論文の概要: A Tutorial on Optimal Control and Reinforcement Learning methods for
Quantum Technologies
- arxiv url: http://arxiv.org/abs/2112.07453v4
- Date: Fri, 18 Mar 2022 08:45:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-04 14:11:27.519247
- Title: A Tutorial on Optimal Control and Reinforcement Learning methods for
Quantum Technologies
- Title(参考訳): 量子技術のための最適制御・強化学習法に関するチュートリアル
- Authors: Luigi Giannelli, Pierpaolo Sgroi, Jonathon Brown, Gheorghe Sorin
Paraoanu, Mauro Paternostro, Elisabetta Paladino, and Giuseppe Falci
- Abstract要約: 本チュートリアルでは,3段階の人口移動問題に適用することで,量子最適制御と強化学習の手法を紹介する。
結果の一部を再現するJupyterノートブックはオープンソースでGitHubで公開されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum Optimal Control is an established field of research which is
necessary for the development of Quantum Technologies. In recent years, Machine
Learning techniques have been proved usefull to tackle a variety of quantum
problems. In particular, Reinforcement Learning has been employed to address
typical problems of control of quantum systems. In this tutorial we introduce
the methods of Quantum Optimal Control and Reinforcement Learning by applying
them to the problem of three-level population transfer. The jupyter notebooks
to reproduce some of our results are open-sourced and available on github.
- Abstract(参考訳): 量子最適制御(Quantum Optimal Control)は、量子技術の発展に必要な研究分野である。
近年、機械学習技術は様々な量子問題に取り組むのに有用であることが証明されている。
特に、量子システムの制御の典型的な問題に対処するために強化学習が用いられている。
本稿では,3段階の人口移動問題に適用することで,量子最適制御と強化学習の手法を紹介する。
結果を再現するためのjupyterノートブックはオープンソースでgithubから入手できます。
関連論文リスト
- Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Assessing requirements to scale to practical quantum advantage [56.22441723982983]
大規模量子アプリケーションに必要なリソースを推定するために,スタックの層を抽象化し,量子リソース推定のためのフレームワークを開発する。
3つのスケールされた量子アプリケーションを評価し、実用的な量子優位性を達成するために数十万から数百万の物理量子ビットが必要であることを発見した。
私たちの研究の目標は、より広範なコミュニティがスタック全体の設計選択を探索できるようにすることで、実用的な量子的優位性に向けた進歩を加速することにあります。
論文 参考訳(メタデータ) (2022-11-14T18:50:27Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳(メタデータ) (2022-06-07T07:32:57Z) - Quantum Optimal Control: Practical Aspects and Diverse Methods [0.0]
量子最適制御(QOC)は、所望の量子演算を実装する最適制御変調を設計する。
本稿では,QOCの基本概念を紹介し,実践的課題について論じるとともに,多種多様なQOC手法の概要を紹介する。
論文 参考訳(メタデータ) (2022-05-31T07:27:44Z) - Quantum optimal control in quantum technologies. Strategic report on
current status, visions and goals for research in Europe [0.0]
量子最適制御は、量子デバイスの操作において与えられたタスクを達成する外部フィールドの形状を考案し実装するためのツールボックスである。
オープン量子システムの制御可能性の理解の最近の進歩と量子技術への量子制御技術の開発と応用について概説する。
論文 参考訳(メタデータ) (2022-05-24T14:42:05Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳(メタデータ) (2022-04-08T17:48:59Z) - Self-Correcting Quantum Many-Body Control using Reinforcement Learning
with Tensor Networks [0.0]
本稿では、強化学習(RL)に基づく量子多体系を効率的に制御するための新しい枠組みを提案する。
我々は、RLエージェントが普遍的な制御を見出すことができ、多くの身体状態を最適に制御する方法を学ぶことができ、量子力学が摂動を受けるとき、制御プロトコルをオンザフライで適用できることを示した。
論文 参考訳(メタデータ) (2022-01-27T20:14:09Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - Learning Control of Quantum Systems [2.5712062559655013]
本稿では,量子システムの学習制御について概説する。
特に、量子システムの最適制御のための勾配に基づく学習など、次のような側面を概説する。
論文 参考訳(メタデータ) (2021-01-19T04:35:36Z) - Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。
量子回路合成問題における時間-最適制御の強化について述べる。
我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文 参考訳(メタデータ) (2020-06-19T19:12:14Z)
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。