論文の概要: Autonomous Floquet Engineering of Bosonic Codes via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2510.22227v1
• Date: Sat, 25 Oct 2025 09:14:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:14.991266
• Title: Autonomous Floquet Engineering of Bosonic Codes via Reinforcement Learning
• Title（参考訳）: 強化学習によるボソニックコードの自律フロケット工学
• Authors: Zheping Wu, Lingzhen Guo, Haobin Shi, Wei-Wei Zhang,
• Abstract要約: ボソニック符号は連続変数計算システムにおける量子誤り訂正への有望な経路を示す。 本稿では,一般,効率的,耐雑音性に優れたボソニックコードの自動作成のための強化学習支援Floquetエンジニアリング手法を提案する。
• 参考スコア（独自算出の注目度）: 4.78580425445851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bosonic codes represent a promising route toward quantum error correction in continuous-variable systems, with direct relevance to experimental platforms such as circuit QED and optomechanics. However, their preparation and stabilization remain highly challenging, requiring ultra-precise control of nonlinear interactions to create entangled superpositions, suppress decoherence, and mitigate dynamic errors. Here, we introduce a reinforcement-learning-assisted Floquet engineering approach for the autonomous preparation of bosonic codes that is general, efficient, and noise-resilient. By leveraging machine learning to optimize Floquet driving parameters, our method achieves over two orders of magnitude reduction in evolution time-requiring only about one percent of that in conventional adiabatic schemes-while maintaining high-fidelity state generation even under strong dissipative and dephasing noise. This approach not only demonstrates the power of artificial intelligence in quantum control but also establishes a scalable and experimentally feasible route toward fault-tolerant bosonic quantum computation. Beyond the specific application to bosonic code preparation, our results suggest a general paradigm for integrating machine learning and Floquet engineering to overcome decoherence challenges in next-generation quantum technologies.
• Abstract（参考訳）: ボソニック符号は連続変数系における量子誤り訂正への有望な経路を示し、回路QEDや光力学などの実験プラットフォームに直接関連している。 しかし、それらの準備と安定化は非常に困難であり、非線型相互作用を超精密に制御し、絡み合った重ね合わせを作り、デコヒーレンスを抑制し、動的エラーを軽減する必要がある。 本稿では,一般,効率的,耐雑音性に優れたボソニックコードの自動作成のための強化学習支援Floquetエンジニアリング手法を提案する。 提案手法は,フロッケ駆動パラメータの最適化に機械学習を活用することで,従来の断熱方式では,高忠実性状態の生成を維持しつつ,強い消音やデファッショニングノイズの下でも,その約1%の進化時間要求の2桁以上の削減を実現している。 このアプローチは、量子制御における人工知能のパワーを実証するだけでなく、フォールトトレラントなボソニック量子計算へのスケーラブルで実験的に実現可能なルートを確立する。 ボソニックなコード準備への具体的な応用以外にも、次世代量子技術におけるデコヒーレンスを克服するために機械学習とFloquetエンジニアリングを統合するための一般的なパラダイムが提案されている。

関連論文リスト

• Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors [64.50565018996328]
  本稿では,与えられた量子プロセッサの平均値挙動を計算効率よくエミュレートする予測代理の概念を導入する。 これらのサロゲートを用いて、最大20個のプログラム可能な超伝導量子ビットを持つ量子プロセッサをエミュレートし、変分量子固有解器の効率的な事前学習を可能にする。 実験結果から, 予測サロゲートは測定オーバーヘッドを桁違いに低減するだけでなく, 従来の量子リソース集約的な手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-07-23T12:51:03Z)
• Error mitigation of shot-to-shot fluctuations in analog quantum simulators [46.54051337735883]
  本稿では,ハミルトニアンがシステムダイナミクスを制御しているパラメータのショット・ツー・ショット変動に対処する誤差軽減手法を提案する。 我々は、このショット・ツー・ショットノイズを増幅し、ゼロノイズ制限を外挿することで、現実的な雑音分布に対するノイズのない結果が復元されることを厳密に証明する。 数値解析により,現実的な条件下でのRydberg原子配列の有効多体コヒーレンス時間の大幅な向上を予測した。
  論文  参考訳（メタデータ） (2025-06-19T18:00:00Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• 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)
• Non-Markovian Quantum Control via Model Maximum Likelihood Estimation and Reinforcement Learning [0.0]
  環境の非マルコフ的性質を低次元有効貯留層に組み込む新しい手法を提案する。 従来のトモグラフィ法よりも効率的な量子力学の学習に機械学習技術を用いる。 このアプローチはモデルバイアスの問題を緩和するだけでなく、量子力学のより正確な表現を提供する。
  論文  参考訳（メタデータ） (2024-02-07T18:37:17Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Experimental implementation of precisely tailored light-matter interaction via inverse engineering [5.131683740032632]
  断熱性へのショートカットは もともと 遅い断熱プロセスをスピードアップするために 提案されたもので 今では多用途の道具箱になっています ここでは、希土類イオン系における状態準備と状態工学のための高速で堅牢な制御を実装している。 提案手法は, 励起状態の崩壊と不均一な拡張によるデコヒーレンスを低減し, 従来の断熱スキームを超越していることを示す。
  論文  参考訳（メタデータ） (2021-01-29T08:17:01Z)
• Unboxing Quantum Black Box Models: Learning Non-Markovian Dynamics [2.4201087215689947]
  完全正のトレース保存マップの性質のような物理的制約を微分形式で明示的に符号化する学習アーキテクチャを設計する。 私たちのアプローチは、機械学習と不透明なスーパーオペレータが欠落している物理的解釈可能性を提供します。 このパラダイムは、ノイズを認識した最適量子制御への道を開き、制御とエラー軽減のリソースとして浴槽を利用するための道を開く。
  論文  参考訳（メタデータ） (2020-09-08T18:00:01Z)
• Demonstration of non-Markovian process characterisation and control on a quantum processor [0.0]
  非マルコフノイズは量子技術の進歩に深刻な課題をもたらす。 量子系における非マルコフ力学を特徴づける枠組みを開発する。 以上の結果から, この特性化手法は, より優れた量子制御とコヒーレンス時間の拡張につながることが示された。
  論文  参考訳（メタデータ） (2020-04-29T08:29:29Z)

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。