論文の概要: Machine-learning-inspired quantum optimal control of nonadiabatic geometric quantum computation via reverse engineering

• arxiv url: http://arxiv.org/abs/2309.16470v1
• Date: Thu, 28 Sep 2023 14:36:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-29 14:07:34.104782
• Title: Machine-learning-inspired quantum optimal control of nonadiabatic geometric quantum computation via reverse engineering
• Title（参考訳）: リバースエンジニアリングによる非断熱幾何量子計算の機械学習による量子最適制御
• Authors: Meng-Yun Mao and Zheng Cheng and Yan Xia and Andrzej M. Ole\'s and Wen-Long You
• Abstract要約: 制御パラメータを最適化するために,平均忠実度に基づく機械学習に基づく有望な手法を提案する。 逆工学による一量子ゲートをキャット状態の非断熱的幾何量子計算により実装する。 ニューラルネットワークがモデル空間を拡張する能力を持っていることを実証する。
• 参考スコア（独自算出の注目度）: 3.3216171033358077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum control plays an irreplaceable role in practical use of quantum computers. However, some challenges have to be overcome to find more suitable and diverse control parameters. We propose a promising and generalizable average-fidelity-based machine-learning-inspired method to optimize the control parameters, in which a neural network with periodic feature enhancement is used as an ansatz. In the implementation of a single-qubit gate by cat-state nonadiabatic geometric quantum computation via reverse engineering, compared with the control parameters in the simple form of a trigonometric function, our approach can yield significantly higher-fidelity ($>99.99\%$) phase gates, such as the $\pi / 8$ gate (T gate). Single-qubit gates are robust against systematic noise, additive white Gaussian noise and decoherence. We numerically demonstrate that the neural network possesses the ability to expand the model space. With the help of our optimization, we provide a feasible way to implement cascaded multi-qubit gates with high quality in a bosonic system. Therefore, the machine-learning-inspired method may be feasible in quantum optimal control of nonadiabatic geometric quantum computation.
• Abstract（参考訳）: 量子コンピュータの実用化において、量子制御は相応の役割を果たす。 しかし、より適切で多様な制御パラメータを見つけるためには、いくつかの課題を克服する必要がある。 本稿では,周期的特徴量拡張を持つニューラルネットワークをアンサッツとして用いる制御パラメータを最適化する,有望で一般化可能な平均忠実性に基づく機械学習手法を提案する。 逆工学による単一量子ビットゲートの実装において、三角関数の単純な形における制御パラメータと比較すると、このアプローチは$\pi / 8$ゲート(tゲート)のような位相ゲートよりも高い忠実度 (>99.99\%$$) が得られる。 単一量子ビットゲートは、システマティックノイズ、付加白色ガウスノイズ、デコヒーレンスに対して頑健である。 ニューラルネットワークがモデル空間を拡張する能力を持っていることを数値的に示す。 最適化の助けを借りて、ボソニックシステムにおいて、高い品質のカスケードマルチキュービットゲートを実装するための実現可能な方法を提供する。 したがって、機械学習にインスパイアされた手法は、非断熱幾何学的量子計算の量子最適制御において実現可能である。

関連論文リスト

• Implementing multi-controlled X gates using the quantum Fourier transform [0.0]
  本稿では,多くの複雑な量子ゲートの実装において,量子演算に基づくアプローチを効果的に利用する方法を示す。 回路の深さがわずか数個のアシラ量子ビットで大幅に低減されることを示す。
  論文  参考訳（メタデータ） (2024-07-25T13:22:00Z)
• 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)
• Nonadiabatic geometric quantum gates with on-demand trajectories [2.5539863252714636]
  オンデマンドトラジェクトリを用いた幾何学的量子ゲート構築のための汎用プロトコルを提案する。 提案手法は,スムーズパルスを用いたターゲットハミルトニアンのリバースエンジニアリングを採用する。 特定の幾何学的ゲートは様々な異なる軌跡によって誘導できるため、ゲート性能をさらに最適化することができる。
  論文  参考訳（メタデータ） (2024-01-20T06:57:36Z)
• Hamiltonian Quantum Generative Adversarial Networks [4.806505912512235]
  本稿では、未知の入力量子状態を生成することを学ぶために、ハミルトン量子生成共振器ネットワーク(HQuGAN)を提案する。 提案手法は,多体多体量子状態に絡み合った多体量子状態の学習能力を数値的に示す。
  論文  参考訳（メタデータ） (2022-11-04T16:53:55Z)
• Quantum Optimal Control without Arbitrary Waveform Generators [1.572727650614088]
  量子系の任意の制御は、適切な順序で制御フィールドをオン/オフするだけで実現できることを示す。 制御プロトコルの柔軟性と堅牢性を実証し,超伝導量子回路に適用する。
  論文  参考訳（メタデータ） (2022-09-20T17:27:27Z)
• 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)
• 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)
• Variational Adiabatic Gauge Transformation on real quantum hardware for effective low-energy Hamiltonians and accurate diagonalization [68.8204255655161]
  変分アダバティックゲージ変換(VAGT)を導入する。 VAGTは、現在の量子コンピュータを用いてユニタリ回路の変動パラメータを学習できる非摂動型ハイブリッド量子アルゴリズムである。 VAGTの精度は、RigettiおよびIonQ量子コンピュータ上でのシミュレーションと同様に、トラフ数値シミュレーションで検証される。
  論文  参考訳（メタデータ） (2021-11-16T20:50:08Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Quantum control landscape for ultrafast generation of single-qubit phase shift quantum gates [68.8204255655161]
  単一量子ビット位相シフト量子ゲートの超高速制御問題を考える。 大域的最適制御は、最大忠実度でゲートを実現する制御である。 Trapは、ローカルにのみ最適だが、グローバルにはないコントロールである。
  論文  参考訳（メタデータ） (2021-04-26T16:38:43Z)
• Simulating nonnative cubic interactions on noisy quantum machines [65.38483184536494]
  量子プロセッサは、ハードウェアに固有のものではないダイナミクスを効率的にシミュレートするためにプログラムできることを示す。 誤差補正のないノイズのあるデバイスでは、モジュールゲートを用いて量子プログラムをコンパイルするとシミュレーション結果が大幅に改善されることを示す。
  論文  参考訳（メタデータ） (2020-04-15T05:16:24Z)

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。