論文の概要: Optimización de la Transmisión de Estados Cuánticos en Cadenas de Qubits usando Deep Reinforcement Learning y Algoritmos Genéticos

• arxiv url: http://arxiv.org/abs/2510.05010v1
• Date: Mon, 06 Oct 2025 16:52:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.994531
• Title: Optimización de la Transmisión de Estados Cuánticos en Cadenas de Qubits usando Deep Reinforcement Learning y Algoritmos Genéticos
• Title（参考訳）: Estados Cuánticos en Cadenas de Qubits usando Deep Reinforcement Learning y Algoritmos Genéticos
• Authors: Sofía Perón Santana, Ariel Fiuri, Omar Osenda, Martín Domínguez,
• Abstract要約: 均一スピン鎖による量子状態伝達は、スケーラブルな量子ハードウェアを構築する上で重要な役割を果たす。 基本量子状態伝送プロトコルは、1量子ビットの状態を準備し、チャネルを介して別の状態に転送し、時間を最小限に抑え、情報損失を回避する。 我々は、この最適化問題に対して、一定の磁気パルスと、深い強化学習と遺伝的アルゴリズムの2つの相補的な戦略を用いてアプローチする。
• 参考スコア（独自算出の注目度）: 0.13999481573773073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum state transfer (QST) via homogeneous spin chains plays a crucial role in building scalable quantum hardware. A basic quantum state transmission protocol prepares a state in one qubit and transfers it to another through a channel, seeking to minimize the time and avoid information loss. The fidelity of the process is measured by functions proportional to the transition probability between both states. We approach this optimization problem using constant magnetic pulses and two complementary strategies: deep reinforcement learning, where an agent learns pulse sequences through rewards, and genetic algorithms, which develop candidate solutions through selection and mutation. We analyze the efficiency of both methods and their ability to incorporate physical constraints.
• Abstract（参考訳）: 量子状態伝達(QST)は、スケーラブルな量子ハードウェアを構築する上で重要な役割を果たす。 基本量子状態伝送プロトコルは、1量子ビットの状態を準備し、チャネルを介して別の状態に転送し、時間を最小限に抑え、情報損失を回避する。 プロセスの忠実度は、両方の状態間の遷移確率に比例した関数によって測定される。 エージェントが報酬を通じてパルスシーケンスを学習するディープ強化学習と、選択と突然変異による候補解を開発する遺伝的アルゴリズムの2つの相補的な戦略とを併用して、この最適化問題にアプローチする。 両手法の効率と身体的制約を組み込む能力について分析する。

関連論文リスト

• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Scalable quantum dynamics compilation via quantum machine learning [7.31922231703204]
  変分量子コンパイル(VQC)法は、高精度を維持しつつゲートコストを低減するために変分最適化を用いる。 1次元におけるシステムサイズと精度の両面で、我々のアプローチが最先端のコンパイル結果を上回ることが示されている(1$D)。 VQCを2次元(2次元)ストリップに準1次元処理で拡張し、標準的なトロッタライズ法よりも大きな資源優位性を示す。
  論文  参考訳（メタデータ） (2024-09-24T18:00:00Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures [1.8781124875646162]
  この研究は、効率的な量子回路のコンパイルとマッピングのための新しい学習ベースのアプローチを導入することにより、スケーラブルな量子コンピューティングシステムの進歩に寄与する。 本研究では,Deep Reinforcement Learning (DRL) 手法を応用して,特定のマルチコアアーキテクチャのための学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-17T12:09:11Z)
• Reinforcement Learning to Disentangle Multiqubit Quantum States from Partial Observations [0.0]
  任意の 4-, 5-, 6-qubit 状態に対して短絡回路を構築するための深層強化学習手法を提案する。 マルチキュービット状態の絡み合い構造を識別・活用するエージェントの能力を実証する。 我々は,少なくとも5つの2ビット (10 CNOT) ゲートを用いて,任意の4ビット状態を作成するための汎用回路を報告する。
  論文  参考訳（メタデータ） (2024-06-12T05:23:08Z)
• Solving reaction dynamics with quantum computing algorithms [42.408991654684876]
  線形応答によって支配される異なる反応を記述することに関連する応答関数の量子アルゴリズムについて検討する。 我々は原子核物理学の応用に焦点をあて、格子上の量子ビット効率のマッピングを検討し、現実的な散乱シミュレーションに必要な大量の量を効率的に表現することができる。
  論文  参考訳（メタデータ） (2024-03-30T00:21:46Z)
• Optimal remote restoring of quantum states in communication lines via local magnetic field [0.0]
  スピン鎖に沿って移動した量子状態のリモート復元に関する研究 我々は、段階的に時間依存のLarmor周波数を持つ不均一磁場を状態制御ツールとして利用する遠隔状態復元プロトコルを開発した。
  論文  参考訳（メタデータ） (2024-01-17T19:46:39Z)
• 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)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• 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)
• Quantum Causal Unravelling [44.356294905844834]
  我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。 我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
  論文  参考訳（メタデータ） (2021-09-27T16:28:06Z)

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。