論文の概要: Achieving fast high-fidelity optimal control of many-body quantum dynamics

• arxiv url: http://arxiv.org/abs/2008.06076v5
• Date: Wed, 27 Oct 2021 15:29:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-06 09:05:47.653595
• Title: Achieving fast high-fidelity optimal control of many-body quantum dynamics
• Title（参考訳）: 多体量子力学の高速高忠実性最適制御の実現
• Authors: Jesper Hasseriis Mohr Jensen, Frederik Skovbo M{\o}ller, Jens Jakob S{\o}rensen, Jacob Friis Sherson
• Abstract要約: 本稿では, 難解な多体問題に適用することで, 最近の高精度最適制御手法の有効性を実証する。 我々は, プロセスの最小期間推定値を用いて, 0.99-0.9999の範囲の忠実度を観測した。 全体として、この比較は理想的なオープンループ設定における多体システムに対しても重要な方法論的改善を示唆している。
• 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: We demonstrate the efficiency of a recent exact-gradient optimal control methodology by applying it to a challenging many-body problem, crossing the superfluid to Mott-insulator phase transition in the Bose-Hubbard model. The system size necessitates a matrix product state representation and this seamlessly integrates with the requirements of the algorithm. We observe fidelities in the range 0.99-0.9999 with associated minimal process duration estimates displaying an exponential fidelity-duration trade-off across several orders of magnitude. The corresponding optimal solutions are characterized in terms of a predominantly linear sweep across the critical point followed by bang-bang-like structure. This is quite different from the smooth and monotonic solutions identified by earlier gradient-free optimizations which are hampered in locating the higher complexity protocols in the regime of high-fidelities at low process durations. Overall, the comparison suggests significant methodological improvements also for many-body systems in the ideal open-loop setting. Acknowledging that idealized open-loop control may deteriorate in actual experiments, we discuss the merits of using such an approach in combination with closed-loop control -- in particular, high-fidelity physical insights extracted with the former can be used to formulate practical, low-dimensional search spaces for the latter.
• Abstract（参考訳）: 本稿では,bose-hubbardモデルにおいて,超流動からmott-絶縁体相転移を横断する多体問題に適用することにより,最近の厳格な最適制御手法の有効性を示す。 システムのサイズは行列積の状態表現を必要とし、これはアルゴリズムの要件とシームレスに統合される。 我々は,数桁の指数的フィデリティ・デュレーショントレードオフを示す最小プロセス期間推定値を用いて,0.99-0.9999の範囲のフィデリティを観測した。 対応する最適解は、臨界点を横切る主線形スイープとバンバンのような構造で特徴づけられる。 これは、低プロセス期間の高忠実度状態において、より高複雑性なプロトコルを見つけるのを妨げた、初期の勾配のない最適化によって同定された滑らかで単調な解とは全く異なる。 概して、この比較は理想のオープンループ設定における多体系にも重要な方法論的改善をもたらす。 理想化された開ループ制御が実際の実験で劣化する可能性があることを認識し、そのようなアプローチを閉ループ制御と組み合わせて使用するメリットについて論じる。

関連論文リスト

• A Simulation-Free Deep Learning Approach to Stochastic Optimal Control [12.699529713351287]
  最適制御(SOC)における一般問題の解法のためのシミュレーションフリーアルゴリズムを提案する。 既存の手法とは異なり、我々の手法は随伴問題の解を必要としない。
  論文  参考訳（メタデータ） (2024-10-07T16:16:53Z)
• Machine-learning-inspired quantum control in many-body dynamics [6.817811305553492]
  制御フィールドの最適化に適した,有望かつ多目的な制御ニューラルネットワークを提案する。 本稿では,量子イジングモデルにおける臨界点通過時の欠陥密度の抑制とキャット状態の忠実度向上の問題に対処する。 勾配に基づくパワーロークエンチ法と比較して,本手法はシステムサイズと長期的進化の両面で有意な優位性を示す。
  論文  参考訳（メタデータ） (2024-04-09T01:47:55Z)
• Optimized trajectory unraveling for classical simulation of noisy quantum dynamics [4.772237365196053]
  任意のデコヒーレンスチャネルでは、アンラベリング方式を最適化し、エンタングルメント相転移の閾値を下げることができることを示す。 また、与えられた雑音チャネルに対して、未発見の基底を適応的に最適化するアルゴリズムを提案する。 準局所アンラベリングを用いて、任意に小さいが有限なデコヒーレンス率で開系を効率的にシミュレートする可能性を評価する。
  論文  参考訳（メタデータ） (2023-06-29T17:59:01Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• No-Regret Constrained Bayesian Optimization of Noisy and Expensive Hybrid Models using Differentiable Quantile Function Approximations [0.0]
  Constrained Upper Quantile Bound (CUQB) は、制約近似を避けるための概念的に単純で決定論的アプローチである。 CUQBは制約のある場合と制約のない場合の両方において従来のベイズ最適化よりも著しく優れることを示す。
  論文  参考訳（メタデータ） (2023-05-05T19:57:36Z)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)
• 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)
• Optimization on manifolds: A symplectic approach [127.54402681305629]
  本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。 我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
  論文  参考訳（メタデータ） (2021-07-23T13:43:34Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Convergence and sample complexity of gradient methods for the model-free linear quadratic regulator problem [27.09339991866556]
  本稿では,コントローラの空間を直接探索することにより,未知の計算系に対する最適制御を求める。 我々は、安定化フィードバックゲインの勾配-フローのダイナミクスセットに焦点をあてて、そのような手法の性能と効率を最小化するための一歩を踏み出した。
  論文  参考訳（メタデータ） (2019-12-26T16:56:59Z)

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。