論文の概要: Machine Learning-Assisted Manipulation and Readout of Molecular Spin
Qubits
- arxiv url: http://arxiv.org/abs/2208.03410v2
- Date: Fri, 11 Nov 2022 23:34:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 04:37:43.918183
- Title: Machine Learning-Assisted Manipulation and Readout of Molecular Spin
Qubits
- Title(参考訳): 機械学習による分子スピンビットの操作と読み出し
- Authors: Claudio Bonizzoni, Mirco Tincani, Fabio Santanni and Marco Affronte
- Abstract要約: 本研究では、ニューラルネットワークを用いて、原型分子スピン量子ビットの操作と読み出しを支援する。
まず, エコー位置を認識するために, 4つの入力パルスを用いたStorage/Retrievalプロトコルの出力を分析するために, 人工ネットワークを成功させた。
次に,実験によって測定されたハーンエコーの位相の同定にニューラルネットワークを適用し,その位相を正確に検出し,操作中に追加される単一パルス位相シフトを認識することができることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine Learning finds application in the quantum control and readout of
qubits. In this work we apply Artificial Neural Networks to assist the
manipulation and the readout of a prototypical molecular spin qubit - an
Oxovanadium(IV) moiety - in two experiments designed to test the amplitude and
the phase recognition, respectively. We first successfully use an artificial
network to analyze the output of a Storage/Retrieval protocol with four input
pulses to recognize the echo positions and, with further post selection on the
results, to infer the initial input pulse sequence. We then apply an Artificial
Neural Network to ascertain the phase of the experimentally measured Hahn echo,
showing that it is possible to correctly detect its phase and to recognize
additional single-pulse phase shifts added during manipulation.
- Abstract(参考訳): 機械学習は量子ビットの量子制御と読み出しに応用される。
本研究では、振幅と位相認識をテストするために設計された2つの実験において、分子スピン量子ビット(oxovanadium(iv) moiety)の操作と読み出しを支援するために人工ニューラルネットワークを適用した。
まず,まず人工ネットワークを用いて4つの入力パルスを用いたストア/検索プロトコルの出力を解析し,そのエコー位置を認識し,さらに結果の選択を行い,初期入力パルスシーケンスを推測する。
次に,実験により測定したハーンエコーの位相をニューラルネットワークで確認し,その位相を正しく検出し,操作中に追加した1パルス位相シフトを認識できることを示す。
関連論文リスト
- Preparing Schrödinger cat states in a microwave cavity using a neural network [0.0]
量子状態全体に対して最適化された制御パルスを出力するようにニューラルネットワークに教えることが可能であることを示す。
結果は、ディープニューラルネットワークとトランスファーラーニングが、様々な量子制御タスクに対する効率的な同時解をいかに生み出すかを示す。
論文 参考訳(メタデータ) (2024-09-09T12:28:02Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳(メタデータ) (2024-09-05T07:18:09Z) - Physics-informed neural network for quantum control of NMR registers [0.0]
物理インフォームドニューラルネットワーク(PINN)を用いた量子制御の実験的検討を行った。
PINNの健全な特徴は、ネットワークパラメータの観点から制御シーケンス全体をエンコードする方法である。
ゲート合成と状態準備という2つの重要な量子情報課題について論じる。
論文 参考訳(メタデータ) (2024-06-29T13:56:31Z) - Pulse-controlled qubit in semiconductor double quantum dots [57.916342809977785]
単一電子電荷量子ビットの量子制御のための数値最適化多パルスフレームワークを提案する。
新規な制御方式は、キュービットを断熱的に操作すると同時に、高速で一般的な単一キュービット回転を行う能力も保持する。
論文 参考訳(メタデータ) (2023-03-08T19:00:02Z) - Dispersive qubit readout with machine learning [0.08399688944263842]
オープン量子系は散逸相転移を起こすことができ、その臨界挙動はセンシングアプリケーションに利用することができる。
最近導入された測定プロトコルでは、パラメトリック(2光子駆動)のカー共振器の駆動散逸位相遷移を使い、99.9%の単一量子ビット検出忠実度に達した。
我々は、機械学習に基づく分類アルゴリズムを用いて、この臨界ダイナミクスから情報を抽出する。
論文 参考訳(メタデータ) (2021-12-10T04:25:43Z) - Neural networks for on-the-fly single-shot state classification [0.0]
単発量子計測における状態分類へのニューラルネットワークの適用について検討する。
本手法は,ハードドライブへの大規模なデータ転送を必要とせず,オーバヘッドなしでオンザフライデータ処理が可能となる。
論文 参考訳(メタデータ) (2021-07-13T05:29:59Z) - Forensicability of Deep Neural Network Inference Pipelines [68.8204255655161]
本研究では,観測可能な出力に特徴的な数値偏差をトレースすることで,機械学習パイプラインの実行環境の特性を推定する手法を提案する。
一連の概念実証実験の結果は、ディープニューラルネットワーク予測を生成するために使用されるハードウェアプラットフォームの識別など、法医学的な応用をもたらす。
論文 参考訳(メタデータ) (2021-02-01T15:41:49Z) - Neural-network-based parameter estimation for quantum detection [0.0]
量子検出スキームの文脈では、ニューラルネットワークは自然な遊び場を見つける。
適切にトレーニングされたニューラルネットワークは、基礎となる物理モデルに関する最小限の知識でターゲットを特徴付けることができることを示す。
我々は、この手法を171ドルYbドル+原子センサーの開発で実証する。
論文 参考訳(メタデータ) (2020-12-14T16:26:05Z) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳(メタデータ) (2020-09-28T17:21:25Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳(メタデータ) (2020-07-31T17:25:12Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。