論文の概要: Entanglement engineering of optomechanical systems by reinforcement learning
- arxiv url: http://arxiv.org/abs/2406.04550v1
- Date: Thu, 6 Jun 2024 23:25:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-10 17:47:54.347938
- Title: Entanglement engineering of optomechanical systems by reinforcement learning
- Title（参考訳）: 強化学習による光学系の絡み合い工学
- Authors: Li-Li Ye, Christian Arenz, Kanu Sinha, Joseph M. Lukens, Ying-Cheng Lai,
- Abstract要約: 絡み合いは量子情報科学と技術の基礎である。
エンタングルメント工学に対する深層強化学習手法を開発した。
我々は、線形または非線形光子-フォノン相互作用を持つ量子光学系を用いて、プロトコルの動作を実証する。
- 参考スコア（独自算出の注目度）: 0.18820558426635298
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Entanglement is fundamental to quantum information science and technology, yet controlling and manipulating entanglement -- so-called entanglement engineering -- for arbitrary quantum systems remains a formidable challenge. There are two difficulties: the fragility of quantum entanglement and its experimental characterization. We develop a deep reinforcement-learning (RL) approach to entanglement engineering, in which feedback control together with weak continuous measurement and partial state observation is exploited to generate and maintain desired entanglement. We employ quantum optomechanical systems with linear or nonlinear photon-phonon interactions to demonstrate the workings of our machine-learning-based entanglement engineering protocol. In particular, the RL agent sequentially interacts with one or multiple parallel quantum optomechanical environments, collects trajectories, and updates the policy to maximize the accumulated reward to create and stabilize quantum entanglement over an arbitrary amount of time. The machine-learning-based control principle is applicable to entanglement engineering of experimental quantum systems in general.
- Abstract（参考訳）: 絡み合いは量子情報科学と技術の基礎であるが、任意の量子系に対する絡み合い(いわゆる絡み合い工学)の制御と操作は、依然として困難な課題である。
量子エンタングルメントの脆弱さと、その実験的特徴の2つの困難がある。
我々は,弱い連続測定と部分状態観察を併用したフィードバック制御を利用して,所望の絡み合いを生成し維持する,絡み合い工学に対する深層強化学習(RL)アプローチを開発した。
我々は、線形または非線形光子-フォノン相互作用を持つ量子光学系を用いて、機械学習ベースの絡み合い工学プロトコルの動作を実証する。
特に、RLエージェントは、1つまたは複数の並列量子光学環境と逐次的に相互作用し、軌道を収集し、蓄積された報酬を最大化するためにポリシーを更新し、任意の時間にわたって量子絡み合いを発生および安定化する。
機械学習に基づく制御原理は、一般に実験量子システムの絡み合い工学に適用できる。
関連論文リスト
- Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。
ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。
これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文 参考訳（メタデータ） (2024-06-10T17:22:09Z) - Robust Quantum Control in Closed and Open Systems: Theory and Practice [0.0]
このサーベイは、制御理論家のために書かれており、量子制御の現状をレビューし、量子システムに近代的な堅牢な制御を適用しようとする上で直面する課題の概要を提供する。
量子系に古典的ロバスト制御理論を適用する際に生じる問題, 量子物理学者がそのような系とそのロバスト性を探るための典型的な方法, およびこの分野で解決すべきオープン問題について議論する。
論文 参考訳（メタデータ） (2023-12-30T18:08:43Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - 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) - Learning Quantum Systems [0.0]
量子技術は、セキュアな通信、高性能コンピューティング、超精密センシングにおける画期的な応用によって、私たちの社会に革命をもたらすと約束している。
量子技術のスケールアップにおける主な特徴の1つは、量子システムの複雑さがその大きさと指数関数的にスケールすることである。
これは、量子状態の効率的なキャリブレーション、ベンチマーク、検証とその動的制御において深刻な問題を引き起こす。
論文 参考訳（メタデータ） (2022-07-01T09:47:26Z) - Experimental graybox quantum system identification and control [2.92406842378658]
我々は、量子システムの物理モデルを構築し、最適制御の設計に利用する「グレーボックス」アプローチを実験的に実証した。
提案手法は,物理原理と高精度な機械学習を組み合わせることで,必要な制御量を直接測定できないような問題に対して有効である。
この方法は自然に時間依存的かつオープンな量子システムに拡張され、量子ノイズ分光とキャンセルへの応用がある。
論文 参考訳（メタデータ） (2022-06-24T10:19:55Z) - 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) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Entanglement transfer, accumulation and retrieval via quantum-walk-based
qubit-qudit dynamics [50.591267188664666]
高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。
本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。
特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
論文 参考訳（メタデータ） (2020-10-14T14:33:34Z) - 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) - Expressibility and trainability of parameterized analog quantum systems
for machine learning applications [0.0]
システム内の外部駆動と障害の相互作用が、相互作用する量子システムのトレーニング可能性と表現可能性をどのように規定しているかを示す。
我々の研究は、量子多体物理学と機械学習への応用の基本的な関連性を示している。
論文 参考訳（メタデータ） (2020-05-22T14:59:42Z)
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。