論文の概要: Risk-sensitive Optimization for Robust Quantum Controls
- arxiv url: http://arxiv.org/abs/2104.01323v1
- Date: Sat, 3 Apr 2021 06:44:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 10:55:33.285371
- Title: Risk-sensitive Optimization for Robust Quantum Controls
- Title(参考訳): ロバスト量子制御のためのリスクセンシティブ最適化
- Authors: Xiaozhen Ge and Re-Bing Wu
- Abstract要約: 本研究では,リスク感受性損失関数のサンプリングに基づく最適化により,高精度制御の堅牢性を著しく向上できることを示す。
本稿では,リスクに敏感なGRAPEと適応的なリスクに敏感なGRAPEの2つのアルゴリズムを提案する。
- 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: Highly accurate and robust control of quantum operations is vital for the
realization of error-correctible quantum computation. In this paper, we show
that the robustness of high-precision controls can be remarkably enhanced
through sampling-based stochastic optimization of a risk-sensitive loss
function. Following the stochastic gradient-descent direction of this loss
function, the optimization is guided to penalize poor-performance uncertainty
samples in a tunable manner. We propose two algorithms, which are termed as the
risk-sensitive GRAPE and the adaptive risk-sensitive GRAPE. Their effectiveness
is demonstrated by numerical simulations, which is shown to be able to achieve
high control robustness while maintaining high fidelity.
- Abstract(参考訳): 量子演算の高精度でロバストな制御は、誤り訂正量子計算の実現に不可欠である。
本稿では,リスク感受性損失関数のサンプリングに基づく確率的最適化により,高精度制御の堅牢性を著しく向上できることを示す。
この損失関数の確率的勾配-発光方向に従って、最適化は、低性能の不確かさサンプルを可変的にペナルティ化するように導かれる。
本稿では,リスク感度GRAPEと適応リスク感度GRAPEの2つのアルゴリズムを提案する。
その効果は数値シミュレーションによって実証され、高い忠実性を維持しながら高い制御性を達成できることが示されている。
関連論文リスト
- Risk-Sensitive Stochastic Optimal Control as Rao-Blackwellized Markovian
Score Climbing [3.9410617513331863]
動的システムの最適制御は、シーケンシャルな意思決定において重要な課題である。
コントロール・アズ・推論のアプローチは大きな成功をおさめ、探索・探索ジレンマに対処するためのリスクに敏感なフレームワークを提供する。
本稿では, 条件付き粒子フィルタから抽出した試料下でのマルコフ強化スコアクライミングとして, リスク感応性制御のフレーミングによる新しい視点を提案する。
論文 参考訳(メタデータ) (2023-12-21T16:34:03Z) - Learning to Optimize with Stochastic Dominance Constraints [103.26714928625582]
本稿では,不確実量を比較する問題に対して,単純かつ効率的なアプローチを開発する。
我々はラグランジアンの内部最適化をサロゲート近似の学習問題として再考した。
提案したライト-SDは、ファイナンスからサプライチェーン管理に至るまで、いくつかの代表的な問題において優れた性能を示す。
論文 参考訳(メタデータ) (2022-11-14T21:54:31Z) - Neural Networks with Quantization Constraints [111.42313650830248]
量子化学習における制約付き学習手法を提案する。
結果の問題は強い双対であり、勾配推定は不要であることを示す。
提案手法は画像分類タスクにおける競合性能を示す。
論文 参考訳(メタデータ) (2022-10-27T17:12:48Z) - Statistically Characterising Robustness and Fidelity of Quantum Controls
and Quantum Control Algorithms [0.5599792629509229]
頑健性不忠実度尺度 (RIM$_p$) は、コントローラの頑健性と忠実度を定量化するために導入された。
RIM$_p$に基づいて、期待されるコントローラーの堅牢性と忠実度を定量化するためにアルゴリズム的ロバスト性不忠実度尺度(ARIM)が開発された。
論文 参考訳(メタデータ) (2022-07-16T01:19:57Z) - Near-Optimal High Probability Complexity Bounds for Non-Smooth
Stochastic Optimization with Heavy-Tailed Noise [63.304196997102494]
アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。
既存の非滑らか凸最適化法は、負のパワーまたは対数的な信頼度に依存する境界の複雑さを持つ。
クリッピングを用いた2つの勾配法に対して, 新たなステップサイズルールを提案する。
論文 参考訳(メタデータ) (2021-06-10T17:54:21Z) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳(メタデータ) (2021-05-17T08:36:18Z) - 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) - Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。
提案アルゴリズムの有効性はCart-Pole環境で検証する。
論文 参考訳(メタデータ) (2020-06-01T13:48:59Z) - Robust Learning-Based Control via Bootstrapped Multiplicative Noise [0.0]
本稿では,このような非漸近的不確かさを制御設計に明示的に組み込む頑健な適応制御アルゴリズムを提案する。
提案手法の主な利点は、システム識別とロバストな制御設計手順の両方が不確実性表現を使用することである。
論文 参考訳(メタデータ) (2020-02-24T04:12:52Z) - Optimistic robust linear quadratic dual control [4.94950858749529]
本稿では, 一定の等価性の性能とロバスト性の実用性を両立させようとする二重制御戦略を提案する。
この定式化は、パラメトリック不確実性の表現における構造を保ち、制御タスクにおいて最も重要となるパラメータにおける不確実性の減少をコントローラが目標とすることを可能にする。
論文 参考訳(メタデータ) (2019-12-31T02:02:11Z)
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。