論文の概要: Dropout is all you need: robust two-qubit gate with reinforcement
learning
- arxiv url: http://arxiv.org/abs/2312.06335v1
- Date: Mon, 11 Dec 2023 12:32:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 15:41:01.022132
- Title: Dropout is all you need: robust two-qubit gate with reinforcement
learning
- Title(参考訳): dropoutは、強化学習を備えた頑丈な2量子ビットゲート
- Authors: Tian-Niu Xu, Yongcheng Ding, Jos\'e D. Mart\'in-Guerrero, and Xi Chen
- Abstract要約: 本研究では,量子制御プロトコルの設計において,強化学習を効果的に実施するために,人間の専門家による指導がどの程度必要かを検討する。
核磁気共鳴システムにおけるロバストな2量子ゲートの工学に着目し、解析解の組み合わせをコンピュータ科学の分野における先行知識と技術として活用する。
- 参考スコア(独自算出の注目度): 3.5621685463862356
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the realm of quantum control, reinforcement learning, a prominent branch
of machine learning, emerges as a competitive candidate for computer-assisted
optimal design for experiments. This study investigates the extent to which
guidance from human experts is necessary for the effective implementation of
reinforcement learning in designing quantum control protocols. Specifically, we
focus on the engineering of a robust two-qubit gate within a nuclear magnetic
resonance system, utilizing a combination of analytical solutions as prior
knowledge and techniques from the field of computer science. Through extensive
benchmarking of different models, we identify dropout, a widely-used method for
mitigating overfitting in machine learning, as an especially robust approach.
Our findings demonstrate the potential of incorporating computer science
concepts to propel the development of advanced quantum technologies.
- Abstract(参考訳): 量子制御の分野では、機械学習の著名な分野である強化学習が、コンピュータ支援による実験最適設計の競争候補として現れる。
本研究では,量子制御プロトコルの設計において,強化学習を効果的に実施するためには,人間専門家の指導がどの程度必要かを検討する。
具体的には、核磁気共鳴システム内のロバストな2ビットゲートの工学に焦点をあて、解析解の組み合わせをコンピュータ科学の分野における先行知識と技術として活用する。
異なるモデルの広範なベンチマークを通じて、機械学習における過度な適合を緩和するための広く使われている方法であるドロップアウトを、特に堅牢なアプローチとして特定する。
本研究は,高度な量子技術の発展を促進するために,コンピュータ科学の概念を取り入れる可能性を示す。
関連論文リスト
- Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。
私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文 参考訳(メタデータ) (2024-01-20T03:11:59Z) - Towards Efficient and Trustworthy AI Through
Hardware-Algorithm-Communication Co-Design [32.815326729969904]
最先端のAIモデルは、その不確実性に関する信頼できる尺度を提供することができない。
本稿では,ハードウェアとソフトウェア設計の交差点における研究の方向性を明らかにする。
論文 参考訳(メタデータ) (2023-09-27T18:39:46Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Unified Quantum State Tomography and Hamiltonian Learning Using
Transformer Models: A Language-Translation-Like Approach for Quantum Systems [0.47831562043724657]
本稿では,量子状態トモグラフィとハミルトン学習を効果的に融合させるため,変圧器モデルに注意機構を取り入れた新しいアプローチを提案する。
簡単な2量子ビットの場合から、より複雑な2次元反強磁性ハイゼンベルク構造まで、様々な量子系におけるアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2023-04-24T11:20:44Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。
我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文 参考訳(メタデータ) (2022-04-08T17:48:59Z) - A Tutorial on Optimal Control and Reinforcement Learning methods for
Quantum Technologies [0.0]
本チュートリアルでは,3段階の人口移動問題に適用することで,量子最適制御と強化学習の手法を紹介する。
結果の一部を再現するJupyterノートブックはオープンソースでGitHubで公開されている。
論文 参考訳(メタデータ) (2021-12-14T15:11:10Z) - Generation of High-Resolution Handwritten Digits with an Ion-Trap
Quantum Computer [55.41644538483948]
本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。
我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
論文 参考訳(メタデータ) (2020-12-07T18:51:28Z) - Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。
量子回路合成問題における時間-最適制御の強化について述べる。
我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文 参考訳(メタデータ) (2020-06-19T19:12:14Z) - Designing high-fidelity multi-qubit gates for semiconductor quantum dots
through deep reinforcement learning [0.0]
シリコンの量子ドットに基づく量子プロセッサのための高忠実度マルチキュービットゲートを設計するための機械学習フレームワークを提案する。
我々は,高忠実度マルチキュービットゲートを実現するために,深部強化学習法を用いて最適制御パルスを設計する。
論文 参考訳(メタデータ) (2020-06-15T23:08:46Z)
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。