論文の概要: Gradient Ascent Pulse Engineering with Feedback

• arxiv url: http://arxiv.org/abs/2203.04271v1
• Date: Tue, 8 Mar 2022 18:46:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 19:44:12.632872
• Title: Gradient Ascent Pulse Engineering with Feedback
• Title（参考訳）: フィードバックによる勾配上昇パルス工学
• Authors: Riccardo Porotti, Vittorio Peano, Florian Marquardt
• Abstract要約: 本稿では,モデルフリーRLの概念を取り入れたGRAPEを紹介する。 本稿では,その電力勾配カミングモデルにフィードバックを付加し,ノイズ発生時の状態調整と安定化のための解釈可能なフィードバック戦略を導出する。 このアプローチは、マルチキュービットデバイスの校正から線形光学量子計算戦略まで、幅広いフィードバックタスクにおける戦略発見に使用できる。
• 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: Efficient approaches to quantum control and feedback are essential for quantum technologies, from sensing to quantum computation. Pure control tasks have been successfully solved using optimization techniques, including methods like gradient-ascent pulse engineering (GRAPE) , relying on a differentiable model of the quantum dynamics. For feedback tasks, such methods are not directly applicable, since the aim is to discover strategies conditioned on measurement outcomes. There, model-free reinforcement learning (RL) has recently proven a powerful new ansatz. What is missing is a way to combine the best of both approaches for scenarios that go beyond weak measurements. In this work, we introduce feedback-GRAPE, which borrows concepts from model-free RL to incorporate the response to strong stochastic (discrete or continuous) measurements, while still performing direct gradient ascent through the quantum dynamics. We illustrate its power on a Jaynes-Cummings model with feedback, where it yields interpretable feedback strategies for state preparation and stabilization in the presence of noise. This approach could be employed for discovering strategies in a wide range of feedback tasks, from calibration of multi-qubit devices to linear-optics quantum computation strategies, quantum-enhanced sensing with adaptive measurements, and quantum error correction.
• Abstract（参考訳）: 量子制御とフィードバックに対する効率的なアプローチは、センシングから量子計算まで、量子技術にとって不可欠である。 純制御タスクは、量子力学の微分可能なモデルに依存する勾配上昇パルス工学(GRAPE)のような手法を含む最適化手法を用いてうまく解決されている。 フィードバックタスクでは、測定結果に基づいて条件づけられた戦略を見つけることを目的としているため、そのような手法は直接適用されない。 そこで、モデルフリー強化学習(rl)は、最近強力な新しいansatzを証明した。 欠けているのは、弱い測定値を超えたシナリオに対して、両方のアプローチのベストを組み合わせる方法です。 本研究では,モデルフリーRLの概念を取り入れたフィードバック-GRAPEを導入し,強い確率的(離散的あるいは連続的)測定への応答を取り入れながら,量子力学による直接勾配上昇を継続する。 フィードバック付きJaynes-Cummingsモデルにそのパワーを例示し、ノイズの存在下での状態準備と安定化のための解釈可能なフィードバック戦略を導出する。 このアプローチは、マルチキュービットデバイスの校正から線形光学量子計算戦略、適応測定による量子強調センシング、量子エラー補正に至るまで、幅広いフィードバックタスクにおける戦略発見に利用することができる。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Reaction dynamics with qubit-efficient momentum-space mapping [42.408991654684876]
  線形応答によって支配される異なる反応を記述することに関連する応答関数の量子アルゴリズムについて検討する。 我々は、運動量空間基底状態を用いて効率的に実行できる格子上の量子ビット効率の写像を考える。
  論文  参考訳（メタデータ） (2024-03-30T00:21:46Z)
• Quantum Speedups in Regret Analysis of Infinite Horizon Average-Reward Markov Decision Processes [32.07657827173262]
  我々は,未知のMDPとエージェントのエンゲージメントのための革新的な量子フレームワークを提案する。 平均推定における量子的優位性は、無限の地平線強化学習に対する後悔の保証において指数的な進歩をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-10-18T03:17:51Z)
• Variational preparation of entangled states on quantum computers [0.0]
  量子コンピュータ上での絡み合った量子状態を作成するための変分法を提案する。 性能向上のために,様々な勾配に基づく最適化手法を用いる。 量子状態生成の効率を最大化するための変分アルゴリズムの有効性を実証する。
  論文  参考訳（メタデータ） (2023-06-30T06:29:24Z)
• Quantum Policy Gradient Algorithm with Optimized Action Decoding [1.3946033794136758]
  動作選択に必要な古典的後処理を最適化するための,新しい品質指標を提案する。 この手法により,5キュービットのハードウェアデバイス上で,フルトレーニングルーチンの実行に成功した。
  論文  参考訳（メタデータ） (2022-12-13T15:42:10Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• 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)
• Model-Free Quantum Control with Reinforcement Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2021-04-29T17:53:26Z)
• Gradient-free quantum optimization on NISQ devices [0.0]
  重み依存学習の最近の進歩を考察し、適切な回路アーキテクチャとパラメータチューニングのトレードオフに対処する戦略を提案する。 遺伝的競合を介して回路を評価するNEATに基づくアルゴリズムの使用を検討し、パラメータ数を超えることにより問題を回避します。
  論文  参考訳（メタデータ） (2020-12-23T10:24:54Z)
• 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。