論文の概要: Robust Control of Quantum Dynamics under Input and Parameter Uncertainty
- arxiv url: http://arxiv.org/abs/2102.11813v1
- Date: Tue, 23 Feb 2021 17:28:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 03:13:54.378083
- Title: Robust Control of Quantum Dynamics under Input and Parameter Uncertainty
- Title（参考訳）: 入力・パラメータの不確かさ下における量子力学のロバスト制御
- Authors: Andrew Koswara, Vaibhav Bhutoria and Raj Chakrabarti
- Abstract要約: 工学的な量子系は、磁場とハミルトンパラメータに関連するノイズや不確実性のため、依然として困難である。
我々は、量子制御ロバストネス解析法を様々な量子観測器、ゲート、そのモーメントに拡張し、一般化する。
進化的オープンループ(モデルベース)および閉ループ(モデルフリー)アプローチによるロバスト制御を実現するためのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite significant progress in theoretical and laboratory quantum control,
engineering quantum systems remains principally challenging due to
manifestation of noise and uncertainties associated with the field and
Hamiltonian parameters. In this paper, we extend and generalize the asymptotic
quantum control robustness analysis method -- which provides more accurate
estimates of quantum control objective moments than standard leading order
techniques -- to diverse quantum observables, gates and moments thereof, and
also introduce the Pontryagin Maximum Principle for quantum robust control. In
addition, we present a Pareto optimization framework for achieving robust
control via evolutionary open loop (model-based) and closed loop (model-free)
approaches with the mechanisms of robustness and convergence described using
asymptotic quantum control robustness analysis. In the open loop approach, a
multiobjective genetic algorithm is used to obtain Pareto solutions in terms of
the expectation and variance of the transition probability under Hamiltonian
parameter uncertainty. The set of numerically determined solutions can then be
used as a starting population for model-free learning control in a feedback
loop. The closed loop approach utilizes real-coded genetic algorithm with
adaptive exploration and exploitation operators in order to preserve solution
diversity and dynamically optimize the transition probability in the presence
of field noise. Together, these methods provide a foundation for high fidelity
adaptive feedback control of quantum systems wherein open loop control
predictions are iteratively improved based on data from closed loop
experiments.
- Abstract（参考訳）: 理論的および実験的な量子制御の著しい進歩にもかかわらず、工学的な量子系は、磁場とハミルトンパラメータに関連するノイズや不確実性の顕在化により、主に困難である。
本稿では, 量子制御目標モーメントの高精度な推定法である漸近的量子制御ロバスト性解析法を, 様々な量子可観測器, ゲート, モーメントに拡張・一般化し, 量子ロバスト性制御のためのポントリャーギン最大原理を導入する。
さらに、漸近量子制御ロバストネス分析を用いて、ロバストネスと収束のメカニズムを用いて、進化的オープンループ(モデルベース)と閉ループ(モデルフリー)アプローチによるロバスト制御を実現するためのパレート最適化フレームワークを提案する。
オープンループ法では、ハミルトニアンパラメータの不確かさの下で遷移確率の期待と分散の観点からパレート解を得るために多目的遺伝的アルゴリズムが用いられる。
数値的に決定された解の集合は、フィードバックループにおけるモデルなし学習制御の開始集団として使用できる。
クローズドループアプローチは、実符号遺伝的アルゴリズムと適応探索と搾取演算子を用いて、解の多様性を保ち、フィールドノイズの存在下で遷移確率を動的に最適化する。
これらの手法は、閉ループ実験のデータに基づいて開ループ制御予測を反復的に改善する量子システムの高忠実度適応フィードバック制御の基礎を提供する。
関連論文リスト
- Traversing Quantum Control Robustness Landscapes: A New Paradigm for Quantum Gate Engineering [0.0]
本稿では,制御パラメータを雑音感受性にマッピングする概念的フレームワークであるQuantum Control Robustness Landscape (QCRL)を紹介する。
QCRLのレベルセットをナビゲートすることで、ロバストネス不変パルス変動(RIPV)アルゴリズムは、ロバスト性を維持しながら制御パルスの変動を可能にする。
数値シミュレーションにより、我々の単一および2量子ビットゲートは、大きなノイズがあっても量子誤差補正しきい値を超えていることが示される。
論文 参考訳（メタデータ） (2024-12-27T05:56:38Z) - Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。
私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。
基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
論文 参考訳（メタデータ） (2024-05-22T18:11:42Z) - 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) - Binary Quantum Control Optimization with Uncertain Hamiltonians [4.194844657284146]
予測可能な不確実性を持つハミルトン派を含む二項最適量子制御問題の離散最適化式を考える。
リスクニュートラルとリスクアバースによるコントロールポリシの測定の両方を最適化する,サンプルベースのリフレクションを提案する。
本研究では, 決定論的モデルの制御に比べて, モデルによる制御により, 品質と堅牢性が著しく向上することが実証された。
論文 参考訳（メタデータ） (2024-01-18T16:51:01Z) - 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) - Continuous quantum gate sets and pulse class meta-optimization [0.0]
最適制御パルスの学習系は、ポテンシャルパラメータ値の空間から制御空間への大域的最適写像を得るために、様々なパラメータに適応的に依存することを示す。
提案手法は実験的に関係のある異なる量子ゲート上で試験され,複数の可変パラメータや不確かさパラメータの存在下でも高忠実度パルスを生成できることが証明された。
論文 参考訳（メタデータ） (2022-03-25T11:43:40Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Noise-Robust End-to-End Quantum Control using Deep Autoregressive Policy
Networks [2.5946789143276447]
変分量子固有解法は、量子コンピューティングデバイスの使用を可能にするため、近年注目を集めている。
不確実性のある方法で連続的および離散的な自由度を同時に最適化できるハイブリッドポリシグラデーショングラデーションアルゴリズムを提案する。
我々の研究は、強化学習と量子制御の相乗効果を示す。
論文 参考訳（メタデータ） (2020-12-12T02:13:28Z) - 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) - 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) - Policy Gradient based Quantum Approximate Optimization Algorithm [2.5614220901453333]
本稿では,QAOAの変動パラメータをノイズキャンバス方式で最適化するために,政策段階に基づく強化学習アルゴリズムが適していることを示す。
単一および多ビット系における量子状態伝達問題に対するアルゴリズムの性能解析を行う。
論文 参考訳（メタデータ） (2020-02-04T00:46:51Z)
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。