論文の概要: Towards AI-enabled Control for Enhancing Quantum Transduction

• arxiv url: http://arxiv.org/abs/2009.07876v1
• Date: Wed, 16 Sep 2020 18:09:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 02:20:07.131950
• Title: Towards AI-enabled Control for Enhancing Quantum Transduction
• Title（参考訳）: 量子トランスダクション強化のためのAI対応制御に向けて
• Authors: Mekena Metcalf and Anastasiia Butko and Mariam Kiran
• Abstract要約: 我々は、量子ビットと光子エネルギーの最適化と効率的な変換を可能にするAI対応制御について論じる。 我々のアプローチは、深層強化学習アルゴリズムのようなAI技術と物理量子トランスデューサを統合する。
• 参考スコア（独自算出の注目度）: 0.3007949058551534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With advent of quantum internet, it becomes crucial to find novel ways to connect distributed quantum testbeds and develop novel technologies and research that extend innovations in managing the qubit performance. Numerous emerging technologies are focused on quantum repeaters and specialized hardware to extend the quantum distance over special-purpose channels. However, there is little work that utilizes current network technology, invested in optic technologies, to merge with quantum technologies. In this paper we argue for an AI-enabled control that allows optimized and efficient conversion between qubit and photon energies, to enable optic and quantum devices to work together. Our approach integrates AI techniques, such as deep reinforcement learning algorithms, with physical quantum transducer to inform real-time conversion between the two wavelengths. Learning from simulated environment, the trained AI-enabled transducer will lead to optimal quantum transduction to maximize the qubit lifetime.
• Abstract（参考訳）: 量子インターネットの出現により、分散量子テストベッドを接続し、量子ビット性能を管理するイノベーションを拡張する新しい技術と研究を開発するための新しい方法を見つけることが重要となる。 多くの新興技術は、量子リピータと特殊なハードウェアに焦点を当て、特殊なチャネル上で量子距離を拡張する。 しかし、現在のネットワーク技術を利用して光学技術に投資し、量子技術と融合する作業はほとんどない。 本稿では、量子ビットと光子エネルギーの最適化と効率的な変換を可能にし、光学デバイスと量子デバイスを連携させるAI対応制御について論じる。 提案手法は、深部強化学習アルゴリズムなどのAI技術と物理量子トランスデューサを統合し、両波長間のリアルタイム変換を通知する。 シミュレーション環境から学ぶことで、トレーニングされたAI対応トランスデューサは、量子ビット寿命を最大化するために最適な量子トランスデューサにつながる。

関連論文リスト

• Benchmarking Emerging Cavity-Mediated Quantum Interconnect Technologies for Modular Quantum Computers [1.0653685964361501]
  本研究は, キャビティを介する相互接続技術の比較分析を行った。 キャビティ, 原子崩壊速度, および効率しきい値を満たすクビット-キャビティ結合強度に関する構成を同定する。
  論文  参考訳（メタデータ） (2024-07-22T14:11:20Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• End-to-End Quantum Vision Transformer: Towards Practical Quantum Speedup in Large-Scale Models [20.72342380227143]
  本稿では、革新的な量子残差接続技術を含む、エンドツーエンドの量子ビジョン変換器(QViT)を紹介する。 QViTの徹底的な分析により、理論上指数関数的複雑性と経験的スピードアップが明らかとなり、量子コンピューティングアプリケーションにおけるモデルの効率性とポテンシャルが示される。
  論文  参考訳（メタデータ） (2024-02-29T08:12:02Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Towards Quantum-Native Communication Systems: New Developments, Trends, and Challenges [63.67245855948243]
  調査では、量子ドメイン(QD)マルチインプットマルチアウトプット(MIMO)、QD非直交多重アクセス(NOMA)、量子セキュアダイレクト通信(QSDC)などの技術を調査した。 量子センシング、量子レーダ、量子タイミングの現在の状況は、将来の応用をサポートするために簡単にレビューされる。
  論文  参考訳（メタデータ） (2023-11-09T09:45:52Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• 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)
• Quantum neural networks force fields generation [0.0]
  量子ニューラルネットワークアーキテクチャを設計し、複雑性が増大するさまざまな分子に適用することに成功しています。 量子モデルは古典的なモデルに対してより大きな有効次元を示し、競争性能に達することができる。
  論文  参考訳（メタデータ） (2022-03-09T12:10:09Z)
• Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
  本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。 トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。 問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
  論文  参考訳（メタデータ） (2021-07-05T03:20:54Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Reinforcement Learning with Quantum Variational Circuits [0.0]
  この研究は、強化学習問題を促進する量子コンピューティングの可能性を探るものである。 具体的には、量子機械学習の一形態である量子変分回路の使用について検討する。 その結果、ハイブリッドおよび純粋量子変動回路は、より小さいパラメータ空間で強化学習タスクを解くことができることを示した。
  論文  参考訳（メタデータ） (2020-08-15T00:13:01Z)

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。