論文の概要: Dynamic compensation of stray electric fields in an ion trap using machine learning and adaptive algorithm

• arxiv url: http://arxiv.org/abs/2102.05830v1
• Date: Thu, 11 Feb 2021 03:27:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-11 12:17:29.876145
• Title: Dynamic compensation of stray electric fields in an ion trap using machine learning and adaptive algorithm
• Title（参考訳）: 機械学習と適応アルゴリズムを用いたイオントラップ内の成層電界の動的補償
• Authors: Moji Ghadimi, Alexander Zappacosta, Jordan Scarabel, Kenji Shimizu, Erik W Streed and Mirko Lobino
• Abstract要約: 表面イオントラップは、量子コンピューティングマシンをスケールアップするための最も有望な技術の一つである。 ここでは、勾配降下アルゴリズムと機械学習技術を用いて、成層圏の電場補償を示す。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface ion traps are among the most promising technologies for scaling up quantum computing machines, but their complicated multi-electrode geometry can make some tasks, including compensation for stray electric fields, challenging both at the level of modeling and of practical implementation. Here we demonstrate the compensation of stray electric fields using a gradient descent algorithm and a machine learning technique, which trained a deep learning network. We show automated dynamical compensation tested against induced electric charging from UV laser light hitting the chip trap surface. The results show improvement in compensation using gradient descent and the machine learner over manual compensation. This improvement is inferred from an increase of the fluorescence rate of 78% and 96% respectively, for a trapped $^{171}$Yb$^+$ ion driven by a laser tuned to -7.8 MHz of the $^2$S$_{1/2}\leftrightarrow^2$P$_{1/2}$ Doppler cooling transition at 369.5 nm.
• Abstract（参考訳）: 表面イオントラップは、量子コンピューティングマシンをスケールアップするための最も有望な技術であるが、その複雑な多電極形状は、野良電場に対する補償、モデリングのレベルと実用的な実装の両方に挑戦するなど、いくつかのタスクをこなすことができる。 本稿では,深層学習ネットワークを訓練した勾配降下アルゴリズムと機械学習手法を用いて,成層電界の補償を示す。 チップトラップ面に照射された紫外レーザー光による誘導帯電に対して自動動的補償試験を行った。 その結果,手作業による補償よりも勾配降下と機械学習による補償が向上した。 この改善は、369.5nmでの^2$s$_{1/2}\leftrightarrow^2$p$_{1/2}$ドップラー冷却遷移の7.8mhzに調整されたレーザーによって駆動される捕獲された$^{171}$yb$^+$イオンに対して、それぞれ78%と96%の蛍光率の増加から推測される。

関連論文リスト

• High-performance in-vacuum optical system for quantum optics experiments in a Penning-trap [0.0]
  カルシウムイオンおよびクーロン結晶から397nmの蛍光光子を検出するための新しい真空中光学系を提案する。 このシステムは、単一レーザー冷却されたイオンを点状のソースとして利用し、最終的な解像度は3.69(3)$mu$mに達する。
  論文  参考訳（メタデータ） (2024-06-11T10:57:27Z)
• Gradual Optimization Learning for Conformational Energy Minimization [69.36925478047682]
  ニューラルネットワークによるエネルギー最小化のためのGradual Optimization Learning Framework(GOLF)は、必要な追加データを大幅に削減する。 GOLFでトレーニングしたニューラルネットワークは,種々の薬物様分子のベンチマークにおいて,オラクルと同等に動作することを示す。
  論文  参考訳（メタデータ） (2023-11-05T11:48:08Z)
• Physics-aware Roughness Optimization for Diffractive Optical Neural Networks [15.397285424104469]
  微分光学ニューラルネットワーク(DONN)は、従来のディープニューラルネットワークよりも有望な優位性を示している。 本稿では,数値モデリングと実運用における性能差を低減するために,物理対応の回折型光ニューラルネットワークトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-04T03:19:36Z)
• Ultra-low Precision Multiplication-free Training for Deep Neural Networks [20.647925576138807]
  訓練において、線形層はエネルギーを消費する全精度乗算の激しい使用のために最もエネルギーを消費する。 本稿では、FP32の乗算を全て置き換えるために、適応層スケールポット量子化(ALS-POTQ)法と乗算自由MAC(MF-MAC)法を提案する。 トレーニング方式では, 上記の手法はすべて余剰乗算を導入しないので, トレーニング中の線形層におけるエネルギー消費量の最大95.8%を削減できる。
  論文  参考訳（メタデータ） (2023-02-28T10:05:45Z)
• Optical Transformers [5.494796517705931]
  大型トランスフォーマーモデルは、光学コンピューティングにとって良いターゲットになり得る。 光コンピュータは、300fJ/MACを達成できる最先端のデジタル電子プロセッサに対して、エネルギー効率の利点が8000ドル以上ある可能性がある。
  論文  参考訳（メタデータ） (2023-02-20T23:30:23Z)
• Trap-Integrated Superconducting Nanowire Single-Photon Detectors with Improved RF Tolerance for Trapped-Ion Qubit State Readout [0.0]
  トラップ積分検出器によるトラップイオン量子ビットの状態読み出しは、スケーラブルな量子コンピューティングにおける重要な課題に対処できる。 電気シールドとしてアルミニウム鏡を用いたNbTiN超伝導ナノワイヤ単光子検出器(SNSPD)について報告する。 この性能は、典型的な低温発生装置において、広範囲に閉じ込められたイオン種の並列高忠実度読出しを可能にするのに十分である。
  論文  参考訳（メタデータ） (2023-02-02T23:22:39Z)
• NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics via Novel-View Synthesis [50.93065653283523]
  SPARTN(Synthetic Perturbations for Augmenting Robot Trajectories via NeRF)は、ロボットポリシーを改善するための完全なオフラインデータ拡張スキームである。 提案手法はニューラルレイディアンス場(NeRF)を利用して,視覚的デモンストレーションに補正ノイズを合成注入する。 シミュレーションされた6-DoF視覚的把握ベンチマークでは、SPARTNは精度を2.8$times$で改善する。
  論文  参考訳（メタデータ） (2023-01-18T23:25:27Z)
• Enhancing the Coherence of Superconducting Quantum Bits with Electric Fields [62.997667081978825]
  印加された直流電界を用いて、クォービット共鳴から外れた欠陥を調整することにより、クビットコヒーレンスを向上させることができることを示す。 また、超伝導量子プロセッサにおいて局所ゲート電極をどのように実装し、個々の量子ビットの同時コヒーレンス最適化を実現するかについても論じる。
  論文  参考訳（メタデータ） (2022-08-02T16:18:30Z)
• Single-Shot Optical Neural Network [55.41644538483948]
  深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。 我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-05-18T17:49:49Z)
• Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
  本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。 数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。 我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
  論文  参考訳（メタデータ） (2020-06-02T23:38:35Z)

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。