論文の概要: Optimised Bayesian system identification in quantum devices

• arxiv url: http://arxiv.org/abs/2211.09090v1
• Date: Wed, 16 Nov 2022 18:12:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 09:27:44.407353
• Title: Optimised Bayesian system identification in quantum devices
• Title（参考訳）: 量子デバイスにおける最適ベイズ系同定
• Authors: Thomas M. Stace, Jiayin Chen, Li Li, Viktor S. Perunicic, Andre R. R. Carvalho, Michael R. Hush, Christophe H. Valahu, Ting Rei Tan, and Michael J. Biercuk
• Abstract要約: 本研究では,未知パラメータを動的モデルで推定する閉ループベイズ学習アルゴリズムを提案する。 シミュレーションキャリブレーションタスクと実験用シングルキュービットイオントラップシステムの両方でアルゴリズムの性能を実証する。
• 参考スコア（独自算出の注目度）: 3.72081359624651
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying and calibrating quantitative dynamical models for physical quantum systems is important for a variety of applications. Here we present a closed-loop Bayesian learning algorithm for estimating multiple unknown parameters in a dynamical model, using optimised experimental "probe" controls and measurement. The estimation algorithm is based on a Bayesian particle filter, and is designed to autonomously choose informationally-optimised probe experiments with which to compare to model predictions. We demonstrate the performance of the algorithm in both simulated calibration tasks and in an experimental single-qubit ion-trap system. Experimentally, we find that with 60x fewer samples, we exceed the precision of conventional calibration methods, delivering an approximately 93x improvement in efficiency (as quantified by the reduction of measurements required to achieve a target residual uncertainty and multiplied by the increase in accuracy). In simulated and experimental demonstrations, we see that successively longer pulses are selected as the posterior uncertainty iteratively decreases, leading to an exponential improvement in the accuracy of model parameters with the number of experimental queries.
• Abstract（参考訳）: 物理量子システムにおける量的力学モデルの同定と校正は、様々な応用において重要である。 ここでは、最適化された実験「プローブ」制御と測定を用いて、複数の未知パラメータを動的モデルで推定する閉ループベイズ学習アルゴリズムを提案する。 この推定アルゴリズムはベイズ粒子フィルタに基づいており、予測モデルと比較する情報最適化プローブ実験を自律的に選択するように設計されている。 シミュレーションキャリブレーションタスクと実験用シングルキュービットイオントラップシステムの両方でアルゴリズムの性能を実証する。 実験では,従来の校正法の精度を60倍に抑え,約93倍の効率向上(目標残差不確実性を達成するために必要な測定値の削減と精度の増大による乗算による定量化)を実現した。 シミュレーションおよび実験実験では、後続の不確実性が反復的に減少し、実験クエリ数でモデルパラメータの精度が指数関数的に向上するため、連続的に長いパルスが選択されることが分かった。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Identifiability and Characterization of Transmon Qutrits Through Bayesian Experimental Design [0.0]
  クォート系の量子特性評価のためのオンラインベイズ的手法を提案する。 パラメータの点推定を行うほとんどの評価プロトコルとは異なり、提案手法は確率分布を推定することができる。 モデルパラメータの理論的同定可能性の数学的証明と,パラメータが同定可能な量子状態に関する条件を提供する。
  論文  参考訳（メタデータ） (2023-12-15T22:02:54Z)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Sequential Experimental Design for Spectral Measurement: Active Learning Using a Parametric Model [1.9377646956063705]
  分光測定では, 試料の脆性や高エネルギーコストのため, 測定時間を短縮する必要がある。 本研究では,パラメトリックモデルを用いた能動学習によるスペクトル測定の逐次的実験設計について述べる。
  論文  参考訳（メタデータ） (2023-05-11T13:21:26Z)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Convergence of uncertainty estimates in Ensemble and Bayesian sparse model discovery [4.446017969073817]
  ブートストラップに基づく逐次しきい値最小二乗推定器による雑音に対する精度と頑健性の観点から経験的成功を示す。 このブートストラップに基づくアンサンブル手法は,誤差率の指数収束率で,確率的に正しい可変選択を行うことができることを示す。
  論文  参考訳（メタデータ） (2023-01-30T04:07:59Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Compensating for non-linear distortions in controlled quantum systems [0.0]
  実験プラットフォームにおける入力フィールドの歪みはモデルの精度を変化させ、予測されたダイナミクスを乱す。 任意の長さと大きさの非線形伝達関数に適した歪みを推定する有効な方法を提案する。 我々は、単一のRydberg原子系の数値的な例に対して、我々のアプローチをうまくテストした。
  論文  参考訳（メタデータ） (2022-10-14T14:02:39Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Accurate Characterization of Non-Uniformly Sampled Time Series using Stochastic Differential Equations [0.0]
  非均一サンプリングは、実験者が調査中のプロセスのサンプリング特性を完全に制御していない場合に発生する。 確率の数値最適化のための新しい初期推定法を提案する。 シミュレーション実験において,新しい推定器の精度が向上したことを示す。
  論文  参考訳（メタデータ） (2020-07-02T13:03:09Z)
• Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
  我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。 本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
  論文  参考訳（メタデータ） (2020-05-22T22:30:52Z)

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。