Fugu-MT 論文翻訳(概要): Risk-sensitive Optimization for Robust Quantum Controls

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

Smolyak algorithm assisted robust control of quantum systems [2.114161005361522]
本研究では,不確かさを確率変数としてモデル化し,不確かさの期待値を用いてロバスト性を定量化する手法を提案する。本研究では,Smolyak アルゴリズムを用いた smGOAT や smGRAPE などの勾配法が,状態伝達や量子ゲート実現に関する頑健な制御問題において有効であることを示す。
論文参考訳（メタデータ） (2024-10-18T08:40:59Z)
Automatically Adaptive Conformal Risk Control [49.95190019041905]
本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
論文参考訳（メタデータ） (2024-06-25T08:29:32Z)
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)
Actively Learning Reinforcement Learning: A Stochastic Optimal Control Approach [3.453622106101339]
本研究では,2つの相互に結びついた目的を達成するための枠組みを提案する。 (i) 積極的な探索と意図的な情報収集を伴う強化学習と, (ii) 最適制御法の計算的難易度を克服する枠組みである。我々は、強化学習を用いて最適制御則を計算することにより、両方の目的にアプローチする。一定の探索と搾取バランスとは異なり、学習プロセスが終了しても、警告と探索はリアルタイムでコントローラによって自動的に行われる。
論文参考訳（メタデータ） (2023-09-18T18:05:35Z)
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)
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)

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。