論文の概要: Assessing three closed-loop learning algorithms by searching for
high-quality quantum control pulses
- arxiv url: http://arxiv.org/abs/2008.03874v2
- Date: Wed, 20 Jan 2021 13:41:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-06 16:15:35.765513
- Title: Assessing three closed-loop learning algorithms by searching for
high-quality quantum control pulses
- Title（参考訳）: 高品質な量子制御パルス探索による3つの閉ループ学習アルゴリズムの評価
- Authors: Xiao-dong Yang, Christian Arenz, Istvan Pelczer, Qi-Ming Chen, Re-Bing
Wu, Xin-hua Peng and Herschel Rabitz
- Abstract要約: グラディエント・アセント・パルス・エンジニアリング(GRAPE)、改良されたNelder-Mead(NMplus)、微分進化(DE)の3つの代表的な学習アルゴリズムを評価する。
実験では、3つのアルゴリズムによる収束速度の異なる高忠実度目標状態の生成に成功したことを報告した。
本研究では,様々な閉ループ学習アルゴリズムを現実的な物理シナリオに適用するための知見を提供する。
- 参考スコア（独自算出の注目度）: 5.596401264280872
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing a high-quality control is crucial for reliable quantum computation.
Among the existing approaches, closed-loop leaning control is an effective
choice. Its efficiency depends on the learning algorithm employed, thus
deserving algorithmic comparisons for its practical applications. Here, we
assess three representative learning algorithms, including GRadient Ascent
Pulse Engineering (GRAPE), improved Nelder-Mead (NMplus) and Differential
Evolution (DE), by searching for high-quality control pulses to prepare the
Bell state. We first implement each algorithm experimentally in a nuclear
magnetic resonance system and then conduct a numerical study considering the
impact of some possible significant experimental uncertainties. The experiments
report the successful preparation of the high-fidelity target state with
different convergence speeds by the three algorithms, and these results
coincide with the numerical simulations when potential uncertainties are
negligible. However, under certain significant uncertainties, these algorithms
possess distinct performance with respect to their resulting precision and
efficiency. This study provides insight to aid in the practical application of
different closed-loop learning algorithms in realistic physical scenarios.
- Abstract（参考訳）: 信頼性の高い量子計算には高品質な制御設計が不可欠である。
既存のアプローチの中で、クローズドループの傾き制御は効果的な選択である。
その効率は採用される学習アルゴリズムに依存するため、アルゴリズムによる比較は実用的な用途に留まらない。
本稿では,GRAPE(GRANDient Ascent Pulse Engineering),NMplus(Nelder-Mead),DE(differial Evolution)の3つの代表的な学習アルゴリズムについて,ベル状態を作成するための高品質な制御パルスを探索することによって評価する。
核磁気共鳴システムにおいて,まず各アルゴリズムを実験的に実装し,その影響を考慮した数値的研究を行った。
実験では, 3つのアルゴリズムによる収束速度の異なる高忠実度目標状態の作成が成功し, ポテンシャルの不確かさが無視できる場合の数値シミュレーションと一致することを報告した。
しかし、一定の不確実性の下では、これらのアルゴリズムは、結果として得られる精度と効率に関して異なる性能を持つ。
本研究は,実物シナリオにおける異なる閉ループ学習アルゴリズムの実践的応用を支援する洞察を提供する。
関連論文リスト
- Representation Learning with Multi-Step Inverse Kinematics: An Efficient
and Optimal Approach to Rich-Observation RL [106.82295532402335]
既存の強化学習アルゴリズムは、計算的難易度、強い統計的仮定、最適なサンプルの複雑さに悩まされている。
所望の精度レベルに対して、レート最適サンプル複雑性を実現するための、最初の計算効率の良いアルゴリズムを提供する。
我々のアルゴリズムMusIKは、多段階の逆運動学に基づく表現学習と体系的な探索を組み合わせる。
論文 参考訳（メタデータ） (2023-04-12T14:51:47Z) - Towards the coherent control of robust spin qubits in quantum algorithms [0.0]
緩和対象のワンスピン量子ゲートベースアルゴリズムを実行する。
計算された忠実度における緩和効果と潜在的実験的不完全性の影響を評価した。
この研究は量子アルゴリズムにおける多スピン量子ビット系の研究を刺激する。
論文 参考訳（メタデータ） (2023-03-10T16:21:06Z) - Off-Policy Deep Reinforcement Learning Algorithms for Handling Various
Robotic Manipulator Tasks [0.0]
本研究では,Fetchロボットマニピュレータの訓練にDDPG,TD3,SACの3つの強化学習アルゴリズムを用いた。
これらのアルゴリズムはすべて非政治的であり、ポリシーと値関数の両方を最適化することで、彼らの望ましい目標を達成することができる。
論文 参考訳（メタデータ） (2022-12-11T18:25:24Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - On the Convergence of Distributed Stochastic Bilevel Optimization
Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。
既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。
そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-06-30T05:29:52Z) - 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) - Federated Learning via Inexact ADMM [46.99210047518554]
本稿では,乗算器の不正確な交互方向法(ADMM)を提案する。
どちらも通信効率が高く、ストラグラー効果と戦うことができ、穏やかな条件下で収束する。
フェデレート学習のためのいくつかの最先端アルゴリズムと比較して高い数値性能を持つ。
論文 参考訳（メタデータ） (2022-04-22T09:55:33Z) - Robust Quantum Control using Hybrid Pulse Engineering [0.0]
勾配に基づく最適化アルゴリズムは、初期推定に対する感度によって制限される。
我々の数値解析は、その収束速度が優れていることを裏付ける。
本稿では,雑音場を組み込んだノイズ耐性量子制御法について述べる。
論文 参考訳（メタデータ） (2021-12-02T14:29:42Z) - Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。
厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。
このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文 参考訳（メタデータ） (2021-11-29T15:10:09Z) - Near-term Efficient Quantum Algorithms for Entanglement Analysis [5.453850739960517]
絡み合いは量子物理学において重要な役割を担い、量子情報処理の鍵となる資源である。
本研究は、この困難に対処するために、ハイブリッド量子古典的手法を利用した3つの短期的効率的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-09-22T15:15:58Z) - Self-Guided Quantum State Learning for Mixed States [7.270980742378388]
我々のアルゴリズムの健全な特徴は、非忠実次元$d$状態における効率的な$O left(d3 right)$後処理である。
測定ノイズに対する高いレジリエンスは、ノイズの多い中間スケール量子アプリケーションに我々のアルゴリズムを適合させる。
論文 参考訳（メタデータ） (2021-06-11T04:40:26Z)
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。