論文の概要: A Hybrid Quantum-Classical Physics-Informed Neural Network Architecture for Solving Quantum Optimal Control Problems

• arxiv url: http://arxiv.org/abs/2404.15015v1
• Date: Tue, 23 Apr 2024 13:22:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 13:51:55.444840
• Title: A Hybrid Quantum-Classical Physics-Informed Neural Network Architecture for Solving Quantum Optimal Control Problems
• Title（参考訳）: 量子最適制御問題の解法のためのハイブリッド量子古典物理学インフォームドニューラルネットワークアーキテクチャ
• Authors: Nahid Binandeh Dehaghani, A. Pedro Aguiar, Rafal Wisniewski,
• Abstract要約: この研究は、量子状態操作を最適化するための革新的なアプローチを示している。 提案したハイブリッドモデルは,最適制御問題の解法として機械学習手法を効果的に適用する。 これは、量子状態遷移問題を解決するために、ハイブリッドPINNネットワークの設計と実装を通して説明される。
• 参考スコア（独自算出の注目度）: 1.4811951486536687
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes an integrated quantum-classical approach that merges quantum computational dynamics with classical computing methodologies tailored to address control problems based on Pontryagin's minimum principle within a Physics-Informed Neural Network (PINN) framework. By leveraging a dynamic quantum circuit that combines Gaussian and non-Gaussian gates, the study showcases an innovative approach to optimizing quantum state manipulations. The proposed hybrid model effectively applies machine learning techniques to solve optimal control problems. This is illustrated through the design and implementation of a hybrid PINN network to solve a quantum state transition problem in a two and three-level system, highlighting its potential across various quantum computing applications.
• Abstract（参考訳）: 本稿では,Pongryaginの最小原理に基づく制御問題に対応するために,古典計算手法と量子力学を融合した量子古典的手法を提案する。 ガウスゲートと非ガウスゲートを組み合わせた動的量子回路を利用することで、量子状態操作を最適化するための革新的なアプローチが示される。 提案したハイブリッドモデルは,最適制御問題の解法として機械学習手法を効果的に適用する。 これは、2レベルと3レベルのシステムにおける量子状態遷移問題を解決するために、ハイブリッドPINNネットワークの設計と実装を通じて説明され、様々な量子コンピューティングアプリケーションにおけるその可能性を強調している。

関連論文リスト

• Demonstration of Hardware Efficient Photonic Variational Quantum Algorithm [2.4630731476141365]
  本稿では,1光子と線形光ネットワークが変分量子アルゴリズムの実装に十分であることを示す。 因子化タスクのインスタンスに取り組むための変分的アプローチの実証実験によってこれを実証する。
  論文  参考訳（メタデータ） (2024-08-19T18:26:57Z)
• Quantum Neural Networks for Solving Power System Transient Simulation Problem [0.0]
  本稿では2つの新しい量子ニューラルネットワーク(QNN)を導入し,従来のシミュレーション手法の代替として提案する。 これらのQNNの応用は、2つの小さな電力系統をシミュレートし、その可能性を実証する。 この研究は、量子コンピューティングを電力システムシミュレーションに適用する先駆的な取り組みであると同時に、複雑なエンジニアリング課題に対処する量子技術の可能性も拡大している。
  論文  参考訳（メタデータ） (2024-05-19T02:18:04Z)
• Graph Learning for Parameter Prediction of Quantum Approximate Optimization Algorithm [14.554010382366302]
  量子近似最適化(Quantum Approximate Optimization, QAOA)は、Max-Cutの問題を効率的に解く可能性において際立っている。 我々は,GNNをウォームスタート手法として,グラフニューラルネットワーク(GNN)を用いてQAOAを最適化する。 以上の結果から,量子コンピューティングにおけるGNNのQAOA性能向上の可能性が示唆され,量子古典的ハイブリッドコンピューティングへの新たな道が開かれた。
  論文  参考訳（メタデータ） (2024-03-05T20:23:25Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
  各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
  論文  参考訳（メタデータ） (2022-06-28T16:23:24Z)
• Physics-informed neural networks for quantum control [0.0]
  物理インフォームドニューラルネットワーク(PINN)を用いた最適量子制御問題の計算手法を提案する。 我々は,高確率,短時間の進化,低エネルギー消費制御を用いた状態間移動問題を効率的に解き,量子システムを開放する手法を適用した。
  論文  参考訳（メタデータ） (2022-06-13T16:17:22Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)
• 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)

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。