論文の概要: Reinforcement Learning for Fast and Robust Longitudinal Qubit Readout
- arxiv url: http://arxiv.org/abs/2603.18060v1
- Date: Wed, 18 Mar 2026 01:27:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:05.733658
- Title: Reinforcement Learning for Fast and Robust Longitudinal Qubit Readout
- Title（参考訳）: 高速かつロバストな縦ビット読み出しのための強化学習
- Authors: Yiming Yu, Yuan Qiu, Xinyu Zhao, Ye-Hong Chen, Yan Xia,
- Abstract要約: 我々は長手結合波形を最適化する強化学習フレームワークを開発した。
固定された短い読み出し時には、最適化されたパルスは制約飽和フラットトッププロトコルに収束する。
このプロトコルは大幅な性能向上を実現し、解釈可能な飽和状態と保持状態のメカニズムによって制御されるスムーズなハードウェア互換の波形を得る。
- 参考スコア（独自算出の注目度）: 13.734433692881305
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Longitudinal coupling offers a compelling pathway for quantum nondemolition (QND) readout, but pulse design is constrained by hardware limitations such as the coupling strength and the photon number required to stay within the linear regime. We develop a reinforcement learning framework to optimize the longitudinal coupling waveform under such constraints. Building upon the theoretical foundation of shortcuts to adiabaticity (STA), we parameterize an auxiliary trajectory with cubic B-splines and reconstruct the physical control. At a fixed short readout time, the optimized pulse converges to a constraint saturating flat-top protocol and yields a approximately $50\%$ improvement in $\mathrm{SNR}$ over an STA baseline, while exhibiting enhanced robustness to parameter drifts. Simulation results demonstrate the efficacy of reinforcement learning in optimizing longitudinal readout pulses. The optimized protocol attains substantial performance gains and yields smooth, hardware-compatible waveforms governed by an interpretable ``saturate-and-hold'' mechanism.
- Abstract（参考訳）: 縦結合は量子非破壊(QND)リードアウトのための魅力的な経路を提供するが、パルス設計は結合強度や光子数などのハードウェアの制約によって制約される。
このような制約下での長手結合波形を最適化する強化学習フレームワークを開発した。
閉鎖性近距離法(STA)の理論的基礎を基礎として, 補助軌道を立方体B線でパラメータ化し, 物理的制御を再構築する。
固定された短い読み出し時間で、最適化されたパルスは制約飽和フラットトッププロトコルに収束し、STAベースラインに対して$\mathrm{SNR}$で約50\%改善され、パラメータドリフトに対する堅牢性が向上する。
シミュレーションの結果, 長手読み出しパルスの最適化における強化学習の有効性が示された。
最適化されたプロトコルは大幅な性能向上を実現し、解釈可能な ``saturate-and-hold'' メカニズムによって制御されるスムーズなハードウェア互換の波形を得る。
関連論文リスト
- Structured Quantum Optimal Control under Bandwidth and Smoothness Constraints-An Inexact Proximal-ADMM Approach for Low-Complexity Pulse Synthesis [0.0]
ゲート不整合性,全変分正則化,明示的帯域制限射影,ボックス制約を1ループで組み合わせた非コンパクトなプロキシADMMフレームワークについて検討する。
GRAPE、標準のKrotov、L-BFGS-Bに対して、シングルキュービットの$X$ゲート、リークが発生しやすいクォートタスク、2キュービットのエンタングゲートでベンチマークされる。
コントリビューションは、直ちに展開可能な高忠実度ゲートへの完了ルートとしてではなく、制約パルス合成のための数値的枠組みとして読み取るべきである。
論文 参考訳（メタデータ） (2026-03-13T14:27:40Z) - JAWS: Enhancing Long-term Rollout of Neural Operators via Spatially-Adaptive Jacobian Regularization [0.0]
Jacobian-Adaptive Weighting for Stability (JAWS)は、これらの制限を軽減するために設計された確率的正規化戦略である。
空間的不確実性を伴う最大Aポストエリオーリ(MAP)推定として演算子学習をフレーミングすることにより、JAWSは局所的な物理的複雑さに基づいて正規化強度を動的に変調する。
実験により、この空間適応型プリコンディショナーが有効スペクトルプレコンディショナーとして機能し、高周波不安定性を扱う際のベースオペレータの負担を軽減することが示されている。
論文 参考訳（メタデータ） (2026-03-04T06:15:09Z) - Deterministic Ground State Preparation via Power-Cosine Filtering of Time Evolution Operators [0.0]
本稿では,Power-Cosine量子信号処理フィルタを用いた地中準備のための非変分プロトコルを提案する。
複雑なブロックエンコーディング手法を推定することにより,1つのアシラリー量子ビットで制御されるコヒーレントな時間進化演算子を直接利用することができる。
論文 参考訳（メタデータ） (2026-02-23T07:01:30Z) - Optimally Driven Dressed Qubits [0.0]
我々は、CRTを最適に除去し、複数のパフォーマンス指標に大幅な改善をもたらす、装束制御プロトコルを導入する。
これらの進歩は、我々のスキームを量子ビット制御の最先端戦略として位置づけ、より広範な量子技術への道を開いた。
論文 参考訳（メタデータ） (2026-01-27T15:42:17Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - PT$^2$-LLM: Post-Training Ternarization for Large Language Models [52.4629647715623]
大きな言語モデル(LLM)は、様々なタスクにまたがる印象的な機能を示しているが、その大きなメモリと計算能力は、デプロイメントを妨げている。
PT$2$-LLMを提案する。
その中核は2段精製パイプラインを備えた非対称3次量子化器である。
論文 参考訳（メタデータ） (2025-09-27T03:01:48Z) - Nesterov Method for Asynchronous Pipeline Parallel Optimization [59.79227116582264]
パイプライン並列処理における非同期最適化のために,Nesterov Accelerated Gradient (NAG) の変種を導入する。
具体的には、NAGのルックアヘッドステップを変更して、勾配の安定性を効果的に解決する。
我々は、勾配の固定遅延の存在下で、我々のアプローチがサブ線形速度で収束することを理論的に証明する。
論文 参考訳（メタデータ） (2025-05-02T08:23:29Z) - On Disentangled Training for Nonlinear Transform in Learned Image Compression [59.66885464492666]
学習画像圧縮(lic)は,従来のコーデックに比べて高いレート歪み(R-D)性能を示した。
既存のlic法は、非線形変換の学習において、エネルギーのコンパクト化によって生じる緩やかな収束を見落としている。
非線形変換の訓練において, エネルギーの縮退を両立させる線形補助変換(AuxT)を提案する。
論文 参考訳（メタデータ） (2025-01-23T15:32:06Z) - Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints [51.83081671798784]
Diffusion Transformers (DiT) は、画像およびビデオ生成のための強力なアーキテクチャとして登場し、優れた品質とスケーラビリティを提供している。
DiTの実用アプリケーションは本質的に動的特徴不安定性に悩まされており、キャッシュされた推論中にエラーを増幅する。
我々は,Long-Skip-Connections (LSCs) で拡張された画像およびビデオ生成型DiTであるSkip-DiTを提案する。
論文 参考訳（メタデータ） (2024-11-26T17:28:10Z) - Robust Control of Single-Qubit Gates at the Quantum Speed Limit [0.0]
最適なバランスをとるために、基礎となる頑健な時間最適制御問題について検討する。
系のユニタリプロパゲータのテイラー展開に基づいて、拡張有限次元系の最適制御として設計問題を定式化する。
単一量子ビット系の数値シミュレーションにより、得られた時間-最適制御パルスはゲート誤差を効果的に抑制できることを示した。
論文 参考訳（メタデータ） (2023-09-11T10:10:58Z) - Hessian-Free High-Resolution Nesterov Acceleration for Sampling [55.498092486970364]
最適化のためのNesterovのAccelerated Gradient(NAG)は、有限のステップサイズを使用する場合の連続時間制限(ノイズなしの運動的ランゲヴィン)よりも優れたパフォーマンスを持つ。
本研究は, この現象のサンプリング法について検討し, 離散化により加速勾配に基づくMCMC法が得られる拡散過程を提案する。
論文 参考訳（メタデータ） (2020-06-16T15:07:37Z)
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。