論文の概要: Deep Reinforcement Learning for Individual Atomic Control and Cooling

• arxiv url: http://arxiv.org/abs/2606.30765v1
• Date: Mon, 29 Jun 2026 18:01:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 16:34:40.974073
• Title: Deep Reinforcement Learning for Individual Atomic Control and Cooling
• Title（参考訳）: 個別の原子制御と冷却のための深層強化学習
• Authors: Matthew L. Peters, Guoqing Wang, David C. Spierings, Niv Drucker, Meng-Wei Chen, Audrey Bartlett, Isaac Chuang, Vladan Vuletić,
• Abstract要約: 量子系のリアルタイムフィードバック制御は、部分的な観測、非線形力学、測定ノイズによって制限されることが多い。 深部強化学習は,高精細な光学キャビティに結合した単一中性原子の運動を冷却することができることを示す。
• 参考スコア（独自算出の注目度）: 4.9577109795938865
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-time feedback control of quantum systems is often limited by partial observations, nonlinear dynamics and measurement noise, which make accurate model-based controllers difficult to design. Here we show that deep reinforcement learning can cool the motion of a single neutral atom coupled to a high-finesse optical cavity using only the continuously monitored cavity transmission. We first train the controller in simulation and then transfer it to the experiment, where online fine-tuning adapts it to unmodeled experimental dynamics. The learned policy damps the atom's motion in real time and achieves a cooling time constant of 388 +/- 14 microseconds, corresponding to only two motional periods in the trap. It also outperforms a standard linear differentiator controller in cooling speed while maintaining comparable atom retention over a broad range of operating conditions. These results establish reinforcement learning as a practical strategy for feedback control in quantum-limited experiments where compact analytical models are incomplete.
• Abstract（参考訳）: 量子システムのリアルタイムフィードバック制御は、しばしば部分的な観測、非線形力学、測定ノイズによって制限され、正確なモデルベースのコントローラの設計が困難になる。 そこで本研究では,高精細な光学キャビティに結合した単一中性原子の運動を,連続的に監視されるキャビティ伝達のみを用いて冷却することができることを示す。 まず、シミュレーションでコントローラをトレーニングし、それから実験に転送します。 学習されたポリシーは原子の動きをリアルタイムで減衰させ、388 +/-14マイクロ秒の冷却時間を達成し、トラップ内の2つの運動周期のみに対応する。 また、冷却速度において標準的な線形微分器コントローラよりも優れており、幅広い動作条件において同等の原子保持を維持している。 これらの結果は、コンパクトな解析モデルが不完全である量子制限実験において、フィードバック制御のための実践的戦略として強化学習を確立する。

関連論文リスト

• End-to-End Learning of Quantum Control on Latent Dynamical Manifold [13.119254069186034]
  従来の量子制御は反復的な「シミュレート・then-Optimize」パラダイムに依存している。 本稿では,長期記憶に基づくエンドツーエンドの量子制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-26T09:57:12Z)
• Learning Minimal Representations of Many-Body Physics from Snapshots of a Quantum Simulator [0.08796261172196741]
  本研究では,変動型オートエンコーダ(VAE)に基づく機械学習手法を開発し,ボースガスの干渉測定を解析する。 非平衡なプロトコルを適用すると、潜伏空間は急激な冷却後に凍結したソリトンの符号を明らかにする。 その結果、生成モデルはノイズやスパースな実験データから直接物理的に解釈可能な変数を抽出できることを示した。
  論文  参考訳（メタデータ） (2025-09-17T08:38:46Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• Constructive interference at the edge of quantum ergodic dynamics [116.94795372054381]
  時間外2次相関器 OTOC$(2)$ を用いてエルゴード力学を特徴付ける。 時間反転のない力学とは対照的に、OTOC$(2)$は長い時間スケールで基礎となる力学に敏感である。
  論文  参考訳（メタデータ） (2025-06-11T21:29:23Z)
• Multi-mode cooling of a Bose-Einstein condensate with linear quantum feedback [0.0]
  オービレート準2次元原子ボース・アインシュタイン凝縮(BEC)の運動自由度に対する測定に基づくフィードバック制御を理論的に検討する。 我々は,連続的な測定と制御の下で凝縮体の集合励起の多モードダイナミクスを記述する線形四面体-ガウスモデルを開発した。 本研究は, 単音素平均占有量以下で集団励起を冷却できることを示す分析結果である。
  論文  参考訳（メタデータ） (2025-06-03T02:26:48Z)
• Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time [57.30651532625017]
  本稿では,数値シミュレーション,神経物理,生成制御を統合した新しいハイブリッド手法を提案する。 本システムでは, 多様な2D/3Dシナリオ, 材料タイプ, 障害物相互作用における堅牢な性能を示す。 受け入れ次第、モデルとデータの両方をリリースすることを約束します。
  論文  参考訳（メタデータ） (2025-05-25T01:27:18Z)
• Quantum emulation of the transient dynamics in the multistate Landau-Zener model [50.591267188664666]
  本研究では,Landau-Zenerモデルにおける過渡ダイナミクスを,Landau-Zener速度の関数として検討する。 我々の実験は、工学的なボソニックモードスペクトルに結合した量子ビットを用いたより複雑なシミュレーションの道を開いた。
  論文  参考訳（メタデータ） (2022-11-26T15:04:11Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Real-time optimal quantum control of mechanical motion at room temperature [4.050112001048099]
  我々は、光学的に閉じ込められたナノ粒子の量子軌道のリアルタイム最適制御を示す。 浮揚と組み合わせることで、これはマクロ量子オブジェクトのウェーブパレットダイナミクスをフルスケールに制御する方法を舗装する。
  論文  参考訳（メタデータ） (2020-12-30T15:14:11Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• Generation and storage of spin squeezing via learning-assisted optimal control [7.460567829296081]
  ボゾン場に結合した集合スピン系を考察し、このモデルにおける適切な定数制御がこれらの2つのモデルの動的挙動をシミュレートできることを示す。 強化学習アルゴリズムにより、制御が時間変化した場合に、より優れたスクイーズ性能が得られる。 定値制御と時間変化制御の両方を含む新しい種類の複合制御を構築するための4段階戦略を提案するが、異なる時間間隔で実行される。
  論文  参考訳（メタデータ） (2020-10-26T09:31:04Z)

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。