論文の概要: Bayesian Optimization for Robust State Preparation in Quantum Many-Body Systems

• arxiv url: http://arxiv.org/abs/2312.09253v2
• Date: Thu, 20 Jun 2024 12:17:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-22 05:58:16.087825
• Title: Bayesian Optimization for Robust State Preparation in Quantum Many-Body Systems
• Title（参考訳）: 量子多体系におけるロバスト状態生成のためのベイズ最適化
• Authors: Tizian Blatz, Joyce Kwan, Julian Léonard, Annabelle Bohrdt,
• Abstract要約: 我々は最近,超低温原子系で実装された状態準備プロトコルにベイズ最適化を適用した。 手動ランプ設計と比較して,最適化手法の優れた性能を数値シミュレーションで示す。 提案されたプロトコルとワークフローは、実験においてより複雑な多体量子状態の実現に向けた道を開く。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: New generations of ultracold-atom experiments are continually raising the demand for efficient solutions to optimal control problems. Here, we apply Bayesian optimization to improve a state-preparation protocol recently implemented in an ultracold-atom system to realize a two-particle fractional quantum Hall state. Compared to manual ramp design, we demonstrate the superior performance of our optimization approach in a numerical simulation - resulting in a protocol that is 10x faster at the same fidelity, even when taking into account experimentally realistic levels of disorder in the system. We extensively analyze and discuss questions of robustness and the relationship between numerical simulation and experimental realization, and how to make the best use of the surrogate model trained during optimization. We find that numerical simulation can be expected to substantially reduce the number of experiments that need to be performed with even the most basic transfer learning techniques. The proposed protocol and workflow will pave the way toward the realization of more complex many-body quantum states in experiments.
• Abstract（参考訳）: 次世代の超低温原子実験は、最適制御問題に対する効率的な解の需要を継続的に高めている。 本稿では,2粒子分数量子ホール状態を実現するために,超低温原子系で最近実装された状態準備プロトコルを改善するためにベイズ最適化を適用した。 手動のランプ設計と比較して、シミュレーションにおいて最適化手法の優れた性能を示す。結果として、実験的に現実的なシステムの障害レベルを考慮しても、同じ忠実度で10倍高速なプロトコルが実現される。 本研究では, 数値シミュレーションと実験的実現の関係や, 最適化時に訓練したサロゲートモデルの最適活用方法について, 頑健性に関する質問を幅広く分析し, 議論する。 シミュレーションにより,最も基礎的な移動学習手法であっても,実施すべき実験の数を大幅に削減することが期待できる。 提案されたプロトコルとワークフローは、実験においてより複雑な多体量子状態の実現に向けた道を開く。

関連論文リスト

• Benchmarking Optimizers for Qumode State Preparation with Variational Quantum Algorithms [10.941053143198092]
  この分野の進歩と潜在的な応用により、クォーモックへの関心が高まっている。 本稿では,変分量子アルゴリズムを用いて状態準備に使用する各種パラメータのパフォーマンスベンチマークを提供することにより,このギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-07T17:15:58Z)
• Bayesian optimization for state engineering of quantum gases [1.6144007597015433]
  量子オブジェクトの状態工学は、ほとんどの実装において中心的な要件である。 本稿では,多出力ガウス過程に基づくベイズ最適化を提案する。 これは複雑な量子系の効率的な状態工学への道を開く。
  論文  参考訳（メタデータ） (2024-04-28T16:24:28Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [74.93549765488103]
  薬物発見において、分子動力学シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合の正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 我々は、標準的な数値MDシミュレーションよりも2000$times$のスピードアップを達成し、安定性の指標の下では、他のMLアプローチよりも最大80%高い効率で、NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• 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)
• On Fast Simulation of Dynamical System with Neural Vector Enhanced Numerical Solver [59.13397937903832]
  ニューラルベクトル(NeurVec)と呼ばれる深層学習に基づく補正手法を提案する。 NeurVecは、統合エラーを補償し、シミュレーションでより大きなタイムステップサイズを可能にする。 様々な複雑な力学系ベンチマークの実験により、NeurVecは顕著な一般化能力を示すことが示された。
  論文  参考訳（メタデータ） (2022-08-07T09:02:18Z)
• Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
  微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。 勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
  論文  参考訳（メタデータ） (2022-07-12T16:08:04Z)
• Benchmarking Quantum Simulators using Ergodic Quantum Dynamics [4.2392660892009255]
  実験によって得られた状態と理想状態の間の忠実度を推定するために,サンプル効率のよいプロトコルを解析する。 我々は、様々な量子シミュレータプラットフォームのためのプロトコルを数値的に示す。
  論文  参考訳（メタデータ） (2022-05-24T17:18:18Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [48.7576911714538]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 光学系は、力学と進行する光のモードの間の量子絡み合いを生成するように配置することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)
• Fast Simulation of Magnetic Field Gradients for Optimization of Pulse Sequences [0.0]
  核磁気共鳴(NMR)におけるパルス磁場勾配(PFG)のシミュレーション法について検討する。 PFGの高速なシミュレーションにより、PFG、高周波パルス、自由進化からなるシーケンスを最適化し、非単体進化(量子チャネル)を実現することができることを示す。 第2の実験では、PFGの高速なシミュレーションを用いて、これまで知られていたどの手順よりも優れた信号と雑音の比率で擬似純粋状態を作成するためのシーケンスを最適化し、実装した。
  論文  参考訳（メタデータ） (2020-06-17T20:02:39Z)
• Using models to improve optimizers for variational quantum algorithms [1.7475326826331605]
  変分量子アルゴリズムは、ノイズの多い中間スケール量子コンピュータの初期応用の第一候補である。 これらのアルゴリズムは、パラメータ化量子回路の機能を最小化する古典的な最適化外ループに依存している。 本稿では,2つの最適化手法を導入し,その性能を今日の一般的な手法と数値的に比較する。
  論文  参考訳（メタデータ） (2020-05-22T05:23:23Z)
• Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
  実験者は、グローバルな最適な場所に関する知識を得ることができる。 グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。 効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
  論文  参考訳（メタデータ） (2020-02-26T01:57:36Z)

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。