論文の概要: Generalizable control for multiparameter quantum metrology

• arxiv url: http://arxiv.org/abs/2012.13377v2
• Date: Thu, 29 Apr 2021 16:10:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 11:42:35.897475
• Title: Generalizable control for multiparameter quantum metrology
• Title（参考訳）: 多パラメータ量子メトロロジーの一般化制御
• Authors: Han Xu, Lingna Wang, Haidong Yuan, Xin Wang
• Abstract要約: 最適制御の一般化可能性、すなわち、最小限のコストで様々なパラメータを体系的に更新できる最適制御について検討する。 強化学習の一般化は分析スキームに類似したメカニズムを通じて行われると論じる。
• 参考スコア（独自算出の注目度）: 20.506414877440644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum control can be employed in quantum metrology to improve the precision limit for the estimation of unknown parameters. The optimal control, however, typically depends on the actual values of the parameters and thus needs to be designed adaptively with the updated estimations of those parameters. Traditional methods, such as gradient ascent pulse engineering (GRAPE), need to be rerun for each new set of parameters encountered, making the optimization costly, especially when many parameters are involved. Here we study the generalizability of optimal control, namely, optimal controls that can be systematically updated across a range of parameters with minimal cost. In cases where control channels can completely reverse the shift in the Hamiltonian due to a change in parameters, we provide an analytical method which efficiently generates optimal controls for any parameter starting from an initial optimal control found by either GRAPE or reinforcement learning. When the control channels are restricted, the analytical scheme is invalid, but reinforcement learning still retains a level of generalizability, albeit in a narrower range. In cases where the shift in the Hamiltonian is impossible to decompose to available control channels, no generalizability is found for either the reinforcement learning or the analytical scheme. We argue that the generalization of reinforcement learning is through a mechanism similar to the analytical scheme. Our results provide insights into when and how the optimal control in multiparameter quantum metrology can be generalized, thereby facilitating efficient implementation of optimal quantum estimation of multiple parameters, particularly for an ensemble of systems with ranges of parameters.
• Abstract（参考訳）: 量子制御は、未知パラメータの推定の精度の限界を改善するために量子メトロロジーで用いられる。 しかしながら、最適制御は一般的にパラメータの実際の値に依存するため、パラメータの更新された推定値に適応的に設計する必要がある。 grape(gradient ascent pulse engineering)のような従来の手法は、遭遇したパラメータの新たなセットごとに再実行する必要があるため、特に多くのパラメータが関与している場合、最適化はコストがかかる。 本稿では,最適制御の一般化可能性,すなわち,最小限のコストで様々なパラメータにまたがって体系的に更新可能な最適制御について検討する。 パラメータの変化により制御チャネルがハミルトニアンのシフトを完全に逆転させることができる場合、GRAPEまたは強化学習によって発見された初期最適制御から始まるパラメータに対する最適制御を効率的に生成する分析方法を提案する。 制御チャネルが制限されると、解析スキームは無効になるが、強化学習はより狭い範囲ではあるものの、まだ一般化のレベルを維持している。 ハミルトニアンのシフトが利用可能な制御チャネルに分解できない場合、強化学習または解析スキームの一般化は見出されない。 強化学習の一般化は分析スキームに類似したメカニズムを通じて行われると論じる。 本研究では,多パラメータ量子メトロロジーにおける最適制御が一般化される時期と方法に関する知見を提供し,パラメータ範囲の広いシステムにおいて,複数のパラメータの最適量子推定の効率的な実装を容易にする。

関連論文リスト

• Scaling Exponents Across Parameterizations and Optimizers [94.54718325264218]
  本稿では,先行研究における重要な仮定を考察し,パラメータ化の新たな視点を提案する。 私たちの経験的調査には、3つの組み合わせでトレーニングされた数万のモデルが含まれています。 最高の学習率のスケーリング基準は、以前の作業の仮定から除外されることがよくあります。
  論文  参考訳（メタデータ） (2024-07-08T12:32:51Z)
• 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)
• A Unified Gaussian Process for Branching and Nested Hyperparameter Optimization [19.351804144005744]
  ディープラーニングでは、条件に依存したパラメータのチューニングが一般的に行われている。 新しいGPモデルでは、新しいカーネル関数を通じて入力変数間の依存構造が説明される。 ニューラルネットワークの一連の合成シミュレーションおよび実データ応用において、高い予測精度とより良い最適化効率が観察される。
  論文  参考訳（メタデータ） (2024-01-19T21:11:32Z)
• Optimal Control Strategies for Parameter Estimation of Quantum Systems [0.0]
  最適制御理論に対する2つのアプローチの類似性、相違、利点について述べる。 制御機構は,デコヒーレンスが無視できない場合を除き,一般に等価であることを示す。 後者の場合、選択的な制御によって達成される精度は、QFIが与える精度よりも桁違いに優れている。
  論文  参考訳（メタデータ） (2023-06-19T07:09:05Z)
• Optimal protocols for quantum metrology with noisy measurements [0.0]
  本研究では、量子前処理最適化パラメータが、測定ノイズ下での量子センサの最終的な精度限界を決定することを示す。 雑音のある量子状態や温度測定への応用、および最適制御の明示的な回路構成を示す。
  論文  参考訳（メタデータ） (2022-10-20T16:37:47Z)
• Optimal control for Hamiltonian parameter estimation in non-commuting and bipartite quantum dynamics [0.0]
  我々は、単一量子ビットに対する最適制御された推定スキームを、2つの相互作用量子ビットだけでなく、非交換力学にも拡張する。 これらのスキームは、最大精度、時間安定性、および制御されていないプロトコルに対する堅牢性の観点から改善されている。
  論文  参考訳（メタデータ） (2022-05-05T04:10:17Z)
• Sparsity in Partially Controllable Linear Systems [56.142264865866636]
  本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。 最適制御には無関係な状態変数を特徴付ける。
  論文  参考訳（メタデータ） (2021-10-12T16:41:47Z)
• Direct Optimal Control Approach to Laser-Driven Quantum Particle Dynamics [77.34726150561087]
  間接制御理論に対する頑健で柔軟な代替手段として, 直接最適制御を提案する。 この方法は、バイスタブルポテンシャルにおけるレーザー駆動のウェーブパレットダイナミクスの場合に説明される。
  論文  参考訳（メタデータ） (2020-10-08T07:59:29Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Online Parameter Estimation for Safety-Critical Systems with Gaussian Processes [6.122161391301866]
  オンラインパラメータ推定のためのガウス過程(GP)に基づくベイズ最適化フレームワークを提案する。 パラメータ空間の応答面上の効率的な探索戦略を用いて、最小限の機能評価で大域最適解を求める。 我々は,パラメータの変化を考慮したシミュレーションにおいて,アクティベートされた平面振子と安全臨界振子について実演する。
  論文  参考訳（メタデータ） (2020-02-18T20:38:00Z)
• Time-local optimal control for parameter estimation in the Gaussian regime [68.8204255655161]
  瞬時制御ユニタリは、オープンダイナミクスによって引き起こされる情報の減少を軽減するために用いられる。 このような制御に対して、局所的に最適な(時間内での)選択は、量子フィッシャー情報の時間微分を最大化するものである。
  論文  参考訳（メタデータ） (2020-01-10T16:24:31Z)

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。