論文の概要: Fast Machine Learning for Quantum Control of Microwave Qudits on Edge Hardware

• arxiv url: http://arxiv.org/abs/2506.03323v1
• Date: Tue, 03 Jun 2025 19:14:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.020424
• Title: Fast Machine Learning for Quantum Control of Microwave Qudits on Edge Hardware
• Title（参考訳）: エッジハードウェアを用いたマイクロ波量子制御のための高速機械学習
• Authors: Flor Sanders, Gaurav Agarwal, Luca Carloni, Giuseppe Di Guglielmo, Andy C. Y. Li, Gabriel N. Perdue,
• Abstract要約: 量子ハードウェアの設定を迅速に調整する極めて低遅延の系が最重要であり、忠実度はターゲットの量子状態と重なり合うものとして定義される。 そこで我々は,マイクロ波キャビティキューディットにおける選択数依存任意位相(SNAP)ゲート作成のための制御パルスパラメータを決定するために,機械学習(ML)モデルを用いる。 提案手法の有効性を実証し, 最適化されたモデルを用いて, 10～3ドル近い低ゲートトレース不完全性を達成し, プログラム可能な論理資源の効率的な利用を図った。
• 参考スコア（独自算出の注目度）: 1.4029771773420519
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum optimal control is a promising approach to improve the accuracy of quantum gates, but it relies on complex algorithms to determine the best control settings. CPU or GPU-based approaches often have delays that are too long to be applied in practice. It is paramount to have systems with extremely low delays to quickly and with high fidelity adjust quantum hardware settings, where fidelity is defined as overlap with a target quantum state. Here, we utilize machine learning (ML) models to determine control-pulse parameters for preparing Selective Number-dependent Arbitrary Phase (SNAP) gates in microwave cavity qudits, which are multi-level quantum systems that serve as elementary computation units for quantum computing. The methodology involves data generation using classical optimization techniques, ML model development, design space exploration, and quantization for hardware implementation. Our results demonstrate the efficacy of the proposed approach, with optimized models achieving low gate trace infidelity near $10^{-3}$ and efficient utilization of programmable logic resources.
• Abstract（参考訳）: 量子最適制御は、量子ゲートの精度を改善するための有望なアプローチであるが、最適な制御設定を決定するには複雑なアルゴリズムに依存する。 CPUやGPUベースのアプローチでは、実際に適用するには時間がかかりすぎる場合が多い。 高速かつ高忠実度な量子ハードウェア設定を極めて低遅延のシステムで行うことが最重要であり、忠実度はターゲットの量子状態と重なり合うと定義される。 本稿では,マイクロ波キャビティキューディットにおける選択数依存任意位相(SNAP)ゲート作成のための制御パルスパラメータを決定するために,機械学習モデルを用いて量子コンピューティングの基本計算単位として機能するマルチレベル量子システムを提案する。 この手法は、古典的な最適化手法を使ったデータ生成、MLモデル開発、設計空間探索、ハードウェア実装のための量子化を含む。 提案手法の有効性を実証し, 最適化されたモデルを用いて, 10^{-3}$付近での低ゲートトレース不完全性を達成し, プログラム可能な論理資源の効率的な利用を図った。

関連論文リスト

• Q-Fusion: Diffusing Quantum Circuits [2.348041867134616]
  本稿では、新しい量子回路を生成するためにLayerDAGフレームワークを利用する拡散型アルゴリズムを提案する。 本結果は,提案モデルが100%有効な量子回路出力を連続的に生成することを示す。
  論文  参考訳（メタデータ） (2025-04-29T14:10:10Z)
• An Accurate and Efficient Analytic Model of Fidelity Under Depolarizing Noise Oriented to Large Scale Quantum System Design [1.80755313284025]
  本稿では,分極雑音下での量子回路の忠実度を予測するための包括的な理論的枠組みを提案する。 デバイスキャリブレーションデータに基づく効率的な忠実度推定アルゴリズムを提案する。 提案するアプローチは、量子ハードウェアをベンチマークするためのスケーラブルで実用的なツールを提供する。
  論文  参考訳（メタデータ） (2025-03-09T16:59:24Z)
• Differentiable Quantum Computing for Large-scale Linear Control [26.118874431217165]
  証明可能なスピードアップを伴う線形四進法制御のためのエンドツーエンド量子アルゴリズムを提案する。 政策勾配法に基づくアルゴリズムでは,リアプノフ方程式を解くための新しい量子サブルーチンが組み込まれている。
  論文  参考訳（メタデータ） (2024-11-03T00:54:33Z)
• Review: Quantum Architecture Search with Unsupervised Representation Learning [24.698519892763283]
  教師なし表現学習は量子アーキテクチャ探索(QAS)を前進させる新しい機会を提供する QASは変分量子アルゴリズム(VQA)のための量子回路を最適化するように設計されている
  論文  参考訳（メタデータ） (2024-01-21T19:53:17Z)
• 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)
• Direct pulse-level compilation of arbitrary quantum logic gates on superconducting qutrits [36.30869856057226]
  任意のqubitおよびqutritゲートを高忠実度で実現でき、ゲート列の長さを大幅に削減できることを示す。 最適制御ゲートは少なくとも3時間ドリフトでき、同じ校正パラメータを全ての実装ゲートに利用できることを示す。
  論文  参考訳（メタデータ） (2023-03-07T22:15:43Z)
• Hybrid Gate-Pulse Model for Variational Quantum Algorithms [33.73469431747376]
  現在の量子プログラムは主にゲートレベルでコンパイルされ、量子回路は量子ゲートで構成されている。 パルスレベルの最適化は、回路長の利点から研究者から注目を集めている。 これらの問題を緩和できるハイブリッドゲートパルスモデルを提案する。
  論文  参考訳（メタデータ） (2022-12-01T17:06:35Z)
• Neural network accelerator for quantum control [3.9756120456577007]
  本研究では,最適なパルスパラメータを予測するための機械学習アルゴリズムを実演する。 このアルゴリズムは低リソースFPGAに適合し、175 nsのレイテンシで推論を行うのに十分軽量である。 長期的には、従来のコンピュータでは動作できない量子コンピューティングハードウェアの近くで、そのようなアクセラレータを使用できる。
  論文  参考訳（メタデータ） (2022-08-04T13:23:53Z)
• Efficient exploration of Hamiltonian parameter space for optimal control of non-Markovian open quantum systems [0.0]
  非マルコフ開量子系に対する最適制御列を効率的に設計する一般手法を提案する。 レーザーパルスの形状を最適化し、特定の状態の量子ドットを作成する。
  論文  参考訳（メタデータ） (2021-01-08T16:02:31Z)

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。