考訳（メタデータ） (2020-10-14T14:33:34Z)
• Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
  我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。 量子回路合成問題における時間-最適制御の強化について述べる。 我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
  論文  参考訳（メタデータ） (2020-06-19T19:12:14Z)

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。