論文の概要: Optimisation of Pulse Waveforms for Qubit Gates using Deep Learning
- arxiv url: http://arxiv.org/abs/2408.02376v1
- Date: Mon, 5 Aug 2024 11:02:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 13:46:54.824439
- Title: Optimisation of Pulse Waveforms for Qubit Gates using Deep Learning
- Title(参考訳): 深層学習を用いたクビットゲートのパルス波形の最適化
- Authors: Zachary Fillingham, Hossein Nevisi, Shirin Dora,
- Abstract要約: 量子ビット状態を操作するためにパルス波形のパラメータを最適化するために,Deep Neural Networks (DNN) を用いた新しい手法を提案する。
高忠実度量子シミュレーションは、現在の量子コンピュータのスケールアップに不可欠である。
- 参考スコア(独自算出の注目度): 0.5325390073522079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a novel method using Deep Neural Networks (DNNs) to optimise the parameters of pulse waveforms used for manipulating qubit states, resulting in high fidelity implementation of qubit gates. High fidelity quantum simulations are crucial for scaling up current quantum computers. The proposed approach uses DNNs to model the functional relationship between amplitudes of pulse waveforms used in scheduling and the corresponding fidelities. The DNNs are trained using a dataset of amplitude and corresponding fidelities obtained through quantum simulations in Qiskit. A two-stage approach is used with the trained DNNs to obtain amplitudes that yield the highest fidelity. The proposed method is evaluated by estimating the amplitude for pulse scheduling of single (Hadamard and Pauli-X) and two qubit gates (CNOT). The results clearly indicate that the method can achieve high fidelity implementations of single-qubit gates with fidelities of 0.999976 and 0.999923 for Hadamard and Pauli-X gates, respectively. For the CNOT gate, the best fidelity obtained is 0.695313. This can be attributed to the effects of entanglement and the need for the phase parameter to be accounted for within the predictive model.
- Abstract(参考訳): 本稿では,量子ビット状態を操作するためにパルス波形のパラメータを最適化するために,ディープニューラルネットワーク(DNN)を用いた新しい手法を提案する。
高忠実度量子シミュレーションは、現在の量子コンピュータのスケールアップに不可欠である。
提案手法はDNNを用いて、スケジューリングに使用されるパルス波形の振幅と対応する忠実度との関数関係をモデル化する。
DNNは、Qiskitの量子シミュレーションによって得られた振幅とそれに対応する忠実度のデータセットを用いて訓練される。
トレーニングされたDNNで2段階のアプローチを使用して、最も忠実度の高い振幅を得る。
提案手法は,単一 (Hadamard と Pauli-X) と2つの qubit gate (CNOT) のパルススケジューリングの振幅を推定して評価する。
その結果,アダマールゲートとパウリXゲートでそれぞれ0.999976と0.999923の忠実度を持つ単一量子ゲートの忠実度実装を実現することが可能であることが示唆された。
CNOTゲートでは0.695313が最も忠実である。
これは絡み合いの影響と、予測モデル内で考慮すべき位相パラメータの必要性に起因している。
関連論文リスト
- Development of Neural Network-Based Optimal Control Pulse Generator for Quantum Logic Gates Using the GRAPE Algorithm in NMR Quantum Computer [0.0]
一般的な単一量子論理ゲートに対して最適な制御パルスを生成するニューラルネットワークを導入する。
ニューラルネットワークを利用することで、妥当な時間スケールで、任意の単一量子ビット量子論理ゲートを効率的に実装できる。
論文 参考訳(メタデータ) (2024-12-08T08:31:55Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳(メタデータ) (2024-09-05T07:18:09Z) - A generic and robust quantum agent inspired by deep meta-reinforcement learning [4.881040823544883]
深部メタ強化学習(深部メタRL)にヒントを得た新しいトレーニングアルゴリズムを開発する。
トレーニングされたニューラルネットワークは適応的で堅牢である。
また,ターゲットゲート生成に必要なパルス数を自動的に調整できる。
論文 参考訳(メタデータ) (2024-06-11T13:04:30Z) - Reinforcement learning pulses for transmon qubit entangling gates [0.0]
連続制御強化学習アルゴリズムを用いて、超伝導量子ビットの絡み合う2ビットゲートを設計する。
標準共振ゲートよりも優れた新しいパルス列を生成する能力を示す。
論文 参考訳(メタデータ) (2023-11-07T03:19:19Z) - Quantum state preparation of gravitational waves [0.0]
本稿では,重力波信号波形に対する解析近似を効率的に符号化できる量子回路について述べる。
提案手法のゲートコストを任意の振幅に対する状態準備ルーチンと比較した。
我々は,28量子ビットに制限された量子シミュレーションを通じて,所望の0.995の値と比較して忠実な2番目のニュートン後吸気波形の符号化を実演する。
論文 参考訳(メタデータ) (2023-06-19T17:17:59Z) - Hamiltonian Switching Control of Noisy Bipartite Qubit Systems [7.094462708097975]
我々は量子近似最適化アルゴリズム(QAOA)にインスパイアされた二部制御のためのハミルトンスイッチングアンサッツを開発する。
連続音と消音音の両方を効果的に抑制し,0.9999(4つの9)以上の忠実度を持つ目標ゲート実装を実現する数値実験を行った。
制御深度,総進化時間,環境TLS数,最適化手法の選択が最適プロトコルによって達成される忠実度に与える影響を解析した。
論文 参考訳(メタデータ) (2023-04-11T20:12:57Z) - 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) - 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) - Extensible circuit-QED architecture via amplitude- and
frequency-variable microwaves [52.77024349608834]
固定周波数キュービットとマイクロ波駆動カプラを組み合わせた回路QEDアーキテクチャを提案する。
ドライブパラメータは、選択的な2ビット結合とコヒーレントエラー抑制を可能にする調整可能なノブとして現れる。
論文 参考訳(メタデータ) (2022-04-17T22:49:56Z) - Accurate methods for the analysis of strong-drive effects in parametric
gates [94.70553167084388]
正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。
我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
論文 参考訳(メタデータ) (2021-07-06T02:02:54Z) - Composably secure data processing for Gaussian-modulated continuous
variable quantum key distribution [58.720142291102135]
連続可変量子鍵分布(QKD)は、ボソニックモードの二次構造を用いて、2つのリモートパーティ間の秘密鍵を確立する。
構成可能な有限サイズセキュリティの一般的な設定におけるホモダイン検出プロトコルについて検討する。
特に、ハイレート(非バイナリ)の低密度パリティチェックコードを使用する必要のあるハイシグネチャ・ツー・ノイズ・システマを解析する。
論文 参考訳(メタデータ) (2021-03-30T18:02:55Z)
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。