論文の概要: Model-Free Quantum Control with Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2104.14539v2
- Date: Mon, 6 Dec 2021 18:45:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 02:02:44.820513
- Title: Model-Free Quantum Control with Reinforcement Learning
- Title（参考訳）: 強化学習を用いたモデルフリー量子制御
- Authors: V. V. Sivak, A. Eickbusch, H. Liu, B. Royer, I. Tsioutsios, M. H.
Devoret
- Abstract要約: 本研究では,量子制御タスクにおける強化学習エージェントをモデル無しで学習するための回路ベースアプローチを提案する。
実験可能な観測機器の測定値を用いて学習エージェントに報奨を与える方法を示す。
このアプローチは、サンプル効率の観点から、広く使われているモデルフリーメソッドよりも大幅に優れている。
- 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: Model bias is an inherent limitation of the current dominant approach to
optimal quantum control, which relies on a system simulation for optimization
of control policies. To overcome this limitation, we propose a circuit-based
approach for training a reinforcement learning agent on quantum control tasks
in a model-free way. Given a continuously parameterized control circuit, the
agent learns its parameters through trial-and-error interaction with the
quantum system, using measurement outcomes as the only source of information
about the quantum state. Focusing on control of a harmonic oscillator coupled
to an ancilla qubit, we show how to reward the learning agent using
measurements of experimentally available observables. We train the agent to
prepare various non-classical states using both unitary control and control
with adaptive measurement-based quantum feedback, and to execute logical gates
on encoded qubits. This approach significantly outperforms widely used
model-free methods in terms of sample efficiency. Our numerical work is of
immediate relevance to superconducting circuits and trapped ions platforms
where such training can be implemented in experiment, allowing complete
elimination of model bias and the adaptation of quantum control policies to the
specific system in which they are deployed.
- Abstract（参考訳）: モデルバイアスは、制御ポリシーの最適化のためのシステムシミュレーションに依存する最適量子制御に対する現在の支配的アプローチの固有の制限である。
この制限を克服するために,強化学習エージェントをモデルフリーで量子制御タスクに訓練するための回路ベースアプローチを提案する。
連続パラメータ化制御回路を与えられたエージェントは、量子状態に関する情報の唯一の情報源として測定結果を用いて、量子システムとの試行錯誤相互作用を通じてパラメータを学習する。
アンシラ量子ビットに結合した高調波発振器の制御に着目し,実験可能な観測機器の測定値を用いて学習者に報奨を与える方法を示す。
我々は,適応的な計測に基づく量子フィードバックを用いたユニタリ制御と制御の両方を用いて,様々な非古典的状態を作成するようにエージェントを訓練し,エンコードされた量子ビット上で論理ゲートを実行する。
このアプローチは、サンプル効率の点で、広く使われているモデルフリーメソッドを大幅に上回っている。
我々の数値研究は、そのような訓練を実験で実施できる超伝導回路やイオンプラットフォームへの即時対応であり、モデルバイアスの完全な除去と、それらが展開される特定のシステムへの量子制御ポリシーの適応を可能にする。
関連論文リスト
- Controlling nonergodicity in quantum many-body systems by reinforcement learning [0.0]
量子非エルゴディティ制御のためのモデルフリー・ディープ強化学習フレームワークを開発した。
我々は, DRLエージェントが量子多体系を効率的に学習できることを実証するために, パラダイム的一次元傾斜Fermi-Hubbardシステムを用いた。
連続制御プロトコルと観測は実験的に実現可能である。
論文 参考訳（メタデータ） (2024-08-21T20:55:44Z) - Optimal control in large open quantum systems: the case of transmon readout and reset [44.99833362998488]
本稿では, 随伴状態法と逆時間バックプロパゲーションを組み合わせることで, 極めて大規模なオープンシステム量子制御問題を解く枠組みを提案する。
超伝導量子ビットにおける2つの本質的に散逸する演算を最適化するために、この枠組みを適用した。
システムパラメータの固定化により,制御パルスの形状は両操作の忠実度と持続時間において2倍の改善が得られた。
論文 参考訳（メタデータ） (2024-03-21T18:12:51Z) - 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) - Non-Markovian Quantum Control via Model Maximum Likelihood Estimation
and Reinforcement Learning [0.0]
環境の非マルコフ的性質を低次元有効貯留層に組み込む新しい手法を提案する。
従来のトモグラフィ法よりも効率的な量子力学の学習に機械学習技術を用いる。
このアプローチはモデルバイアスの問題を緩和するだけでなく、量子力学のより正確な表現を提供する。
論文 参考訳（メタデータ） (2024-02-07T18:37:17Z) - The Quantum Cartpole: A benchmark environment for non-linear
reinforcement learning [0.0]
状態推定と制御可能性のトレードオフがどのように生じるかを示す。
本稿では、転送学習を用いて強化学習を通して訓練された量子制御エージェントを開発する可能性を示す。
論文 参考訳（メタデータ） (2023-11-01T18:02:42Z) - Robust optimization for quantum reinforcement learning control using
partial observations [10.975734427172231]
量子状態の完全な観測は、量子ビット数に対する必要な量子測定数の指数的スケーリングのために実験的に不可能である。
この制御方式は、ノイズが一般的である短期量子デバイスと互換性がある。
騒音振幅が制御振幅と同じレベルであっても、高忠実度状態制御が達成できることが示されている。
論文 参考訳（メタデータ） (2022-06-29T06:30:35Z) - Generalization Metrics for Practical Quantum Advantage in Generative
Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。
我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。
シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文 参考訳（メタデータ） (2022-01-21T16:35:35Z) - Dynamical learning of a photonics quantum-state engineering process [48.7576911714538]
実験的な高次元量子状態の工学は、いくつかの量子情報プロトコルにとって重要な課題である。
我々は、フォトニック軌道Angular Momentum(OAM)ステートを設計するための自動適応最適化プロトコルを実装した。
このアプローチは、量子情報プロトコルや技術のためのノイズの多い実験タスクを自動最適化するための強力なツールである。
論文 参考訳（メタデータ） (2022-01-14T19:24:31Z) - Model predictive control for robust quantum state preparation [4.069849286089743]
量子制御のためのモデル予測制御(MPC)を導入する。
MPCは、測定フィードバックを取り入れることで、自然の障害拒絶の程度を継承する。
実用的な最適化制御シーケンスを生成するために, MPC をどのように利用できるかを示す。
論文 参考訳（メタデータ） (2022-01-14T00:55:41Z) - Sparsity in Partially Controllable Linear Systems [56.142264865866636]
本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。
最適制御には無関係な状態変数を特徴付ける。
論文 参考訳（メタデータ） (2021-10-12T16:41:47Z) - Error mitigation and quantum-assisted simulation in the error corrected
regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。
量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文 参考訳（メタデータ） (2021-03-12T20:58:41Z)
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。