論文の概要: Control of Stochastic Quantum Dynamics with Differentiable Programming
- arxiv url: http://arxiv.org/abs/2101.01190v1
- Date: Mon, 4 Jan 2021 19:00:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 22:46:58.576046
- Title: Control of Stochastic Quantum Dynamics with Differentiable Programming
- Title(参考訳): 微分プログラミングによる確率量子ダイナミクスの制御
- Authors: Frank Sch\"afer, Pavel Sekatski, Martin Koppenh\"ofer, Christoph
Bruder, Michal Kloc
- Abstract要約: 微分可能プログラミングに基づく制御スキームの自動設計のためのフレームワークを提案する。
このアプローチを、ホモジエン検出を受けるクビットの状態準備と安定化に適用する。
その結果、信号と雑音の比が低いにもかかわらず、平均忠実度が約85%の目標状態へのキュービットの準備と安定化をコントローラに教えることができる。
- 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: Controlling stochastic dynamics of a quantum system is an indispensable task
in fields such as quantum information processing and metrology. Yet, there is
no general ready-made approach to design efficient control strategies. Here, we
propose a framework for the automated design of control schemes based on
differentiable programming ($\partial \mathrm{P}$). We apply this approach to
state preparation and stabilization of a qubit subjected to homodyne detection.
To this end, we formulate the control task as an optimization problem where the
loss function quantifies the distance from the target state and we employ
neural networks (NNs) as controllers. The system's time evolution is governed
by a stochastic differential equation (SDE). To implement efficient training,
we backpropagate the gradient information from the loss function through the
SDE solver using adjoint sensitivity methods. As a first example, we feed the
quantum state to the controller and focus on different methods to obtain
gradients. As a second example, we directly feed the homodyne detection signal
to the controller. The instantaneous value of the homodyne current contains
only very limited information on the actual state of the system, covered in
unavoidable photon-number fluctuations. Despite the resulting poor
signal-to-noise ratio, we can train our controller to prepare and stabilize the
qubit to a target state with a mean fidelity around 85%. We also compare the
solutions found by the NN to a hand-crafted control strategy.
- Abstract(参考訳): 量子系の確率力学の制御は、量子情報処理やメトロロジーといった分野において不可欠である。
しかし、効率的な制御戦略を設計するための一般的な準備済みのアプローチは存在しない。
本稿では,微分可能プログラミングに基づく制御スキームの自動設計のためのフレームワーク (\partial \mathrm{p}$) を提案する。
この手法をホモダイン検出を受ける量子ビットの状態形成と安定化に適用する。
この目的のために、損失関数が目標状態からの距離を定量化する最適化問題として制御タスクを定式化し、ニューラルネットワーク(NN)をコントローラとして使用する。
系の時間進化は確率微分方程式(SDE)によって制御される。
効率のよいトレーニングを実現するため,共役感度法を用いて損失関数からSDEソルバを介して勾配情報を逆伝搬する。
最初の例として、制御器に量子状態を与え、勾配を得るための異なる方法に焦点を当てる。
第2の例として、ホモダイン検出信号をコントローラに直接供給する。
ホモダイン電流の瞬時値は、避けられない光子数変動で覆われたシステムの実際の状態に関する非常に限られた情報のみを含む。
その結果、信号と雑音の比が低いにもかかわらず、平均忠実度が約85%の目標状態へのキュービットの準備と安定化をコントローラに教えることができる。
また、NNが発見したソリューションを手作りの制御戦略と比較する。
関連論文リスト
- Stochastic Optimal Control Matching [56.325232632863276]
最適制御マッチング(SOCM)は、最適制御のための新しい反復拡散最適化(IDO)技術である。
本アルゴリズムは4つの制御問題のうち3つに対して最適制御を行うために既存のすべてのIDO手法よりも低い誤差を実現する。
論文 参考訳(メタデータ) (2023-12-04T16:49:43Z) - GRAPE optimization for open quantum systems with time-dependent
decoherence rates driven by coherent and incoherent controls [77.34726150561087]
グラディエントアセンセントパルス工学(GRAPE)法は量子制御の最適化に広く用いられている。
我々は、コヒーレント制御と非コヒーレント制御の両方によって駆動されるオープン量子系の目的関数を最適化するために、GRAPE法を採用する。
状態-状態遷移問題に対する数値シミュレーションによりアルゴリズムの効率を実証する。
論文 参考訳(メタデータ) (2023-07-17T13:37:18Z) - Controlling quantum many-body systems using reduced-order modelling [0.0]
本稿では,多体量子システムにおける制御問題のクラスを解くための効率的な手法を提案する。
もともとのサブシステムの「デジタルツイン」と見なされる、そのような縮小順序モデルの力学のシミュレーションは、はるかに効率的である。
この結果は、多体システムの研究、非自明な準粒子特性の探索、および量子コンピューティングデバイスの開発管理ツールに直接応用される。
論文 参考訳(メタデータ) (2022-11-01T13:58:44Z) - 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) - Optimal solutions to quantum annealing using two independent control
functions [0.0]
最適解は、進化時間全体の上界で調整された両制御からなることを示す。
本稿では,制御の振幅を制限するために最適化された量子最適制御手法を提案する。
2つの制御関数を持つスキームは、同じ進化時間における他のスキームよりも忠実であることを示す。
論文 参考訳(メタデータ) (2021-10-26T16:54:17Z) - Physics-informed Neural Networks-based Model Predictive Control for
Multi-link Manipulators [0.0]
物理インフォームド機械学習手法を用いて,多体ダイナミクスに対する非線形モデル予測制御(NMPC)について論じる。
本稿では,ネットワーク入力として制御動作と初期条件を付加することでPINNの強化を提案する。
PINNベースのMPCを用いて,複雑な機械システムにおける追跡問題の解法を提案する。
論文 参考訳(メタデータ) (2021-09-22T15:31:24Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳(メタデータ) (2021-08-26T18:00:00Z) - Correct-by-construction reach-avoid control of partially observable
linear stochastic systems [7.912008109232803]
離散時間線形時間不変系のリーチエイド制御のための頑健なフィードバックコントローラを定式化する。
問題は、必要となる証明状態の抽象化問題を満たすコントローラを計算することである。
論文 参考訳(メタデータ) (2021-03-03T13:46:52Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳(メタデータ) (2020-11-14T01:27:32Z) - Neural Control Variates [71.42768823631918]
ニューラルネットワークの集合が、積分のよい近似を見つけるという課題に直面していることを示す。
理論的に最適な分散最小化損失関数を導出し、実際に安定したオンライントレーニングを行うための代替の複合損失を提案する。
具体的には、学習した光場近似が高次バウンスに十分な品質であることを示し、誤差補正を省略し、無視可能な可視バイアスのコストでノイズを劇的に低減できることを示した。
論文 参考訳(メタデータ) (2020-06-02T11:17:55Z)
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。