論文の概要: Agent-assisted experimental strategy transfer across quantum processors
- arxiv url: http://arxiv.org/abs/2610.21047v1
- Date: Thu, 15 Oct 2026 00:46:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.112338
- Title: Agent-assisted experimental strategy transfer across quantum processors
- Title（参考訳）: エージェントによる量子プロセッサ間の実験的戦略伝達
- Abstract要約: 3ビット核磁気共鳴プロセッサを用いた実験を行うためのエージェント支援実験戦略を提案する。
この戦略は、エージェントを使用して実験的な証拠を評価し、その後の測定を選択し、手順を適応させる。
その結果、プロセッサ間でエージェント支援の実験戦略を再利用し、洗練し、共通の量子タスクを実現することが可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 4.122474180246461
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Progress in quantum hardware requires a growing volume of experiments across diverse devices, straining the capacity of human experts. Automation remains challenging because device differences and drift can render workflows developed on one processor unsuitable for another. Here we present an agent-assisted experimental strategy for conducting experiments across three-qubit nuclear magnetic resonance processors. Developed on one processor and applied sequentially to four others, the strategy uses an agent to assess experimental evidence, select subsequent measurements and adapt procedures, with operators providing instrument preparation and physical intervention. Using three-qubit Grover state preparation as a common task, each deployment combined device-specific calibration, control-pulse optimization and measurement. The experimental strategy was refined through sequential deployment, and all four processors ultimately produced outputs dominated by their respective marked states. The marked-state populations of the reconstructed dominant eigenstates ranged from \(0.910\) to \(0.959\), with relative deviations below \(3.8\%\) from the ideal value of 0.945. These results demonstrate that an agent-assisted experimental strategy can be reused and refined across processors to realize a common quantum task, providing a basis for scaling experimental practice beyond individual devices.
- Abstract（参考訳）: 量子ハードウェアの進歩は、さまざまなデバイスにまたがる実験量の増加を必要とし、人間の専門家の能力を損なう。
デバイスの違いやドリフトによって、あるプロセッサで開発されているワークフローが別のプロセッサに適さないため、自動化は依然として困難である。
ここでは3ビット核磁気共鳴プロセッサを用いた実験を行うためのエージェント支援実験戦略を提案する。
1つのプロセッサ上で開発され、他の4つに順次適用される戦略では、エージェントを使用して実験的なエビデンスを評価し、その後の測定と適応手順を選択し、オペレーターは機器の準備と物理的介入を提供する。
3キュービットのGrover状態の準備を共通タスクとして使用し、各デプロイメントはデバイス固有のキャリブレーション、制御パルス最適化と測定を組み合わせた。
実験戦略はシーケンシャルな展開によって洗練され、4つのプロセッサは最終的にそれぞれのマークされた状態に支配される出力を生成した。
再建された支配的固有状態のマーク状態の人口は \(0.910\) から \(0.959\) まで様々であり、相対偏差は 0.945 の理想値から \(3.8\%\) 以下であった。
これらの結果から,プロセッサ間でエージェント支援実験戦略を再利用・洗練し,共通の量子タスクを実現することが可能であることが示唆された。
関連論文リスト
- RoboChemGym: A Protocol-Driven Generative Simulation Framework for Long-Horizon Chemical Manipulation [60.85696622722056]
ウェットラブ実験は科学的発見における仮説検証の金の標準となっている。
エージェントはこれらの面倒な作業を自動化するという約束を持っているが、彼らの開発は現実世界のトレーニングデータの不足によって妨げられている。
textbfRoboChemGymは,実世界の実験プロトコルに適合した高忠実な操作デモを自律的に生成するフレームワークである。
論文 参考訳（メタデータ） (2026-10-02T02:43:15Z) - Strategy Accumulation and Guided Execution for Automated LLM Fine-Tuning [55.45800745117191]
SAGE(Strategy Accumulation and Guided Execution)は、自動微調整検索を累積化するフレームワークである。
単ラウンド実行では、SAGEの累積経験はベースラインに対する平均相対的な改善を3.2%から15.6%に引き上げる。
これらの結果は、永続的な戦略経験が、目に見えないタスクを自動微調整するための効果的なガイダンスを提供することを示している。
論文 参考訳（メタデータ） (2026-09-06T09:18:03Z) - Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-10T06:30:19Z) - AgentChemist: A Multi-Agent Experimental Robotic Platform Integrating Chemical Perception and Precise Control [27.513130381967937]
化学実験室の自動化は、長い間、厳密な一般化と実験タスクの長期分布への適応性に制約されてきた。
本稿では,協調作業の分解,動的スケジューリング,適応制御を通じて,この長期的課題に対処するために設計されたマルチエージェントロボットプラットフォームを提案する。
論文 参考訳（メタデータ） (2026-03-25T03:19:34Z) - Learning Adaptive Force Control for Contact-Rich Sample Scraping with Heterogeneous Materials [0.5161531917413708]
グローバルな課題によって推進される、科学発見の加速に対する需要の増加は、先進的なAI駆動型ロボットの必要性を強調している。
人間中心の研究室にロボット化学者を配置することは、自律的な発見の次の地平の鍵だ。
本研究は, 安定かつ適合な物理相互作用を実現するために, 低レベルカルテシアンインピーダンス制御を頼りに, この問題に対処するための適応制御フレームワークを提案する。
本手法は5種類の材料で評価され, 平均10.9%の固定 Wrench ベースラインよりも優れた性能を示した。
論文 参考訳（メタデータ） (2026-03-11T17:07:55Z) - Autonomous Quantum Simulation through Large Language Model Agents [0.29165586612027233]
大規模言語モデル(LLM)エージェントは、量子多体システムのテンソルネットワークシミュレーションを自律的に行うことができる。
私たちは、数分で専門的な計算領域でトレーニングできる自律的なAIエージェントを作成します。
論文 参考訳（メタデータ） (2026-01-15T08:50:57Z) - Volumetric Ergodic Control [0.0]
本稿では,体積状態表現を用いた空間被覆を最適化するエルゴディック制御式を提案する。
本手法は,エルゴディック制御のカバレッジ保証を保護し,リアルタイム制御に最小限の計算オーバーヘッドを付加し,任意のサンプルベース容積モデルをサポートする。
論文 参考訳（メタデータ） (2025-11-14T18:10:40Z) - Mixture-of-Transformers Learn Faster: A Theoretical Study on Classification Problems [59.94955550958074]
本研究では,各変圧器ブロックが連続的に訓練されたゲーティングネットワークによって制御される専門家として機能する,トラクタブルな理論的枠組みについて検討する。
専門家の専門化は、勾配の衝突を減らし、各サブタスクを強く凸させることを示す。
トレーニングによって予測損失が$O(log(epsilon-1)$のステップでゼロに近づき、単一変圧器の$O(epsilon-1)$のレートよりも大幅に向上することが証明された。
論文 参考訳（メタデータ） (2025-10-30T21:07:36Z) - Is Diversity All You Need for Scalable Robotic Manipulation? [50.747150672933316]
ロボット学習におけるデータ多様性の役割について,従来の「より多様な方がよい」という直観に固執する3つの重要な次元(タスク),実施形態(ロボットの使用方法),専門家(専門家)を用いて検討する。
タスクの多様性は、タスクごとのデモンストレーション量よりも重要であり、多様な事前学習タスクから新しい下流シナリオへの移行に有効であることを示す。
本稿では,速度のあいまいさを緩和する分散デバイアス法を提案する。GO-1-Proは,2.5倍の事前学習データを用いて,15%の性能向上を実現している。
論文 参考訳（メタデータ） (2025-07-08T17:52:44Z) - AMaze: An intuitive benchmark generator for fast prototyping of generalizable agents [0.0]
AMazeは,任意の複雑度と誤認の視覚的兆候を解釈することで,エージェントが迷路をナビゲートしなければならない,新しいベンチマークジェネレータである。
概念実証として,認識性に制限のある単純かつ完全に離散的なケースにおいて,ジェネレータの能力を実証する。
論文 参考訳（メタデータ） (2024-11-20T06:47:29Z) - Dynamical learning of a photonics quantum-state engineering process [48.7576911714538]
実験的な高次元量子状態の工学は、いくつかの量子情報プロトコルにとって重要な課題である。
我々は、フォトニック軌道Angular Momentum(OAM)ステートを設計するための自動適応最適化プロトコルを実装した。
このアプローチは、量子情報プロトコルや技術のためのノイズの多い実験タスクを自動最適化するための強力なツールである。
論文 参考訳（メタデータ） (2022-01-14T19:24:31Z)
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。