論文の概要: The Quantum Control Hierarchy: When Physics-Informed Design Meets Machine Learning

• arxiv url: http://arxiv.org/abs/2509.12832v1
• Date: Tue, 16 Sep 2025 08:56:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:52.97951
• Title: The Quantum Control Hierarchy: When Physics-Informed Design Meets Machine Learning
• Title（参考訳）: 量子制御階層:物理インフォームドデザインが機械学習と出会うとき
• Authors: Atta ur Rahman, M. Y. Abd-Rabbou, Cong-feng Qiao,
• Abstract要約: 我々は、様々なオープンループプロトコルや高度な適応手法を含む、幅広い量子制御戦略に対処する。 絡み合い保存のためには、物理インフォームドなハイブリッド量子エラー補正と動的デカップリングプロトコルが最も安定で効果的な解を提供する。 DD、フロケットエンジニアリング、急激な絡み合い生成やコヒーレントトランスポートといった非自明な制御シーケンスの発見を必要とする動的なタスクに対して、モデルフリーの強化学習エージェントは、常に優れたソリューションを見つけ出す。
• 参考スコア（独自算出の注目度）: 0.6053648545114841
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address a wide spectrum of quantum control strategies, including various open-loop protocols and advanced adaptive methods. These methodologies apply to few-qubit scenarios and naturally scale to larger N-qubit systems. We benchmark them across fundamental quantum tasks: entanglement preservation/generation, and directed quantum transport in a disordered quantum walk. All simulations are performed in a challenging environment featuring non-Markov colored noise, imperfections, and the Markov Lindblad equation. With a complex task-dependent performance hierarchy, our deterministic protocols proved highly effective for entanglement generation/preservation, and in specific pulse configurations, they even outperformed the RL-optimization. In contrast, more advanced methods demonstrate a marked specialization. For entanglement preservation, a physics-informed hybrid Quantum Error Correction and Dynamical Decoupling (QEC-DD) protocol provides the most stable and effective solution, outperforming all other approaches. Conversely, for dynamic tasks requiring the discovery of non-trivial control sequences, such as DD, Floquet engineering, and rapid entanglement generation or coherent transport, the model-free Reinforcement Learning (RL) agents consistently find superior solutions. We further demonstrate that the control pulse envelope is a non-trivial factor that actively shapes the control landscape, which determines the difficulty for all protocols and highlights the adaptability of the RL agent. We conclude that no single strategy is universally dominant. A clear picture emerges: the future of high-fidelity quantum control lies in a synthesis of physics-informed design, as exemplified by robust hybrid methods, and the specialized, high-performance optimization power of adaptive machine learning.
• Abstract（参考訳）: 我々は、様々なオープンループプロトコルや高度な適応手法を含む、幅広い量子制御戦略に対処する。 これらの手法は少数量子ビットのシナリオに適用され、より大きなN量子ビット系に自然にスケールする。 我々はこれらを、絡み合った保存/生成と、乱れた量子ウォークにおける指向的な量子輸送という、基本的な量子タスクにまたがってベンチマークする。 全てのシミュレーションは、マルコフ色でないノイズ、不完全性、マルコフ・リンドブラッド方程式を含む挑戦的な環境で実行される。 複雑なタスク依存のパフォーマンス階層では、決定論的プロトコルは絡み合いの生成/保存に非常に有効であることが証明され、特定のパルス構成ではRL最適化よりも優れていた。 対照的に、より高度な手法は顕著な特殊化を示している。 エンタングルメント保存のために、物理インフォームドな量子エラー補正と動的デカップリング(QEC-DD)プロトコルは、最も安定的で効果的なソリューションを提供し、他の全てのアプローチより優れている。 逆に、DD、フロケットエンジニアリング、高速絡み合い生成やコヒーレントトランスポートといった非自明な制御シーケンスの発見を必要とする動的タスクでは、モデルフリー強化学習(RL)エージェントは、常に優れた解を見つける。 さらに、制御パルスエンベロープは制御ランドスケープを積極的に形成する非自明な要素であり、全てのプロトコルの難しさを判断し、RLエージェントの適応性を強調する。 一つの戦略が普遍的に支配的ではないと結論づける。 高忠実性量子制御の未来は、ロバストなハイブリッド手法によって実証された物理インフォームドデザインと、適応機械学習の特殊的で高性能な最適化能力の合成にある。

関連論文リスト

• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• Hardware Co-Designed Optimal Control for Programmable Atomic Quantum Processors via Reinforcement Learning [0.18416014644193068]
  本稿では,古典的制御ハードウェアに固有の欠陥に対処する,ハードウェア共同設計の量子制御フレームワークを提案する。 提案手法により,高忠実かつ並列な単一ビットゲート操作が可能となることを示す。 システム複雑性が増加するにつれてPPO性能は低下するが、エンドツーエンドの微分可能なRLは99.9$%以上のゲート忠実度を一貫して達成する。
  論文  参考訳（メタデータ） (2025-04-16T03:30:40Z)
• Controlling nonergodicity in quantum many-body systems by reinforcement learning [0.0]
  量子非エルゴディティ制御のためのモデルフリー・ディープ強化学習フレームワークを開発した。 我々は, DRLエージェントが量子多体系を効率的に学習できることを実証するために, パラダイム的一次元傾斜Fermi-Hubbardシステムを用いた。 連続制御プロトコルと観測は実験的に実現可能である。
  論文  参考訳（メタデータ） (2024-08-21T20:55:44Z)
• Quantum control by the environment: Turing uncomputability, Optimization over Stiefel manifolds, Reachable sets, and Incoherent GRAPE [56.47577824219207]
  多くの現実的な状況において、制御された量子系は環境と相互作用する。 本稿では,環境を資源として利用したオープン量子システムの制御に関するいくつかの結果について概説する。
  論文  参考訳（メタデータ） (2024-03-20T10:09:13Z)
• Quantum Gate Optimization for Rydberg Architectures in the Weak-Coupling Limit [55.05109484230879]
  我々は,Rydberg tweezerシステムにおける2ビットゲートの機械学習支援設計を実演する。 我々は,高忠実度CNOTゲートを実装した最適パルス列を生成する。 単一量子ビット演算の局所的な制御は、原子列上で量子計算を行うのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-06-14T18:24:51Z)
• 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)
• Multi-squeezed state generation and universal bosonic control via a driven quantum Rabi model [68.8204255655161]
  ボゾン自由度に対する普遍的な制御は、量子ベース技術の探求において鍵となる。 ここでは、駆動量子ラビモデルを介して、ボソニックモードの興味と相互作用する単一の補助的な2レベルシステムを考える。 ガウス門と非ガウス門の大きな類を決定論的に実現することは十分であることを示す。
  論文  参考訳（メタデータ） (2022-09-16T14:18:53Z)
• Dynamical learning of a photonics quantum-state engineering process [48.7576911714538]
  実験的な高次元量子状態の工学は、いくつかの量子情報プロトコルにとって重要な課題である。 我々は、フォトニック軌道Angular Momentum(OAM)ステートを設計するための自動適応最適化プロトコルを実装した。 このアプローチは、量子情報プロトコルや技術のためのノイズの多い実験タスクを自動最適化するための強力なツールである。
  論文  参考訳（メタデータ） (2022-01-14T19:24:31Z)
• Protocol Discovery for the Quantum Control of Majoranas by Differentiable Programming and Natural Evolution Strategies [0.0]
  超伝導ナノワイヤにおけるマヨラナゼロモードの最適輸送にDPとNESを適用した。 非アディアバティックな体制下では、効率的だが驚くほど非直感的な動作戦略を同定する。 本研究では,量子制御のための機械学習が,量子多体力学系に効率的に適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-20T18:00:03Z)

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。