論文の概要: Group-Theoretic Reinforcement Learning of Dynamical Decoupling Sequences

• arxiv url: http://arxiv.org/abs/2512.13890v1
• Date: Mon, 15 Dec 2025 20:48:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.488208
• Title: Group-Theoretic Reinforcement Learning of Dynamical Decoupling Sequences
• Title（参考訳）: 動的デカップリング系列の群論的強化学習
• Authors: Charles Marrder, Shuo Sun, Murray J. Holland,
• Abstract要約: 動的デカップリングは、パルスビットの位相デコヒーレンスを効果的に瞬間的な電磁パルスのシーケンスを適用することによって緩和しようとする。 提案手法は,ノイズスペクトルの明示的な知識を必要とせずに,劣化するシーケンスを学習できることを実証する。
• 参考スコア（独自算出の注目度）: 9.136190419305427
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dynamical decoupling seeks to mitigate phase decoherence in qubits by applying a carefully designed sequence of effectively instantaneous electromagnetic pulses. Although analytic solutions exist for pulse timings that are optimal under specific noise regimes, identifying the optimal timings for a realistic noise spectrum remains challenging. We propose a reinforcement learning (RL)-based method for designing pulse sequences on qubits. Our novel action set enables the RL agent to efficiently navigate this inherently non-convex optimization landscape. The action set, derived from Thompson's group $F$, is applicable to a broad class of sequential decision problems whose states can be represented as bounded sequences. We demonstrate that our RL agent can learn pulse sequences that minimize dephasing without requiring explicit knowledge of the underlying noise spectrum. This work opens the possibility for real-time learning of optimal dynamical decoupling sequences on qubits which are dephasing-limited. The model-free nature of our algorithm suggests that the agent may ultimately learn optimal pulse sequences even in the presence of unmodeled physical effects, such as pulse errors or non-Gaussian noise.
• Abstract（参考訳）: 動的デカップリングは、効果的に瞬時電磁パルスを慎重に設計したシーケンスを適用することで、量子ビットにおける位相デコヒーレンスを緩和しようとする。 特定の雑音条件下で最適なパルスタイミングに対する解析解が存在するが、現実的な雑音スペクトルの最適タイミングを特定することは依然として困難である。 量子ビット上のパルス列を設計するための強化学習法(RL)を提案する。 我々の新しいアクションセットにより、RLエージェントはこの本質的に凸のない最適化風景を効率的にナビゲートすることができる。 トンプソン群$F$から導かれる作用集合は、状態が有界な列として表されるようなシーケンシャルな決定問題の幅広いクラスに適用できる。 我々のRLエージェントは、基礎となる雑音スペクトルの明示的な知識を必要とせずに、劣化を最小限に抑えるパルス列を学習できることを実証する。 この研究は、強調限定の量子ビット上の最適動的デカップリング列のリアルタイム学習の可能性を開く。 提案アルゴリズムは, パルス誤差や非ガウス雑音などの未モデル化物理効果が存在する場合でも, エージェントが最終的に最適なパルス列を学習できることを示唆する。

関連論文リスト

• Efficient learning and optimizing non-Gaussian correlated noise in digitally controlled qubit systems [1.5293427903448027]
  雑音最適化回路設計における高次スペクトル推定法について述べる。 注目すべきは、デジタル駆動された量子ビットダイナミクスは、適用された制御の複雑さによってのみ決定できることである。
  論文  参考訳（メタデータ） (2025-02-08T02:09:40Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Optimistic Active Exploration of Dynamical Systems [52.91573056896633]
  我々はOPAXと呼ばれる活発な探索のためのアルゴリズムを開発した。 我々は,OPAXを各エピソードで解決可能な最適制御問題に還元する方法を示す。 実験の結果,OPAXは理論的に健全であるだけでなく,新規な下流タスクのゼロショット計画にも有効であることがわかった。
  論文  参考訳（メタデータ） (2023-06-21T16:26:59Z)
• Losing momentum in continuous-time stochastic optimisation [42.617042045455506]
  運動量に基づく最適化アルゴリズムは 特に広まりました 本研究では、運動量を伴う勾配降下の連続時間モデルを解析する。 また、画像分類問題において畳み込みニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2022-09-08T10:46:05Z)
• Extracting Quantum Dynamical Resources: Consumption of Non-Markovianity for Noise Reduction [0.0]
  ノイズ抑制の鍵となるリソースは非マルコビアン性(あるいは時間的相関)であることを示す。 ノイズ低減のための最適パルス列を同定する2つの手法を提案する。 対応するツールは運用上の基盤の上に構築されており、現在の世代の量子デバイスで容易に実装できる。
  論文  参考訳（メタデータ） (2021-10-06T09:31:34Z)
• Designing arbitrary single-axis rotations robust against perpendicular time-dependent noise [0.0]
  任意の単軸回転を実装した有界かつ連続的な制御フィールドを設計するためのプロトコルを導入する。 非負の制御パルスのセットを提示することで,本手法の汎用性を示す。
  論文  参考訳（メタデータ） (2021-03-15T16:26:57Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Robust quantum gates using smooth pulses and physics-informed neural networks [0.0]
  本稿では、ノイズに対する感度を最小化する、真に滑らかなパルスを得るための最初の一般的な方法を提案する。 ニューラルネットワークを用いてハミルトニアンをパラメータ化することにより、多数の最適化パラメータを利用できる。 我々は,論理部分空間内のノイズの影響を抑えるスムーズな形状と,その部分空間からの漏れを抑えることで,我々のアプローチの能力を実証する。
  論文  参考訳（メタデータ） (2020-11-04T19:31:36Z)
• Process tomography of Robust Dynamical Decoupling in Superconducting Qubits [91.3755431537592]
  リゲッティ量子コンピューティングプラットフォームは、異なる動的デカップリングシーケンスをテストするために使用された。 シーケンスの性能は量子プロセストモグラフィーによって特徴づけられ、量子チャネル形式を用いて解析された。
  論文  参考訳（メタデータ） (2020-06-18T14:48:18Z)

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。