論文の概要: Applications of model-aware reinforcement learning in Bayesian quantum metrology

• arxiv url: http://arxiv.org/abs/2403.05706v1
• Date: Fri, 8 Mar 2024 22:48:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 12:38:42.254356
• Title: Applications of model-aware reinforcement learning in Bayesian quantum metrology
• Title（参考訳）: ベイズ量子論におけるモデル・アウェア強化学習の応用
• Authors: Federico Belliardo, Fabio Zoratti, Vittorio Giovannetti
• Abstract要約: Belliardo et al., arXiv:2312.16985 (2023) では、量子力学と推定において幅広いタスクを最適化できる手順を紹介した。 我々は、トレーニングにおいて、システムを記述する物理を明示的に考慮した最適化にモデルベースのアプローチを採用する。 この展示は、PyPIでリリースされたqsensoroptライブラリで実装されている、この方法の幅広い適用性を示している。
• 参考スコア（独自算出の注目度）: 0.6138671548064355
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: An important practical problem in the field of quantum metrology and sensors is to find the optimal sequences of controls for the quantum probe that realize optimal adaptive estimation. In Belliardo et al., arXiv:2312.16985 (2023), we solved this problem in general, by introducing a procedure capable of optimizing a wide range of tasks in quantum metrology and estimation by combining model-aware reinforcement learning with Bayesian inference. We take a model-based approach to the optimisation where the physics describing the system is explicitly taken into account in the training through automatic differentiation. In this follow-up paper we present some applications of the framework. The first family of examples concerns the estimation of magnetic fields, hyperfine interactions, and decoherence times for electronic spins in diamond. For these examples, we perform multiple Ramsey measurements on the spin. The second family of applications concerns the estimation of phases and coherent states on photonic circuits, without squeezing elements, where the bosonic lines are measured by photon counters. This exposition showcases the broad applicability of the method, which has been implemented in the qsensoropt library released on PyPI, which can be installed with pip.
• Abstract（参考訳）: 量子力学とセンサの分野における重要な実践的問題は、最適適応推定を実現する量子プローブの制御の最適なシーケンスを見つけることである。 belliardo et al., arxiv:2312.16985 (2023) では, 量子計測学における幅広いタスクを最適化し, モデル認識強化学習とベイズ推定を組み合わせることにより, この問題を一般に解いた。 最適化にはモデルに基づくアプローチを採り、システムを記述する物理学は自動微分によるトレーニングにおいて明示的に考慮される。 本稿では,このフレームワークの応用例を紹介する。 最初の例は、磁場の推定、超微細構造相互作用、ダイヤモンド中の電子スピンのデコヒーレンス時間に関するものである。 これらの例では、スピン上で複数のラムゼー測定を行う。 第2の応用は、フォトニック回路における位相とコヒーレント状態の推定であり、原子線を光子カウンタで測定する素子をスクイーズせずに行う。 この展示は、pipでインストール可能なpypiでリリースされたqsensoroptライブラリで実装されたこの方法の幅広い適用性を示している。

関連論文リスト

• Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
  構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。 このようなシステムに対して動的疎結合が機能する十分な条件を見つける。 私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
  論文  参考訳（メタデータ） (2024-09-24T04:58:28Z)
• Optimal overlapping tomography [0.814548016007804]
  重なり合うトモグラフィーは、量子システムの特定のサブシステムに含まれる全ての情報を取得することができるスキームである。 そこで本稿では,異なる特徴量に対して最適な重なり合うトモグラフィーのプロトコルを提案する。 その結果、量子コンピュータにおけるノイズや相互作用パターンの学習や、量子化学におけるフェルミオン系の特徴付けへの応用が見出される。
  論文  参考訳（メタデータ） (2024-08-11T08:59:08Z)
• Optimal Multiparameter Metrology: The Quantum Compass Solution [0.0]
  繰り返し測定による複数物理パラメータの最適量子センシングについて検討した。 最適性基準の両方を満たす入力状態と測定値の組み合わせを同定する。 得られた最適センサを量子コンパス解と呼ぶ。
  論文  参考訳（メタデータ） (2024-04-22T14:03:46Z)
• Model-aware reinforcement learning for high-performance Bayesian experimental design in quantum metrology [0.5461938536945721]
  量子センサは、様々なパラメータにわたる実験者による操作を可能にすることで、推定中に制御の柔軟性を提供する。 量子力学、推定、仮説テストにおいて、幅広い問題を最適化できる汎用的な手順を導入する。 粒子フィルタリングに基づくモデル認識強化学習(RL)とベイズ推定を組み合わせた。
  論文  参考訳（メタデータ） (2023-12-28T12:04:15Z)
• Tutorial: Calibration refinement in quantum annealing [0.3425341633647624]
  量子アニールはクロストーク、デバイス変動、環境騒音などの非理想性に影響を受けやすい。 シミング」は性能を著しく向上させるが、しばしば解かれる問題と量子アニール器自体の両方において対称性を利用するアドホックな手法に依存する。 本稿では,Isingモデルで活用可能な対称性を見つける方法を紹介し,これらの対称性を用いて不必要なバイアスを抑える方法について論じる。
  論文  参考訳（メタデータ） (2023-04-20T14:48:37Z)
• Variational waveguide QED simulators [58.720142291102135]
  導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。 ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
  論文  参考訳（メタデータ） (2023-02-03T18:55:08Z)
• Neural networks for Bayesian quantum many-body magnetometry [0.0]
  絡み合った量子多体系は、個々の量子検出器のアンサンブルで達成可能な精度よりも大きいパラメータを推定できるセンサーとして使用できる。 このことは、ベイズ推論手法の適用性を妨げうる複雑さを伴っている。 量子多体センサの力学を忠実に再現するニューラルネットワークを用いて、これらの問題を回避する方法を示す。
  論文  参考訳（メタデータ） (2022-12-22T22:13:49Z)
• End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
  問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。 アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
  論文  参考訳（メタデータ） (2022-11-22T18:54:48Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Regression of high dimensional angular momentum states of light [47.187609203210705]
  空間強度分布の測定から入力OAM状態を再構成する手法を提案する。 我々は、量子ウォークダイナミックスによって4次元のOAM状態を生成する、実際のフォトニックなセットアップで我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2022-06-20T16:16:48Z)
• Quantum-optimal-control-inspired ansatz for variational quantum algorithms [105.54048699217668]
  変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。 ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。 この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
  論文  参考訳（メタデータ） (2020-08-03T18:00:05Z)

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。