論文の概要: Dynamical Decoupling using Universal Optimal Tracking
- arxiv url: http://arxiv.org/abs/2606.21762v1
- Date: Fri, 19 Jun 2026 21:25:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 03:25:26.894215
- Title: Dynamical Decoupling using Universal Optimal Tracking
- Title（参考訳）: Universal Optimal Trackingを用いた動的デカップリング
- Authors: Amit Devra, Emanuel Malvetti, Niklas J. Glaser, Abhishek Agarwal, Ivan Rungger, Santana Lujan, Max Werninghaus, Stefan Filipp, Leo Van Damme, Steffen J. Glaser,
- Abstract要約: DD配列を設計するための完全に状態に依存しない設定に、元の追跡概念を拡張した普遍的最適追跡手法を導入する。
超伝導量子ビットプラットフォーム上での実験実験により、静的制御不完全条件下での誤差蓄積の抑制が確認された。
これらの結果は、ノイズの多い量子デバイスに適した短く堅牢なDDシーケンスを設計するための実用的でハードウェアに依存しないアプローチとして最適追跡を確立する。
- 参考スコア（独自算出の注目度）: 0.3070939646558157
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamical decoupling (DD) is a widely used and resource-efficient technique for error suppression, but conventional DD relies on periodically repeating a short pulse block to refocus the qubit state during idle periods. Imperfections in this block cause residual errors to accumulate, ultimately degrading state recovery over long idle times. Here, we introduce a universal optimal tracking approach that extends the original tracking concept to a fully state-independent setting for designing DD sequences. By monitoring the qubit's evolution at predefined waypoints during optimization, the method dynamically compensates residual errors while preserving regular refocusing. Experimental demonstrations on a superconducting-qubit platform confirm the suppression of error accumulation under static control imperfections, in agreement with numerical predictions. Complementary simulations further show that optimal-tracking-based sequences maintain strong performance under time-dependent noise. These results establish optimal tracking as a practical and hardware-agnostic approach to designing short, robust DD sequences suitable for noisy quantum devices.
- Abstract（参考訳）: 動的デカップリング(DD)は、エラー抑制に広く用いられ、資源効率のよい手法であるが、従来のDDは、アイドル期間中にキュービット状態を再フォーカスするために、短いパルスブロックを周期的に繰り返すことに依存している。
このブロックの欠陥は残差を蓄積させ、究極的には長時間のアイドル時間で状態回復を低下させる。
本稿では,従来の追跡概念をDDシーケンスを設計するための状態に依存しない完全な設定に拡張する,普遍的最適追跡手法を提案する。
最適化中に予め定義された経路ポイントでキュービットの進化をモニタリングすることにより、通常の再フォーカスを保ちながら残差を動的に補償する。
超伝導量子ビットプラットフォーム上での実験実験により,静的制御不完全条件下での誤差蓄積の抑制が数値予測と一致していることが確認された。
補間シミュレーションにより、時間依存雑音下での最適追従に基づくシーケンスが強い性能を維持することを示す。
これらの結果は、ノイズの多い量子デバイスに適した短く堅牢なDDシーケンスを設計するための実用的でハードウェアに依存しないアプローチとして最適追跡を確立する。
関連論文リスト
- DiRecT: Safe Diffusion-Based Planning via Receding-Horizon Denoising [4.249024052507976]
最適制御(SOC)による拡散モデルからの制約付きサンプリングのためのトレーニング不要アルゴリズムであるDiRecTを導入する。
モデル予測制御にインスパイアされ、不利な制約付き SOC の定式化のために、リテーディング・ホライゾン・サロゲートを導出する。
実験により、DiRecTは既存の拡散ベースの計画ベースラインよりも、デプロイメントの安全性とタスクパフォーマンスを大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-06-13T15:41:26Z) - Hierarchical ODE: Learning Continuous-Time Physical Prototypes for Early Link Failure Detection [7.172511482356683]
時系列のプロトタイプ学習は、観察的曖昧さによって根本的に挑戦される。
本稿では,ニューラルネットワークを用いた階層型常微分方程式クラスタリングネットワークを提案する。
この定式化は時間的連続性を強制してノイズからスムーズな特徴傾向を効果的に切り離し、適応的階層機構は適切なプロトタイプ数を自律的に決定する。
論文 参考訳（メタデータ） (2026-06-12T09:06:07Z) - Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。
NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
論文 参考訳（メタデータ） (2026-05-21T16:45:31Z) - Multi-scale Coarse-to-fine Modeling for Test-time Human Motion Control [51.92884966472683]
MSCoTは、テストタイムの人間のモーション合成と制御のための、マルチスケールで粗い粒度モデルである。
MSCoTは動きを多スケールの階層表現に識別し、各時間スケールでトークンシーケンス全体を予測する。
論文 参考訳（メタデータ） (2026-05-14T15:09:49Z) - Conservative Continuous-Time Treatment Optimization [9.553261527696067]
不規則な患者軌道から治療を最適化するための保守的連続時間制御フレームワークを開発した。
ベンチマークデータセットの実験では、非保守的なベースラインに比べて堅牢性とパフォーマンスが向上した。
論文 参考訳（メタデータ） (2026-03-17T17:01:23Z) - Deep Reinforcement Learning Optimization for Uncertain Nonlinear Systems via Event-Triggered Robust Adaptive Dynamic Programming [0.3848364262836075]
本研究では,Reinforcement Learning(RL)駆動のコントローラと外乱回避型拡張状態オブザーバ(ESO)を結合した統合制御アーキテクチャを提案する。
ESOは、システム状態とラップされた乱をリアルタイムで推定するために利用され、効果的な乱れ補償の基礎となる。
論文 参考訳（メタデータ） (2025-12-05T22:52:22Z) - Adaptive Deadline and Batch Layered Synchronized Federated Learning [66.93447103966439]
フェデレートラーニング(FL)は、データプライバシを保持しながら、分散エッジデバイス間で協調的なモデルトレーニングを可能にする。
我々は,レイヤワイドアグリゲーションのために,ラウンド単位の期限とユーザ固有のバッチサイズを共同で最適化する新しいフレームワークADEL-FLを提案する。
論文 参考訳（メタデータ） (2025-05-29T19:59:18Z) - CT-OT Flow: Estimating Continuous-Time Dynamics from Discrete Temporal Snapshots [14.39808568320318]
Continuous-Time Optimal Transport Flow (CT-OT Flow)は、高解像度のタイムラベルを推論し、連続時間データ分散を再構築するフレームワークである。
CT-OT Flow は OT-CFM, [SF](2)M, TrajectoryNet, MFM, ENOT と比較して分布誤差と軌道誤差を低減する。
論文 参考訳（メタデータ） (2025-05-23T00:12:49Z) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z) - Towards Understanding the Generalizability of Delayed Stochastic Gradient Descent [63.43247232708004]
非同期で実行される勾配降下は、大規模機械学習モデルのトレーニングにおいて重要な役割を果たす。
既存の一般化誤差境界は悲観的であり、非同期遅延と一般化の相関を明らかにすることはできない。
我々の理論的結果は、非同期遅延は遅延SGDアルゴリズムの一般化誤差を低減することを示唆している。
論文 参考訳（メタデータ） (2023-08-18T10:00:27Z)
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。