論文の概要: No-Collapse Accurate Quantum Feedback Control via Conditional State Tomography

• arxiv url: http://arxiv.org/abs/2301.07254v1
• Date: Wed, 18 Jan 2023 01:28:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 17:13:18.652378
• Title: No-Collapse Accurate Quantum Feedback Control via Conditional State Tomography
• Title（参考訳）: 条件状態トモグラフィによる非破壊的量子フィードバック制御
• Authors: Sangkha Borah and Bijita Sarma
• Abstract要約: 本研究では,量子系の条件力学のノイズフリーモニタリングを可能にする実時間状態推定手法を提案する。 このアプローチは、AIコントローラを任意の条件付き平均オブザーバブルでトレーニングできる機械学習ベースの制御において特に重要である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The effectiveness of measurement-based feedback control (MBFC) protocols is hindered by the presence of measurement noise, which impairs the ability to accurately infer the underlying dynamics of a quantum system from noisy continuous measurement records. To circumvent this limitation, a real-time stochastic state estimation approach is proposed in this work, that enables noise-free monitoring of the conditional dynamics, including the full density matrix of the quantum system, despite using noisy measurement data. This, in turn, enables the development of precise MBFC strategies that leads to effective control of quantum systems by essentially mitigating the constraints imposed by measurement noise, and has potential applications in various feedback quantum control scenarios. This approach is particularly important for machine learning-based control, where the AI controller can be trained with arbitrary conditional averages of observables, including the full density matrix, to quickly and accurately learn control strategies.
• Abstract（参考訳）: 測定に基づく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妨げられ、ノイズの連続測定記録から量子システムの基盤となるダイナミクスを正確に推測する能力が損なわれる。 この制限を回避するために, 雑音測定データを用いながら, 量子系の全密度行列を含む条件付きダイナミクスのノイズフリーモニタリングを実現する, 実時間確率的状態推定手法を提案する。 これにより、測定ノイズによる制約を緩和することで、量子システムの効果的な制御につながる正確なMBFC戦略の開発が可能になり、様々なフィードバック量子制御シナリオに潜在的な応用が期待できる。 このアプローチは機械学習ベースの制御において特に重要であり、AIコントローラは、フル密度行列を含むオブザーバブルの任意の条件平均でトレーニングして、制御戦略を迅速かつ正確に学習することができる。

関連論文リスト

• Quantum control by the environment: Turing uncomputability, Optimization over Stiefel manifolds, Reachable sets, and Incoherent GRAPE [56.47577824219207]
  多くの現実的な状況において、制御された量子系は環境と相互作用する。 本稿では,環境を資源として利用したオープン量子システムの制御に関するいくつかの結果について概説する。
  論文  参考訳（メタデータ） (2024-03-20T10:09:13Z)
• Robust Quantum Control via a Model Predictive Control Strategy [4.197316670989004]
  本稿では,有界不確実性を考慮した2レベル量子系のロバスト制御戦略を提案する。 TOMPCアルゴリズムの安定性を保証するための理論的結果を示す。 数値シミュレーションにより、不確実性が存在する場合、我々の量子TOMPCアルゴリズムはロバスト性を高め、その状態を高い忠実度で所望の状態に導出することを示した。
  論文  参考訳（メタデータ） (2024-02-12T04:05:54Z)
• Robust and efficient verification of graph states in blind measurement-based quantum computation [52.70359447203418]
  Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。 資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。 本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T06:24:45Z)
• Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
  雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。 まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。 我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
  論文  参考訳（メタデータ） (2023-01-04T10:40:30Z)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• Suppressing Amplitude Damping in Trapped Ions: Discrete Weak Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
  この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。 振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。 このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
  論文  参考訳（メタデータ） (2022-09-06T18:18:41Z)
• Robust optimization for quantum reinforcement learning control using partial observations [10.975734427172231]
  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。
  論文  参考訳（メタデータ） (2022-06-29T06:30:35Z)
• 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)
• 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)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Information Theoretical Limits for Quantum Optimal Control Solutions: Error Scaling of Noisy Channels [4.724825031148412]
  我々は、任意のノイズ源を受けるときのシステム制御能力を特徴付ける分析的境界(情報時境界)を提供する。 量子最適制御のための着衣チョッピングランダムベース(dCRAB)アルゴリズムを用いて、ノイズパラメータの関数としての制御精度のスケーリングを数値的に検証する。
  論文  参考訳（メタデータ） (2020-06-29T15:22:09Z)

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。