論文の概要: Reinforcement Learning for Optimal Control of Spin Magnetometers

• arxiv url: http://arxiv.org/abs/2506.21475v1
• Date: Thu, 26 Jun 2025 17:04:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.206219
• Title: Reinforcement Learning for Optimal Control of Spin Magnetometers
• Title（参考訳）: スピン磁力計の最適制御のための強化学習
• Authors: Logan W. Cooke, Stefanie Czischek,
• Abstract要約: 量子最適制御における問題に対する強化学習(RL)の利用について検討する。 SACアルゴリズムの有効性を評価するため,スピンベース磁気センサをベンチマークシステムとして採用する。 我々はスピン系の数値シミュレーションでRLエージェントを訓練し、横磁場パルス列を決定する。 RLエージェントはシステムの特定のパラメータに敏感であることがわかったが、全体としてはうまく一般化できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum optimal control in the presence of decoherence is difficult, particularly when not all Hamiltonian parameters are known precisely, as in quantum sensing applications. In this context, maximizing the sensitivity of the system is the objective, for which the optimal target state or unitary transformations are unknown, especially in the case of multi-parameter estimation. Here, we investigate the use of reinforcement learning (RL), specifically the soft actor-critic (SAC) algorithm, for problems in quantum optimal control. We adopt a spin-based magnetometer as a benchmarking system for the efficacy of the SAC algorithm. In such systems, the magnitude of a background magnetic field acting on a spin can be determined via projective measurements. The precision of the determined magnitude can be optimized by applying pulses of transverse fields with different strengths. We train an RL agent on numerical simulations of the spin system to determine a transverse-field pulse sequence that optimizes the precision and compare it to existing sensing strategies. We evaluate the agent's performance against various Hamiltonian parameters, including values not seen in training, to investigate the agent's ability to generalize to different situations. We find that the RL agents are sensitive to certain parameters of the system, such as the pulse duration and the purity of the initial state, but overall are able to generalize well, supporting the use of RL in quantum optimal control settings.
• Abstract（参考訳）: デコヒーレンスの存在下での量子最適制御は、特に量子センシングアプリケーションのように、すべてのハミルトンパラメータが正確に知られているわけではない場合に困難である。 この文脈では、システムの感度を最大化することが目的であり、特にマルチパラメータ推定の場合、最適な目標状態やユニタリ変換が未知である。 本稿では、量子最適制御における問題に対する強化学習(RL)、特にソフトアクター・クリティック(SAC)アルゴリズムの使用について検討する。 SACアルゴリズムの有効性を評価するため,スピンベース磁気センサをベンチマークシステムとして採用する。 このような系では、スピンに作用する背景磁場の大きさは射影測定によって決定できる。 決定された大きさの精度は、異なる強度を持つ横磁場のパルスを適用することで最適化できる。 我々は、スピン系の数値シミュレーションに基づいてRLエージェントを訓練し、その精度を最適化する横磁場パルス列を決定し、既存のセンシング戦略と比較する。 本研究は,各種ハミルトンパラメータに対するエージェントの性能評価を行い,エージェントのさまざまな状況への一般化能力について検討した。 RLエージェントは、パルス長や初期状態の純度など、システムの特定のパラメータに敏感であるが、全体的な一般化は可能であり、量子最適制御設定におけるRLの使用をサポートする。

関連論文リスト

• Finding the optimal probe state for multiparameter quantum metrology using conic programming [61.98670278625053]
  本稿では,対応する精度境界に対する最適プローブ状態を決定するための円錐型プログラミングフレームワークを提案する。 また、この理論を量子プローブ状態を用いた標準場センシング問題の解析にも応用する。
  論文  参考訳（メタデータ） (2024-01-11T12:47:29Z)
• Identifiability and Characterization of Transmon Qutrits Through Bayesian Experimental Design [0.0]
  クォート系の量子特性評価のためのオンラインベイズ的手法を提案する。 パラメータの点推定を行うほとんどの評価プロトコルとは異なり、提案手法は確率分布を推定することができる。 モデルパラメータの理論的同定可能性の数学的証明と,パラメータが同定可能な量子状態に関する条件を提供する。
  論文  参考訳（メタデータ） (2023-12-15T22:02:54Z)
• Optimal Generators for Quantum Sensing [0.0]
  与えられた量子状態を用いた最大感度は、量子フィッシャー情報行列(QFIM)の最大固有値によって決定されることを示す。 状態準備プロトコルに焦点をあてるのではなくパラメータ符号化のプロセスを最適化するため、我々の手法はあらゆる量子センサに関係している。
  論文  参考訳（メタデータ） (2023-05-24T20:42:38Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [34.82692226532414]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 オプトメカニカルシステムは、メカニカルモードと移動光モードの間の非古典的相関を生成することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)

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。