論文の概要: Automatic re-calibration of quantum devices by reinforcement learning

• arxiv url: http://arxiv.org/abs/2404.10726v1
• Date: Tue, 16 Apr 2024 16:59:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-17 15:55:23.566549
• Title: Automatic re-calibration of quantum devices by reinforcement learning
• Title（参考訳）: 強化学習による量子デバイスの自動校正
• Authors: T. Crosta, L. Rebón, F. Vilariño, J. M. Matera, M. Bilkis,
• Abstract要約: 量子デバイスパラメータの連続的な再校正のためのモデルフリー制御ループの開発に強化学習手法の適用について検討する。 例えば、ケネディ受信機を用いた長距離量子通信プロトコルの数値シミュレーションへの応用について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: During their operation, due to shifts in environmental conditions, devices undergo various forms of detuning from their optimal settings. Typically, this is addressed through control loops, which monitor variables and the device performance, to maintain settings at their optimal values. Quantum devices are particularly challenging since their functionality relies on precisely tuning their parameters. At the same time, the detailed modeling of the environmental behavior is often computationally unaffordable, while a direct measure of the parameters defining the system state is costly and introduces extra noise in the mechanism. In this study, we investigate the application of reinforcement learning techniques to develop a model-free control loop for continuous recalibration of quantum device parameters. Furthermore, we explore the advantages of incorporating minimal environmental noise models. As an example, the application to numerical simulations of a Kennedy receiver-based long-distance quantum communication protocol is presented.
• Abstract（参考訳）: 運用中、環境条件の変化により、デバイスは最適な設定から様々な形態のデチューンを行う。 通常、これは変数とデバイスのパフォーマンスを監視し、最適な値の設定を維持する制御ループを通して対処される。 量子デバイスは、パラメータを正確に調整することに依存するため、特に難しい。 同時に、環境挙動の詳細なモデリングは、しばしば計算不可能であり、システム状態を定義するパラメータの直接測定はコストがかかり、メカニズムに余分なノイズが生じる。 本研究では,量子デバイスパラメータの連続的な再校正のためのモデルフリー制御ループの開発のための強化学習手法の適用について検討する。 さらに,環境騒音を最小限に抑えることの利点についても検討する。 例えば、ケネディ受信機を用いた長距離量子通信プロトコルの数値シミュレーションへの応用について述べる。

関連論文リスト

• Bisimulation metric for Model Predictive Control [44.301098448479195]
  Bisimulation Metric for Model Predictive Control (BS-MPC) は、目的関数にbisimulation metric lossを組み込んでエンコーダを直接最適化する新しい手法である。 BS-MPCは、トレーニング時間を削減することにより、トレーニング安定性、入力ノイズに対する堅牢性、および計算効率を向上させる。 我々は,DeepMind Control Suiteから連続制御および画像ベースタスクのBS-MPCを評価する。
  論文  参考訳（メタデータ） (2024-10-06T17:12:10Z)
• Variational quantum state preparation for quantum-enhanced metrology in noisy systems [0.7652747219811168]
  我々は,低深さ変動量子回路(VQC)を,重畳雑音を受ける量子ビットの連鎖に適用した大域回転とエンタングリング演算からなるシミュレーションを行った。 VQCで実装されたエンタングリング操作の詳細にかかわらず、最適量子状態は、定性的な状態の三重項に広く分類できる。 この知見は,絡み合いを利用した次世代量子センサの最適状態調整戦略の設計に有用である。
  論文  参考訳（メタデータ） (2024-06-04T00:09:05Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• 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)
• Characterization of overparametrization in the simulation of realistic quantum systems [0.0]
  量子コンピューティングデバイスは、量子状態を作成し、他の量子システムをシミュレートするために、実験パラメータを例外的に制御する必要がある。 このような最適制御パラメータを見つけるために使用される古典的な最適化手順は、様々な学習様式を示すために理想化された設定で示されてきた。 この結果から,パラメーターアゼは環境からエントロピー効果を緩和し,その応用と短期量子デバイスにおける実験的実現の機会を提供することを示した。
  論文  参考訳（メタデータ） (2024-01-10T19:00:16Z)
• 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)
• Markovian Noise Modelling and Parameter Extraction Framework for Quantum Devices [0.0]
  この研究は、量子システムのマルコフノイズと力学をモデル化するための新しいハードウェアに依存しないフレームワークを提供する。 例えば、このフレームワークの応用と性能はIBM Quantumコンピュータ上で実証されている。
  論文  参考訳（メタデータ） (2022-02-09T14:06:53Z)
• Dynamical learning of a photonics quantum-state engineering process [48.7576911714538]
  実験的な高次元量子状態の工学は、いくつかの量子情報プロトコルにとって重要な課題である。 我々は、フォトニック軌道Angular Momentum(OAM)ステートを設計するための自動適応最適化プロトコルを実装した。 このアプローチは、量子情報プロトコルや技術のためのノイズの多い実験タスクを自動最適化するための強力なツールである。
  論文  参考訳（メタデータ） (2022-01-14T19:24:31Z)
• Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
  我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。 これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。 シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
  論文  参考訳（メタデータ） (2021-05-20T17:06:52Z)
• Model-Free Quantum Control with Reinforcement Learning [0.0]
  本研究では,量子制御タスクにおける強化学習エージェントをモデル無しで学習するための回路ベースアプローチを提案する。 実験可能な観測機器の測定値を用いて学習エージェントに報奨を与える方法を示す。 このアプローチは、サンプル効率の観点から、広く使われているモデルフリーメソッドよりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-04-29T17:53:26Z)

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。