論文の概要: Uncovering Latent Structures in Robust Pulse Sequences: A Model-Based Reinforcement Learning Approach for Adaptable Quantum Control
- arxiv url: http://arxiv.org/abs/2606.24507v1
- Date: Tue, 23 Jun 2026 12:37:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:48.944052
- Title: Uncovering Latent Structures in Robust Pulse Sequences: A Model-Based Reinforcement Learning Approach for Adaptable Quantum Control
- Title（参考訳）: ロバストパルス列の潜在構造:適応量子制御のためのモデルに基づく強化学習アプローチ
- Authors: Tobias Kiermeyer, Thomas Heydenreich, Léo Van Damme, Sebastian Hohenemser, Florian Marquardt, Steffen J. Glaser,
- Abstract要約: 量子システムのリアルタイム適応制御には、堅牢で高忠実なパルスを迅速に生成する必要がある。
モデルに基づく強化学習に基づくロバストな最適量子制御手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time adaptive control of quantum systems requires rapid generation of robust, high-fidelity pulses across a continuous range of operating conditions. Standard optimization algorithms such as gradient-ascent pulse engineering (GRAPE) solve each instance independently, discarding information between runs and requiring costly reinitialization when parameters change. We present an approach to robust optimal quantum control based on model-based reinforcement learning, in which a single neural network -- embedding the Hamiltonian directly into the training pipeline -- generates robust gates across an entire family of gate configurations, without pre-computed training data. Demonstrated on a single-spin (two-level) system, the trained networks produce pulses for arbitrary rotation angles over a range of pulse durations, detunings, and field inhomogeneities in milliseconds, at fidelities comparable to multi-seed GRAPE. The framework is inherently adaptable: any parameter entering the Hamiltonian can serve as a network input, extending the approach to different systems and control settings. Beyond speed, the network reveals structure in the control landscape: it discovers the same structured phase profiles that appear in GRAPE solutions -- made identifiable through fidelity-invariant symmetry transformations -- but more consistently than independent optimization. This consistency enables smooth interpolation across the entire trained parameter space.
- Abstract（参考訳）: 量子システムのリアルタイム適応制御には、連続的な動作条件で頑健で高忠実なパルスを高速に生成する必要がある。
勾配上昇パルスエンジニアリング(GRAPE)のような標準的な最適化アルゴリズムは、各インスタンスを独立して解決し、実行間に情報を破棄し、パラメータが変化するとコストがかかる。
モデルに基づく強化学習に基づくロバストな量子制御へのアプローチとして,ハミルトニアンを直接トレーニングパイプラインに埋め込んだ1つのニューラルネットワークが,事前計算されたトレーニングデータなしで,ゲート構成全体のロバストなゲートを生成する。
訓練されたネットワークは、シングルスピン(2レベル)システムで示され、ミリ秒間のパルス持続時間、デチューニング、フィールド不均一性を、マルチシードGRAPEに匹敵する忠実度で任意の回転角のパルスを生成する。
フレームワークは本質的に適応可能であり、ハミルトニアンに入る任意のパラメータはネットワーク入力として機能し、アプローチを異なるシステムに拡張し、制御設定を制御できる。
速度を超えて、ネットワークは制御環境の構造を明らかにし、GRAPEソリューションに現れるのと同じ構造化された位相プロファイルを発見する。
この一貫性は、訓練されたパラメータ空間全体のスムーズな補間を可能にする。
関連論文リスト
- Intelligent Optimal Control of Rydberg Gates with Incremental-Update Deep Reinforcement Learning [10.771205594997445]
本稿では,高速かつ高忠実なRydberg制御NOTゲートを実現するためのDRLベースのフレームワークについて述べる。
段階的に更新された学習ポリシーを導入することで、制御環境の探索を効果的に調整する。
提案プロトコルは, 従来手法を著しく上回り, 耐故障しきい値を超え, 0.9991 のピーク平均忠実度を実現している。
論文 参考訳（メタデータ） (2026-05-06T08:15:59Z) - Programming long-range interactions in analog quantum simulators [39.364243535886985]
長距離相互作用は多くの平衡現象と外平衡量子多体現象の源である。
我々は,このチューニング性を利用して,アナログシミュレータにおける多体状態準備を強化するハイブリッド型古典量子ツールボックスを開発した。
本研究は,次世代アナログ量子シミュレータのための強力なリソースとして,プログラマブルな長距離相互作用を確立した。
論文 参考訳（メタデータ） (2026-04-24T12:06:38Z) - Fidelity-informed neural pulse compilation of a continuous family of quantum gates with uncertainty-margin analysis [0.0]
我々は,3量子状態核磁気共鳴(NMR)プロセッサ上で,単一量子ゲート群に対するニューラルパルスコンパイルフレームワークを開発した。
対象のユニタリを校正基底ゲート列に分解する代わりに、SU(2)演算において任意のUの軸角パラメータから直接写像を学習する。
一つのモデルが連続的なゲートパラメータにわたって一般化されることを数値的に示し、ベンチトップ3量子NMRデバイス上での代表パルスを実験的に検証する。
論文 参考訳（メタデータ） (2026-04-13T11:17:18Z) - Optimal Control Meets Flow Matching: A Principled Route to Multi-Subject Fidelity [35.95129874095729]
テキスト・トゥ・イメージ(T2I)モデルは単一エンタリティ・プロンプトに優れるが、多目的記述に苦慮する。
マルチオブジェクト忠実度に向けてサンプリングダイナミクスを操るための原理的最適化可能な目的を持った最初の理論的枠組みを導入する。
論文 参考訳（メタデータ） (2025-10-02T17:59:58Z) - Robust, Online, and Adaptive Decentralized Gaussian Processes [40.250871864353314]
分散ランダムフーリエ機能ガウシアンプロセス(DRFGP)は、GPを情報フィルタ形式でキャストするオンライン分散アルゴリズムである。
DRFGPを2つの重要な方向に沿って拡張する。第1に、非定型的な観察の影響を下げるロバストフィルタの更新を導入し、第2に、時間変化関数に適応する動的適応機構を組み込むことにより、DRFGPを拡張する。
我々は,大規模な地球システムアプリケーションにおいて,その有効性を実証し,その可能性について検討した。
論文 参考訳（メタデータ） (2025-09-22T16:49:49Z) - Pulse-based optimization of quantum many-body states with Rydberg atoms in optical tweezer arrays [39.58317527488534]
光ツイーザアレイにおけるリドベルグ原子に対するパルスベースの変分量子固有解法を探索する。
一次元反強磁性ハイゼンベルク模型と混合場イジング模型の基底状態が正確に作成できることを数値的に示す。
論文 参考訳（メタデータ） (2025-07-25T10:51:49Z) - Neural-network-based design and implementation of fast and robust quantum gates [0.0]
我々は,量子ゲートのパルス工学に焦点をあてた,量子システムにおける最適制御に対する連続的,ニューラルネットワークに基づくアプローチを提案する。
トレーニング可能なニューラルネットワークの出力として制御フィールドを構築し、離散パラメトリゼーションや事前定義されたベースの必要性を排除する。
論文 参考訳（メタデータ） (2025-05-04T10:12:27Z) - Foundation Neural-Networks Quantum States as a Unified Ansatz for Multiple Hamiltonians [39.47297975798672]
Foundation Neural-Network Quantum States (FNQS)は、量子多体システムを研究するための統合パラダイムである。
FNQSは基礎モデルの鍵となる原理を活用し、単一の汎用アーキテクチャに基づいて変動波動関数を定義する。
FNQSは、訓練中に遭遇した以上の物理ハミルトニアンに一般化することができる。
論文 参考訳（メタデータ） (2025-02-13T16:52:07Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - Sample-efficient Model-based Reinforcement Learning for Quantum Control [0.2999888908665658]
ノイズの多い時間依存ゲート最適化のためのモデルベース強化学習(RL)手法を提案する。
標準モデルフリーRLに比べて,本手法のサンプル複雑性において,桁違いの優位性を示す。
提案アルゴリズムは,部分的特徴付き1量子ビット系と2量子ビット系の制御に適している。
論文 参考訳（メタデータ） (2023-04-19T15:05:19Z)
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。