論文の概要: Comparing and correcting robustness metrics for quantum optimal control

• arxiv url: http://arxiv.org/abs/2602.10349v1
• Date: Tue, 10 Feb 2026 22:44:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.32308
• Title: Comparing and correcting robustness metrics for quantum optimal control
• Title（参考訳）: 量子最適制御のためのロバストネス指標の比較と補正
• Authors: Andrew T. Kamen, Samuel Fine, Bikrant Bhattacharyya, Frederic T. Chong, Andy J. Goldschmidt,
• Abstract要約: 本稿では,隣接端点とトグリングフレームのアプローチにおける重要な数値的違いを示す,新しい体系的な研究を提案する。 また、広く使われているロバストネスフレーム推定器に臨界離散化補正を導入する。 提案手法は制御と忠実性の制約を一意に処理すると同時に,厳密な最適化をクリーンに分離する。
• 参考スコア（独自算出の注目度）: 1.6927349660459692
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Control pulses that nominally optimize fidelity are sensitive to routine hardware drift and modeling errors. Robust quantum optimal control seeks error-insensitive control pulses that maintain fidelity thresholds and obey hardware constraints. Distinct numerical approximations to the first-order error susceptibility include adjoint end-point and toggling-frame approaches. Although theoretically equivalent, we provide a novel, systematic study demonstrating important numerical differences between these two approaches. We also introduce a critical discretization correction to the widely-used toggling-frame robustness estimator, measurably improving its estimate of first-order error susceptibility. We accomplish our study by positioning robustness as a first-class objective within direct, constrained optimal control. Our approach uniquely handles control and fidelity constraints while cleanly isolating robustness for dedicated optimization. In both single- and two-qubit examples under realistic constraints, our approach provides an analytic edge for obtaining precise, physics-informed robustness.
• Abstract（参考訳）: 名目上、忠実度を最適化する制御パルスは、通常のハードウェアドリフトやモデリングエラーに敏感である。 ロバスト量子最適制御は、忠実度閾値を維持し、ハードウェアの制約に従うエラー非感受性制御パルスを求める。 一階誤差の感受性に対する離散的な数値近似には、随伴端点とトグリングフレームのアプローチがある。 理論的に等価ではあるが、これらの2つのアプローチの間に重要な数値的な違いを示す、新しい体系的な研究を提供する。 また,広く使用されているトグルリングフレームのロバスト性推定器に重要な離散化補正を導入し,一階誤差の予測を確実に改善する。 我々は, 直接的, 制約のある最適制御において, 頑健さを第一級の目標として位置づけることにより, 研究を成し遂げた。 提案手法は制御と忠実性の制約を一意に処理し,一方,厳密性は専用最適化のためにクリーンに分離する。 現実的な制約の下での単ビットおよび2ビットの例では、我々の手法は正確な物理学的インフォームド・ロバスト性を得るための分析エッジを提供する。

関連論文リスト

• Rectified Robust Policy Optimization for Model-Uncertain Constrained Reinforcement Learning without Strong Duality [53.525547349715595]
  我々はRectified Robust Policy Optimization (RRPO) と呼ばれる新しいプライマリのみのアルゴリズムを提案する。 RRPOは双対の定式化に頼ることなく、主問題に直接作用する。 我々は、最もよく知られた下界と一致する複雑性を持つ、ほぼ最適な実現可能なポリシーに収束することを示す。
  論文  参考訳（メタデータ） (2025-08-24T16:59:38Z)
• C-Learner: Constrained Learning for Causal Inference [4.370964009390564]
  本稿では,両世界の最適な重み付けを実現し,安定したプラグイン推定を実現する新しいデバイアス化手法を提案する。 我々の制約学習フレームワークは、プラグイン量に対する一階誤差がゼロであるという制約の下で、最高のプラグイン推定器を解く。
  論文  参考訳（メタデータ） (2024-05-15T16:38:28Z)
• Robustness of Dynamic Quantum Control: Differential Sensitivity Bound [0.0]
  パラメトリック不確実性に対するゲート忠実度誤差の差分感度に基づく新しいロバスト性尺度を提案する。 与えられた忠実度誤差を保証するハミルトンの不確かさの集合に対する最大許容摂動を確実に計算する方法が示される。
  論文  参考訳（メタデータ） (2023-12-30T18:36:53Z)
• Towards Calibrated Robust Fine-Tuning of Vision-Language Models [97.19901765814431]
  本研究は、視覚言語モデルにおいて、OOD精度と信頼性校正の両方を同時に改善する頑健な微調整法を提案する。 OOD分類とOOD校正誤差は2つのIDデータからなる共有上限を持つことを示す。 この知見に基づいて,最小の特異値を持つ制約付きマルチモーダルコントラスト損失を用いて微調整を行う新しいフレームワークを設計する。
  論文  参考訳（メタデータ） (2023-11-03T05:41:25Z)
• Actively Learning Reinforcement Learning: A Stochastic Optimal Control Approach [3.453622106101339]
  本研究では,2つの相互に結びついた目的を達成するための枠組みを提案する。 (i) 積極的な探索と意図的な情報収集を伴う強化学習と, (ii) 最適制御法の計算的難易度を克服する枠組みである。 我々は、強化学習を用いて最適制御則を計算することにより、両方の目的にアプローチする。 一定の探索と搾取バランスとは異なり、学習プロセスが終了しても、警告と探索はリアルタイムでコントローラによって自動的に行われる。
  論文  参考訳（メタデータ） (2023-09-18T18:05:35Z)
• Robust Quantum Control: Analysis & Synthesis via Averaging [0.2320417845168326]
  従来の平均化法に基づくロバストネス解析と量子(単位)制御合成のためのアプローチを提案する。 その結果は、名目上の(不確実性のない)忠実さと、よく知られた堅牢性尺度である相互作用(エラー)ハミルトニアン(英語版)のサイズとを競合する多重基準最適化(英語版)である。
  論文  参考訳（メタデータ） (2022-08-30T12:09:40Z)
• Statistically Characterising Robustness and Fidelity of Quantum Controls and Quantum Control Algorithms [0.5599792629509229]
  頑健性不忠実度尺度 (RIM$_p$) は、コントローラの頑健性と忠実度を定量化するために導入された。 RIM$_p$に基づいて、期待されるコントローラーの堅牢性と忠実度を定量化するためにアルゴリズム的ロバスト性不忠実度尺度(ARIM)が開発された。
  論文  参考訳（メタデータ） (2022-07-16T01:19:57Z)
• Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
  強靭性と精度のトレードオフは、敵文学において広く研究されている。 局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。 定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
  論文  参考訳（メタデータ） (2022-02-21T10:36:09Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• Enforcing robust control guarantees within neural network policies [76.00287474159973]
  本稿では、ニューラルネットワークによってパラメータ化され、ロバスト制御と同じ証明可能なロバスト性基準を適用した、一般的な非線形制御ポリシークラスを提案する。 提案手法は,複数の領域において有効であり,既存のロバスト制御法よりも平均ケース性能が向上し,(非ロバスト)深部RL法よりも最悪のケース安定性が向上した。
  論文  参考訳（メタデータ） (2020-11-16T17:14:59Z)

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。