論文の概要: Large Language Model Steering of Acousto-Optic Tweezer Arrays
- arxiv url: http://arxiv.org/abs/2610.25014v1
- Date: Sun, 18 Oct 2026 04:48:57 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:19:55.152141
- Title: Large Language Model Steering of Acousto-Optic Tweezer Arrays
- Title（参考訳）: 音響光学的ツイーザアレイの大規模言語モデルステアリング
- Abstract要約: ニュートラル原子トウィーザープラットフォームのためのヒューマン・イン・ザ・ループ戦略層として,汎用大規模言語モデル (LLM) を実験的に検討した。
LLMは、乗算行列補正から、分離可能なフィードバック停止時におけるドリフト補正局所応答行列法への移行を導く。
- 参考スコア（独自算出の注目度）: 12.426820721656341
- License:
- Abstract: Controlling quantum hardware requires choosing and revising experimental strategies as nonlinear response, coupling, and drift limit calibration. We experimentally investigate a general-purpose large language model (LLM) as a human-in-the-loop strategy layer for a neutral-atom tweezer platform. Through step-by-step interaction with experimental feedback, the LLM guides a transition from multiplicative row--column correction to a drift-corrected local response-matrix method when separable feedback stalls. Deterministic software performs image analysis and numerical updates, while an experimentalist verifies and authorizes each waveform. For a $10\times10$ crossed-acousto-optic-deflector array, this workflow reduces the Gaussian-peak coefficient of variation from $20.30\%$ to $1.57\%$ in 30 candidate-update rounds. The experiment demonstrates feedback-informed strategy selection on a physical quantum-control subsystem, rather than direct generation of control parameters alone. These results highlight the potential of LLMs to guide control optimization across diverse quantum platforms by adaptively formulating and refining experimental strategies.
- Abstract（参考訳）: 量子ハードウェアを制御するには、非線形応答、結合、ドリフト限界校正などの実験戦略の選択と修正が必要である。
ニュートラル原子トウィーザープラットフォームのためのヒューマン・イン・ザ・ループ戦略層として,汎用大規模言語モデル (LLM) を実験的に検討した。
実験的なフィードバックとステップバイステップのインタラクションを通じて、LLMは、分離可能なフィードバックが停止した場合、乗算行列補正からドリフト修正局所応答行列法への移行をガイドする。
決定論的ソフトウェアは画像解析と数値更新を行い、実験者は各波形の検証と認可を行う。
10\times10$cross-acousto-optic-deflector配列の場合、このワークフローはガウスピークの変動係数を20.30\%$から30回の候補更新ラウンドで1.57\%$に下げる。
この実験は、制御パラメータを直接生成するのではなく、物理量子制御サブシステム上でのフィードバックインフォームド戦略選択を実証する。
これらの結果は、実験戦略を適応的に定式化し、精錬することにより、多種多様な量子プラットフォームにおける制御最適化を導くLLMの可能性を強調している。
関連論文リスト
- 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) - RoSTE: An Efficient Quantization-Aware Supervised Fine-Tuning Approach for Large Language Models [53.571195477043496]
本稿では,RoSTE (Rotated Straight-Through-Estimator) というアルゴリズムを提案する。
RoSTEは、量子化を意識した微調整(QA-SFT)と適応的な回転戦略を組み合わせることで、アクティベーションアウトリーを減少させる。
その結果, 予測誤差は収束重みの量子化誤差と直接比例し, 最適化された回転構成により効果的に管理できることが判明した。
論文 参考訳（メタデータ） (2025-02-13T06:44:33Z) - Instrumental distortions in quantum optimal control [0.0]
RAW-GRAPEは応答対応勾配上昇パルス工学フレームワークである。
GRAPEループ内の微分可能な歪みのカスケードを考慮に入れている。
ユーザが指定した歪みカスケードに耐性のある制御シーケンスを生成する。
論文 参考訳（メタデータ） (2025-02-04T10:22:57Z) - Model-aware reinforcement learning for high-performance Bayesian experimental design in quantum metrology [0.4999814847776097]
量子センサは、様々なパラメータにわたる実験者による操作を可能にすることで、推定中に制御の柔軟性を提供する。
量子力学、推定、仮説テストにおいて、幅広い問題を最適化できる汎用的な手順を導入する。
粒子フィルタリングに基づくモデル認識強化学習(RL)とベイズ推定を組み合わせた。
論文 参考訳（メタデータ） (2023-12-28T12:04:15Z) - Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳（メタデータ） (2023-12-04T16:49:43Z) - Direct Optimal Control Approach to Laser-Driven Quantum Particle
Dynamics [77.34726150561087]
間接制御理論に対する頑健で柔軟な代替手段として, 直接最適制御を提案する。
この方法は、バイスタブルポテンシャルにおけるレーザー駆動のウェーブパレットダイナミクスの場合に説明される。
論文 参考訳（メタデータ） (2020-10-08T07:59:29Z)
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。