論文の概要: Active Learning for Calibrating Entangling Gates via Surrogate-Based Optimization

• arxiv url: http://arxiv.org/abs/2607.00284v1
• Date: Wed, 01 Jul 2026 00:17:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.67198
• Title: Active Learning for Calibrating Entangling Gates via Surrogate-Based Optimization
• Title（参考訳）: サロゲート最適化による係留ゲートの校正のためのアクティブラーニング
• Abstract要約: 本稿では,ガウス過程をシュロゲートとしたベイズ最適化に基づく能動的学習フレームワークを提案する。 アクティブラーニングの追加により、データの量子射影ノイズに依存する速度と最終的な忠実度で設定された最適パラメータの発見が加速される。
• 参考スコア（独自算出の注目度）: 2.0939612492993476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The fidelity of a quantum gate is sensitive to small deviations in the physical control parameters. Unfortunately, it is generally difficult to exactly model the implemented Hamiltonian for a set of user-defined parameters, necessitating on-device calibration. Here, we present an active learning framework based on Bayesian optimization with a Gaussian Process surrogate to find the optimal parameter set. We validate the technique through numerical calibration of the laser amplitude and frequencies that implement the trapped-ion Mølmer Sørensen gate. We show that a Gaussian process can model the Hamiltonian dynamics. The addition of active learning accelerates the discovery of the optimal parameter set with speed and final fidelity dependent on the quantum projection noise of the data. These results establish the utility of active learning and surrogate models for quantum calibration and control.
• Abstract（参考訳）: 量子ゲートの忠実度は、物理制御パラメータの小さな偏差に敏感である。 残念なことに、デバイス上のキャリブレーションを必要とする、ユーザ定義パラメータのセットに対して実装されたハミルトンを正確にモデル化することは、一般的には困難である。 本稿では,ガウス過程をシュロゲートとしたベイズ最適化に基づく能動的学習フレームワークを提案する。 トラップイオンMølmer Sørensenゲートを実装したレーザ振幅と周波数の数値キャリブレーションにより,本手法の有効性を検証した。 ガウス過程がハミルトン力学をモデル化できることが示される。 アクティブラーニングの追加により、データの量子射影ノイズに依存する速度と最終的な忠実度で設定された最適パラメータの発見が加速される。 これらの結果は、量子キャリブレーションと制御のためのアクティブラーニングとサロゲートモデルの有用性を確立している。

関連論文リスト

• Optimizing Hyperparameters for Quantum Data Re-Uploaders in Calorimetric Particle Identification [11.099632666738177]
  本稿では,1量子ビットデータ再アップロード(QRU)量子モデルの粒子分類への応用について述べる。 このモデルは、強力な分類性能を提供しながら、最小の量子ビットを必要とする。
  論文  参考訳（メタデータ） (2024-12-16T23:10:00Z)
• Automatic pulse-level calibration by tracking observables using iterative learning [3.7845912794054337]
  量子コンピューティングでは、制御がいくつかのパラメータに限定されている場合、不正確なモデルによるゲート誤差を効率的に洗練することができる。 本稿では,LIFT(Learning Iteratively for Feasible Tracking)と呼ばれる,量子最適制御の校正のための自動モデルベースフレームワークを提案する。 LIFTは、量子オブザーバブルの可能な軌道を正確に追跡することで、寄生的モデルの違いにもかかわらず高忠実度制御を実現する。
  論文  参考訳（メタデータ） (2023-04-24T15:22:24Z)
• 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)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Fast Quantum Calibration using Bayesian Optimization with State Parameter Estimator for Non-Markovian Environment [11.710177724383954]
  弱測定とベイズ最適化を利用してゲート設計のための最適制御パルスを求める,量子状態のリアルタイム最適推定器を提案する。 以上の結果から,キャリブレーション過程が著しく低下し,高いゲート忠実度が得られた。
  論文  参考訳（メタデータ） (2022-05-25T17:31:15Z)
• Analytical and experimental study of center line miscalibrations in M\o lmer-S\o rensen gates [51.93099889384597]
  モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。 我々はゲート進化演算子を計算し、関連する鍵特性を得る。 我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
  論文  参考訳（メタデータ） (2021-12-10T10:56:16Z)
• Experimental Bayesian calibration of trapped ion entangling operations [48.43720700248091]
  我々は,広く使用されているMolmer-Sorensenエンタングゲート操作の実験パラメータを自動的に推定し,調整する効率的なキャリブレーションプロトコルを開発し,特徴付ける。 実験では, ゲートキャリブレーションを1分以内で完了する間, 実験サイクルは1200pm500$で, ゲートキャリブレーションの中央値が1.3(1)cdot10-3$であることを示す。
  論文  参考訳（メタデータ） (2021-12-02T16:59:00Z)
• Accurate methods for the analysis of strong-drive effects in parametric gates [94.70553167084388]
  正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。 我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
  論文  参考訳（メタデータ） (2021-07-06T02:02:54Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Hybrid quantum-classical approach to enhanced quantum metrology [13.1056933958821]
  符号化プロセスに調整可能な制御を導入し、その後、オンライン制御を自動的に最適化するためのハイブリッド量子古典的アプローチを利用する。 我々は、核磁気共鳴(NMR)プロセッサ上での周波数推定のための最適なプローブを見つけるための、この有望なスキームの最初の実験例を報告する。
  論文  参考訳（メタデータ） (2020-08-14T17:05:03Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [34.82692226532414]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 オプトメカニカルシステムは、メカニカルモードと移動光モードの間の非古典的相関を生成することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)

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。