論文の概要: Optimal Control Design Guided by Adam Algorithm and LSTM-Predicted Open Quantum System Dynamics
- arxiv url: http://arxiv.org/abs/2602.04480v1
- Date: Wed, 04 Feb 2026 12:08:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.51783
- Title: Optimal Control Design Guided by Adam Algorithm and LSTM-Predicted Open Quantum System Dynamics
- Title（参考訳）: アダムアルゴリズムとLSTM予測オープン量子システムダイナミクスによる最適制御設計
- Authors: JunDong Zhong, ZhaoMing Wang,
- Abstract要約: 長期記憶ニューラルネットワーク(LSTM-NN)は、オープン量子システムの時間進化を正確に予測することができる。
オープン量子系における高速かつ効率的な最適制御設計のための最適制御フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The realization of high-fidelity quantum control is crucial for quantum information processing, particularly in noisy environments where control strategies must simultaneously achieve precise manipulation and effective noise suppression. Conventional optimal control designs typically requires numerical calculations of the system dynamics. Recent studies have demonstrated that long short-term memory neural networks (LSTM-NNs) can accurately predict the time evolution of open quantum systems. Based on LSTM-NN predicted dynamics, we propose an optimal control framework for rapid and efficient optimal control design in open quantum systems. As an exemplary example, we apply our scheme to design an optimal control for the adiabatic speedup in a two-level system under a non-Markovian environment. Our optimization procedure entails two steps: driving trajectory optimization and zero-area pulse optimization. Fidelity improvement for both steps have been obtained, showing the effectiveness of the scheme. Our optimal control design scheme utilizes predicted dynamics to generate optimized controls, offering broad application potential in quantum computing, communication, and sensing.
- Abstract（参考訳）: 高忠実度量子制御の実現は、特に制御戦略が正確な操作と効果的なノイズ抑圧を同時に達成しなければならないノイズの多い環境では、量子情報処理に不可欠である。
従来の最適制御設計はシステム力学の数値計算を必要とする。
近年の研究では、長い短期記憶ニューラルネットワーク(LSTM-NN)がオープン量子システムの時間進化を正確に予測できることが示されている。
LSTM-NN予測力学に基づいて,オープン量子系における高速かつ効率的な最適制御設計のための最適制御フレームワークを提案する。
模範例として,非マルコフ環境下での2レベルシステムにおける断熱速度の最適制御を設計するために,本手法を適用した。
提案手法は,駆動軌道最適化とゼロ領域パルス最適化の2段階を含む。
両ステップの忠実度向上が図られ, 提案手法の有効性が示された。
我々の最適制御設計スキームは、予測力学を利用して最適化された制御を生成し、量子コンピューティング、通信、センシングに幅広い応用可能性を提供する。
関連論文リスト
- Data-Driven Qubit Characterization and Optimal Control using Deep Learning [0.0]
本稿では、勾配の評価と複雑なシステムダイナミクスのモデル化という課題に対処する機械学習ベースのプロトコルを提案する。
量子ビットの振る舞いを予測するためにリカレントニューラルネットワーク(RNN)をトレーニングすることにより、詳細なシステムモデルを必要としない、効率的な勾配に基づくパルス最適化を実現する。
論文 参考訳（メタデータ） (2026-01-26T17:26:20Z) - Optimal scheme for distributed quantum metrology [3.330069889084255]
我々は,分散システムにおける究極の精度限界を特徴付ける分散量子力学の最適スキームを開発する。
本研究では,各センサ上で最適な制御操作をローカルに実装できることを証明し,遠隔ノード間の非ローカル制御操作の必要性を排除した。
論文 参考訳（メタデータ） (2025-09-22T18:55:11Z) - CLASS: A Controller-Centric Layout Synthesizer for Dynamic Quantum Circuits [58.16162138294308]
CLASSは、分散制御システムにおけるコントローラ間通信遅延を低減するために設計された、コントローラ中心のレイアウトシンセサイザーである。
評価の結果、CLASSは通信遅延を最大100%減らし、追加操作数の平均2.10%しか増加しないことがわかった。
論文 参考訳（メタデータ） (2025-09-19T08:11:55Z) - 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) - Machine-Learning-Assisted Pulse Design for State Preparation in a Noisy Environment [1.3193563062376317]
制御手法の設計に環境要因を取り入れた量子制御手法を提案する。
我々は、Deep Reinforcement Learning (DRL) と Supervised Learning (SL) の2つのアルゴリズムを用いて、ノイズを緩和する特定の制御パルスを設計する。
論文 参考訳（メタデータ） (2025-08-28T02:53:43Z) - Optimal control in large open quantum systems: the case of transmon readout and reset [44.99833362998488]
本稿では, 随伴状態法と逆時間バックプロパゲーションを組み合わせることで, 極めて大規模なオープンシステム量子制御問題を解く枠組みを提案する。
超伝導量子ビットにおける2つの本質的に散逸する演算を最適化するために、この枠組みを適用した。
提案手法は, 標準パルスがほぼ最適であるのに対して, プロトコル中にトランスモンドライブを付加することで, 忠実度と持続時間の2倍向上が期待できることを示す。
論文 参考訳（メタデータ） (2024-03-21T18:12:51Z) - Robust Quantum Control via a Model Predictive Control Strategy [4.197316670989004]
本稿では,有界不確実性を考慮した2レベル量子系のロバスト制御戦略を提案する。
TOMPCアルゴリズムの安定性を保証するための理論的結果を示す。
数値シミュレーションにより、不確実性が存在する場合、我々の量子TOMPCアルゴリズムはロバスト性を高め、その状態を高い忠実度で所望の状態に導出することを示した。
論文 参考訳（メタデータ） (2024-02-12T04:05:54Z) - Efficient exploration of Hamiltonian parameter space for optimal control
of non-Markovian open quantum systems [0.0]
非マルコフ開量子系に対する最適制御列を効率的に設計する一般手法を提案する。
レーザーパルスの形状を最適化し、特定の状態の量子ドットを作成する。
論文 参考訳（メタデータ） (2021-01-08T16:02:31Z) - 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)
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。