論文の概要: A Quantum States Preparation Method Based on Difference-Driven
Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2309.16972v1
- Date: Fri, 29 Sep 2023 04:42:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-02 15:25:02.503886
- Title: A Quantum States Preparation Method Based on Difference-Driven
Reinforcement Learning
- Title（参考訳）: 差分駆動強化学習に基づく量子状態生成法
- Authors: Wenjie Liu, Jing Xu and Bosi Wang
- Abstract要約: 本稿では,2量子ビット系の量子状態生成のための差分駆動強化学習アルゴリズムを提案する。
収束速度と最終的な量子状態の忠実度は異なる。
- 参考スコア（独自算出の注目度）: 7.595208396761107
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to the large state space of the two-qubit system, and the adoption of
ladder reward function in the existing quantum state preparation methods, the
convergence speed is slow and it is difficult to prepare the desired target
quantum state with high fidelity under limited conditions. To solve the above
problems, a difference-driven reinforcement learning (RL) algorithm for quantum
state preparation of two-qubit system is proposed by improving the reward
function and action selection strategy. Firstly, a model is constructed for the
problem of preparing quantum states of a two-qubit system, with restrictions on
the type of quantum gates and the time for quantum state evolution. In the
preparation process, a weighted differential dynamic reward function is
designed to assist the algorithm quickly obtain the maximum expected cumulative
reward. Then, an adaptive e-greedy action selection strategy is adopted to
achieve a balance between exploration and utilization to a certain extent,
thereby improving the fidelity of the final quantum state. The simulation
results show that the proposed algorithm can prepare quantum state with high
fidelity under limited conditions. Compared with other algorithms, it has
different degrees of improvement in convergence speed and fidelity of the final
quantum state.
- Abstract（参考訳）: 2量子ビット系の大きな状態空間と、既存の量子状態生成法におけるラダー報酬関数の採用により、収束速度は遅くなり、限られた条件下で高い忠実度で所望の量子状態を作成することが困難となる。
上記の問題を解決するため、2量子ビット系の量子状態生成のための差分駆動強化学習(RL)アルゴリズムを提案し、報酬関数と行動選択戦略を改善した。
第一に、量子ゲートのタイプと量子状態進化の時間に制限のある2量子ビット系の量子状態を準備する問題のためにモデルが構築される。
合成プロセスにおいて、アルゴリズムが期待される最大累積報酬を迅速に得られるように、重み付き微分力学報酬関数を設計する。
そして、探索と利用のバランスをある程度達成し、最終量子状態の忠実性を向上させるために適応型e-greedyアクション選択戦略を採用する。
シミュレーションの結果,提案アルゴリズムは限られた条件下で高忠実度で量子状態を作成することができることがわかった。
他のアルゴリズムと比較して、収束速度と最終的な量子状態の忠実度は異なる。
関連論文リスト
- Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Feedback-based Quantum Algorithm Inspired by Counterdiabatic Driving [0.32985979395737786]
本稿では,量子リアプノフ制御と反断熱駆動プロトコルのアイデアを用いたプロトコルを提案する。
我々は,1次元量子イジングスピン鎖の基底状態の生成にアルゴリズムを適用した。
論文 参考訳（メタデータ） (2024-01-27T05:41:32Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Enhancing Quantum Annealing in Digital-Analog Quantum Computing [0.0]
デジタルアナログ量子コンピューティング(DAQC)は、実用的な量子コンピュータを構築する際の課題に対処するための有望なアプローチを提供する。
本稿では,量子アニールの性能向上を目的としたアルゴリズムを提案する。
本研究では、量子回路を用いた量子データ処理が、量子情報を捨てる古典的なデータ処理より優れていることを示す。
論文 参考訳（メタデータ） (2023-06-03T09:16:15Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Improved iterative quantum algorithm for ground-state preparation [4.921552273745794]
ハミルトン系の基底状態を作成するために,改良された反復量子アルゴリズムを提案する。
提案手法には,各イテレーションにおける成功確率の向上,測定精度に依存しないサンプリングの複雑さ,ゲートの複雑さの低減,およびアシラリー状態が十分に準備された場合の量子資源のみを必要とするという利点がある。
論文 参考訳（メタデータ） (2022-10-16T05:57:43Z) - Constrained Quantum Optimization for Extractive Summarization on a
Trapped-ion Quantum Computer [13.528362112761805]
本稿では,量子ハードウェアの制約を保存する量子最適化アルゴリズムの,これまでで最大の実行方法を示す。
我々は、最大20キュービットと2キュービットゲート深さ最大159の量子進化を制限するXY-QAOA回路を実行する。
本稿では,アルゴリズムのトレードオフと,短期量子ハードウェア上での実行に対する影響について論じる。
論文 参考訳（メタデータ） (2022-06-13T16:21:04Z) - Reducing the cost of energy estimation in the variational quantum
eigensolver algorithm with robust amplitude estimation [50.591267188664666]
量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。
これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
論文 参考訳（メタデータ） (2022-03-14T16:51:36Z) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - 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) - Direct Quantum Communications in the Presence of Realistic Noisy
Entanglement [69.25543534545538]
本稿では,現実的な雑音に依拠する新しい量子通信方式を提案する。
性能分析の結果,提案手法は競争力のあるQBER, 利得, 利得を提供することがわかった。
論文 参考訳（メタデータ） (2020-12-22T13:06:12Z)
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。