論文の概要: Reverse engineering control of relative phase and populations of two-level quantum systems
- arxiv url: http://arxiv.org/abs/2406.10399v1
- Date: Fri, 14 Jun 2024 20:00:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-19 00:42:24.881963
- Title: Reverse engineering control of relative phase and populations of two-level quantum systems
- Title（参考訳）: 2レベル量子系の相対位相と集団のリバースエンジニアリング制御
- Authors: Felipe Silveira Fagundes, Emanuel Fernandes de Lima,
- Abstract要約: 外部場による相対位相と2レベル量子系の集団の同時制御について考察する。
本稿では,2つのユーザ定義関数に依存して制御領域の解析式を得ることができるリバースエンジニアリング手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider the simultaneous control of the relative phase and populations of two-level quantum systems by an external field. We apply a reverse engineering approach, which allows obtaining an analytical expression for the control field depending upon two user-defined functions that dictate the population and the relative phase dynamics. We show that, in general, the prescribed functions for the dynamics cannot be chosen arbitrarily. We implement the reverse engineering technique to reach several target states using different kinds of functions to specify the system dynamics. We show that by adjusting these dynamical functions, we can produce different kinds of control fields. These controls can be easily build, needing, apart from the dynamical function themselves, only their derivatives. The methodology presented here will certainly find many applications that go beyond simple two-level systems.
- Abstract（参考訳）: 外部場による相対位相と2レベル量子系の集団の同時制御について考察する。
本稿では,人口と相対位相のダイナミクスを規定する2つのユーザ定義関数に依存する制御場の解析式を得るリバースエンジニアリング手法を適用する。
一般に、力学の所定の関数は任意に選択できないことを示す。
システムダイナミクスを特定するために,異なる種類の関数を用いて,複数のターゲット状態に到達するためのリバースエンジニアリング手法を実装した。
これらの動的関数を調整することで、異なる種類の制御場を生成できることが示される。
これらの制御は、動的関数自身とは別に、容易に構築し、必要とすることができる。
ここで提示される方法論は、単純な2段階のシステムを超えた多くのアプリケーションを見つけるだろう。
関連論文リスト
- Control of open quantum systems via dynamical invariants [0.0]
動的不変量の理論を用いて環境影響下で量子システムを制御することの課題に対処する。
我々は,環境騒音や散逸に対して堅牢な制御プロトコルを開発するために,リバースエンジニアリングアプローチを採用している。
論文 参考訳（メタデータ） (2023-11-22T05:09:53Z) - AI Enhanced Control Engineering Methods [66.08455276899578]
我々は、AIツールがアプリケーションを制御するのにどのように役立つかを探求する。
直近の2つの応用は、局所安定性解析やカルマンフィルタを用いた状態推定のための系力学の線形化である。
さらに、モデル予測制御アプリケーションにおける状態ベクトルのグローバルパラメータ化と制御入力に対する機械学習モデルの利用について検討する。
論文 参考訳（メタデータ） (2023-06-08T20:31:14Z) - Optimal State Manipulation for a Two-Qubit System Driven by Coherent and
Incoherent Controls [77.34726150561087]
2量子ビット量子系の最適制御には状態準備が重要である。
物理的に異なる2つのコヒーレント制御を利用し、ヒルベルト・シュミット目標密度行列を最適化する。
論文 参考訳（メタデータ） (2023-04-03T10:22:35Z) - Adaptive Asynchronous Control Using Meta-learned Neural Ordinary
Differential Equations [0.0]
実世界のロボティクスシステムは、モデルに基づく強化学習と制御の適用性を制限する課題をしばしば提示する。
本稿では,メタラーニング適応力学モデルを用いて連続時間予測と制御を行うことによって,これらの困難を克服する一般的なフレームワークを提案する。
本研究では,2つの異なるロボットシミュレーションと実産業ロボットの評価を行った。
論文 参考訳（メタデータ） (2022-07-25T11:07:29Z) - On optimization of coherent and incoherent controls for two-level
quantum systems [77.34726150561087]
本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。
閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。
開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
論文 参考訳（メタデータ） (2022-05-05T09:08:03Z) - Sparsity in Partially Controllable Linear Systems [56.142264865866636]
本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。
最適制御には無関係な状態変数を特徴付ける。
論文 参考訳（メタデータ） (2021-10-12T16:41:47Z) - Pulse reverse-engineering for strong field-matter interaction [4.141202109660283]
コヒーレント制御場は、閉じた2レベル量子系と開いた2レベル量子系の両方を駆動するように設計されている。
完全な集団逆転、等しく重み付けられたコヒーレントな重ね合わせ、さらには振動のようなダイナミクスも達成可能であることを示す。
論文 参考訳（メタデータ） (2020-03-03T23:10:27Z) - A differentiable programming method for quantum control [0.0]
本稿では,システムの力学を規定する微分方程式の明示的な知識を活用するために,微分可能プログラミングに基づく手法を提案する。
3つのシステムのための固有状態作成タスクにおいて,本手法の有効性と雑音に対する頑健性を示す。
論文 参考訳（メタデータ） (2020-02-19T19:00:05Z) - Learning to Control PDEs with Differentiable Physics [102.36050646250871]
本稿では,ニューラルネットワークが長い時間をかけて複雑な非線形物理系の理解と制御を学べる新しい階層型予測器・相関器手法を提案する。
本手法は,複雑な物理系の理解に成功し,PDEに関わるタスクに対してそれらを制御できることを実証する。
論文 参考訳（メタデータ） (2020-01-21T11:58:41Z) - Pontryagin Differentiable Programming: An End-to-End Learning and
Control Framework [108.4560749465701]
ポントリャーギン微分プログラミングの方法論は、幅広い種類の学習と制御タスクを解決するための統一されたフレームワークを確立する。
本研究では, PDP の逆強化学習, システム識別, 制御・計画の3つの学習モードについて検討する。
マルチリンクロボットアーム,6-DoFオペレーティングクオーロレータ,6-DoFロケット搭載着陸など,多次元システムにおける学習モード毎のPDPの能力を示す。
論文 参考訳（メタデータ） (2019-12-30T15:35:43Z)
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。