論文の概要: Robust optimization for quantum reinforcement learning control using partial observations

• arxiv url: http://arxiv.org/abs/2206.14420v1
• Date: Wed, 29 Jun 2022 06:30:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 07:36:30.699491
• Title: Robust optimization for quantum reinforcement learning control using partial observations
• Title（参考訳）: 部分観測を用いた量子強化学習制御のためのロバスト最適化
• Authors: Chen Jiang, Yu Pan, Zheng-Guang Wu, Qing Gao, and Daoyi Dong
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.975734427172231
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The current quantum reinforcement learning control models often assume that the quantum states are known a priori for control optimization. However, full observation of quantum state is experimentally infeasible due to the exponential scaling of the number of required quantum measurements on the number of qubits. In this paper, we investigate a robust reinforcement learning method using partial observations to overcome this difficulty. This control scheme is compatible with near-term quantum devices, where the noise is prevalent and predetermining the dynamics of quantum state is practically impossible. We show that this simplified control scheme can achieve similar or even better performance when compared to the conventional methods relying on full observation. We demonstrate the effectiveness of this scheme on examples of quantum state control and quantum approximate optimization algorithm. It has been shown that high-fidelity state control can be achieved even if the noise amplitude is at the same level as the control amplitude. Besides, an acceptable level of optimization accuracy can be achieved for QAOA with noisy control Hamiltonian. This robust control optimization model can be trained to compensate the uncertainties in practical quantum computing.
• Abstract（参考訳）: 現在の量子強化学習制御モデルは、量子状態が制御最適化の先駆的であると仮定することが多い。 しかし、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、実験的に不可能である。 本稿では,この難易度を克服するため,部分観測による頑健な強化学習手法について検討する。 この制御方式は、雑音が普及し、量子状態の力学を事前に決定することが事実上不可能な、短期量子デバイスと互換性がある。 この簡易制御方式は, 従来の完全観察方式と比較して, 同等あるいはそれ以上の性能が得られることを示す。 量子状態制御と量子近似最適化アルゴリズムの例において,この手法の有効性を示す。 雑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可能であることが示されている。 さらに、雑音制御ハミルトニアンを持つQAOAに対して許容レベルの最適化精度を達成することができる。 このロバスト制御最適化モデルは、実用的な量子コンピューティングにおける不確かさを補償するために訓練することができる。

関連論文リスト

• FOCQS: Feedback Optimally Controlled Quantum States [0.0]
  FALQONのようなフィードバックベースの量子アルゴリズムは微調整の問題を避けるが、回路深度の追加と収束保証の欠如を犠牲にしている。 我々は、従来の制御層を摂動的に更新するためにそれを利用する分析フレームワークを開発した。 この摂動的手法は、フィードバックに基づくアルゴリズムの結果を改善するために、フィードバック最適化量子状態(FOCQS)と呼ぶ。
  論文  参考訳（メタデータ） (2024-09-23T18:00:06Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Quantum hypothesis testing via robust quantum control [8.087946804627284]
  信号雑音の範囲に最適化されたロバスト制御手法を導入し, 既定耐久窓を超える優れたロバスト性を示す。 平均的に、最適制御とロバスト制御は、様々なデファス化や崩壊率に対する制御されていないスキームよりも改善されている。
  論文  参考訳（メタデータ） (2023-09-11T16:19:41Z)
• No-Collapse Accurate Quantum Feedback Control via Conditional State Tomography [0.0]
  測定ベースフィードバック制御(MBFC)プロトコルの有効性は,測定ノイズの存在によって阻害される。 本研究は、条件力学のノイズフリーモニタリングを可能にするリアルタイム連続状態推定手法について検討する。 このアプローチは強化学習(RL)に基づく制御において特に有用であり、RLエージェントは任意の条件付き観測値でトレーニングすることができる。
  論文  参考訳（メタデータ） (2023-01-18T01:28:23Z)
• Control limit for the quantum state preparation under stochastic control errors [0.0]
  閉量子系を制御するハミルトニアンに対する制御誤差の影響について検討する。 我々は、2つの閉じた量子系間の密度の低い境界を、誤りのない力学に従って導出する。
  論文  参考訳（メタデータ） (2022-11-27T15:35:14Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
  証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。 我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。 任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
  論文  参考訳（メタデータ） (2022-03-30T02:02:16Z)
• A Quantum Optimal Control Problem with State Constrained Preserving Coherence [68.8204255655161]
  非単体脱コヒーレンスチャネルを特徴とするマルコフ脱コヒーレンスを受ける3レベル$Lambda$型原子を考える。 我々は、デコヒーレンスレベルが予め定義された境界内にある状態制約で量子最適制御問題を定式化する。
  論文  参考訳（メタデータ） (2022-03-24T21:31:34Z)
• 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)
• 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)

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。