論文の概要: Meta-learning assisted robust control of universal quantum gates with uncertainties

• arxiv url: http://arxiv.org/abs/2406.07225v2
• Date: Sun, 04 May 2025 01:14:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:34.96914
• Title: Meta-learning assisted robust control of universal quantum gates with uncertainties
• Title（参考訳）: メタラーニングによる不確実性のある普遍量子ゲートのロバスト制御
• Authors: Shihui Zhang, Zibo Miao, Yu Pan, Sibo Tao, Yu Chen,
• Abstract要約: デコヒーレンスと制御パルスの不完全性は、実用的なシステムにおける量子ゲートの理論的忠実性を実現する上で重要な課題となる。 本稿では,2層学習フレームワークを活用したメタ強化学習量子制御アルゴリズム(metaQctrl)を提案する。
• 参考スコア（独自算出の注目度）: 4.881040823544883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Achieving high-fidelity quantum gates is crucial for reliable quantum computing. However, decoherence and control pulse imperfections pose significant challenges in realizing the theoretical fidelity of quantum gates in practical systems. To address these challenges, we propose the meta-reinforcement learning quantum control algorithm (metaQctrl), which leverages a two-layer learning framework to enhance robustness and fidelity. The inner reinforcement learning network focuses on decision making for specific optimization problems, while the outer meta-learning network adapts to varying environments and provides feedback to the inner network. Our comparative analysis regarding realization of universal quantum gates demonstrates that metaQctrl achieves higher fidelity with fewer control pulses than conventional methods in the presence of uncertainties. These results can contribute to the exploration of the quantum speed limit and facilitate the implementation of quantum circuits with system imperfections involved.
• Abstract（参考訳）: 高忠実度量子ゲートの実現は、信頼性の高い量子コンピューティングにとって不可欠である。 しかし、デコヒーレンスと制御パルスの不完全性は、実用システムにおける量子ゲートの理論的忠実性を実現する上で大きな課題となる。 これらの課題に対処するために,2層学習フレームワークを活用したメタ強化学習量子制御アルゴリズム(metaQctrl)を提案する。 内部強化学習ネットワークは、特定の最適化問題に対する意思決定に焦点を当て、外部メタ学習ネットワークは様々な環境に適応し、内部ネットワークにフィードバックを提供する。 普遍的な量子ゲートの実現に関する我々の比較分析は、MetaQctrlが不確実性の存在下で従来の方法よりも少ない制御パルスで高い忠実性を達成することを示す。 これらの結果は、量子速度限界の探索に寄与し、システム不完全な量子回路の実装を促進する。

関連論文リスト

• Traversing Quantum Control Robustness Landscapes: A New Paradigm for Quantum Gate Engineering [0.0]
  本稿では,制御パラメータを雑音感受性にマッピングする概念的フレームワークであるQuantum Control Robustness Landscape (QCRL)を紹介する。 QCRLのレベルセットをナビゲートすることで、ロバストネス不変パルス変動(RIPV)アルゴリズムは、ロバスト性を維持しながら制御パルスの変動を可能にする。 数値シミュレーションにより、我々の単一および2量子ビットゲートは、大きなノイズがあっても量子誤差補正しきい値を超えていることが示される。
  論文  参考訳（メタデータ） (2024-12-27T05:56:38Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Machine-learning-inspired quantum optimal control of nonadiabatic geometric quantum computation via reverse engineering [3.3216171033358077]
  制御パラメータを最適化するために,平均忠実度に基づく機械学習に基づく有望な手法を提案する。 逆工学による一量子ゲートをキャット状態の非断熱的幾何量子計算により実装する。 ニューラルネットワークがモデル空間を拡張する能力を持っていることを実証する。
  論文  参考訳（メタデータ） (2023-09-28T14:36:26Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Self-Correcting Quantum Many-Body Control using Reinforcement Learning with Tensor Networks [0.0]
  本稿では、強化学習(RL)に基づく量子多体系を効率的に制御するための新しい枠組みを提案する。 我々は、RLエージェントが普遍的な制御を見出すことができ、多くの身体状態を最適に制御する方法を学ぶことができ、量子力学が摂動を受けるとき、制御プロトコルをオンザフライで適用できることを示した。
  論文  参考訳（メタデータ） (2022-01-27T20:14:09Z)
• Quantum Architecture Search via Continual Reinforcement Learning [0.0]
  本稿では,量子回路アーキテクチャを構築するための機械学習手法を提案する。 本稿では、この回路設計課題に取り組むために、ディープラーニング(PPR-DQL)フレームワークを用いた確率的ポリシー再利用を提案する。
  論文  参考訳（メタデータ） (2021-12-10T19:07:56Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• 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)
• Chance-Constrained Control with Lexicographic Deep Reinforcement Learning [77.34726150561087]
  本稿では,レキシックなDeep Reinforcement Learning(DeepRL)に基づく確率制約マルコフ決定プロセスを提案する。 有名なDeepRLアルゴリズムDQNの辞書版も提案され、シミュレーションによって検証されている。
  論文  参考訳（メタデータ） (2020-10-19T13:09:14Z)
• Designing high-fidelity multi-qubit gates for semiconductor quantum dots through deep reinforcement learning [0.0]
  シリコンの量子ドットに基づく量子プロセッサのための高忠実度マルチキュービットゲートを設計するための機械学習フレームワークを提案する。 我々は,高忠実度マルチキュービットゲートを実現するために,深部強化学習法を用いて最適制御パルスを設計する。
  論文  参考訳（メタデータ） (2020-06-15T23:08:46Z)
• Automatic low-bit hybrid quantization of neural networks through meta learning [22.81983466720024]
  メタ学習法を用いて,ニューラルネットワークの低ビットハイブリッド量子化を自動生成する。 MetaQuantNetは量子化関数とともに、ターゲットDNNの量子化重みを生成するために訓練される。 最良探索量子化ポリシーにより、量子化されたターゲットネットワークの性能をさらに向上させるために、その後再訓練または微調整を行う。
  論文  参考訳（メタデータ） (2020-04-24T02:01:26Z)

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。