1Max Planck Fénytudományi Intézet, Erlangen, Németország
2Fizikai Tanszék, Friedrich-Alexander Universität Erlangen-Nürnberg, Németország
3Univ Lyon, ENS de Lyon, CNRS, Laboratoire de Physique, F-69342 Lyon, Franciaország
Érdekesnek találja ezt a cikket, vagy szeretne megvitatni? Scite vagy hagyjon megjegyzést a SciRate-en.
Absztrakt
A kvantumszabályozás iránt az utóbbi években egyre nagyobb érdeklődés mutatkozott, pl. olyan feladatokhoz, mint az állapot inicializálása és stabilizálása. A visszacsatoláson alapuló stratégiák különösen erősek, de nehéz megtalálni az exponenciálisan megnövekedett keresési tér miatt. A mélyen megerősített tanulás nagy ígéreteket rejt magában ebben a tekintetben. Új válaszokat adhat olyan nehéz kérdésekre, mint például, hogy a nemlineáris mérések kompenzálhatják-e a lineáris, korlátozott szabályozást. Itt megmutatjuk, hogy a megerősítő tanulás sikeresen képes felfedezni az ilyen visszacsatolási stratégiákat előzetes tudás nélkül. Ezt illusztráljuk állapot-előkészítéshez egy olyan üregben, amely a fotonszám kvantum-nem bontási detektálására vonatkozik, vezérlésként egy egyszerű lineáris meghajtóval. Fock állapotok nagyon nagy pontossággal állíthatók elő és stabilizálhatók. Még szuperpozíciós állapotok elérése is lehetséges, feltéve, hogy a különböző Fock-állapotok mérési sebessége is szabályozható.
Kiemelt kép: Az RL algoritmus sémái. Az RL ágens csak egyszerű lineáris szabályozást, esetünkben eltolást tud alkalmazni egy üreg kvantumállapotára. A nemlineáris gyenge mérés lehetővé teszi az ágens számára, hogy a rendszert összetett szuperpozíciók felé terelje. Itt a $frac{|1rangle+|3rangle}{sqrt{2}}$ Wigner-függvénye látható. Az RL ügynök egy előrecsatolt neurális hálózattal van modellezve.
Népszerű összefoglaló
► BibTeX adatok
► Referenciák
[1] Navin Khaneja, Timo Reiss, Cindie Kehlet, Thomas Schulte-Herbrüggen és Steffen J. Glaser. „A csatolt spindinamika optimális szabályozása: NMR impulzussorozatok tervezése gradiens emelkedési algoritmusokkal”. Journal of Magnetic Resonance 172, 296–305 (2005).
https:///doi.org/10.1016/j.jmr.2004.11.004
[2] P. de Fouquieres, SG Schirmer, SJ Glaser és Ilja Kuprov. „Másodrendű gradiens emelkedési impulzustechnika”. Journal of Magnetic Resonance 212, 412–417 (2011).
https:///doi.org/10.1016/j.jmr.2011.07.023
[3] AC Doherty és K. Jacobs. „Kvantumrendszerek visszacsatolásos vezérlése folyamatos állapotbecsléssel”. Phys. Rev. A 60, 2700–2711 (1999).
https:///doi.org/10.1103/PhysRevA.60.2700
[4] Pavel Bushev, Daniel Rotter, Alex Wilson, François Dubin, Christoph Becher, Jürgen Eschner, Rainer Blatt, Viktor Steixner, Peter Rabl és Peter Zoller. „Egyetlen csapdába esett ion visszacsatolásos hűtése”. Phys. Rev. Lett. 96, 043003 (2006).
https:///doi.org/10.1103/physrevlett.96.043003
[5] Howard M. Wiseman és Gerard J. Milburn. „Kvantummérés és szabályozás”. Cambridge University Press. Cambridge (2009).
https:///doi.org/10.1017/CBO9780511813948
[6] GG Gillett, RB Dalton, BP Lanyon, MP Almeida, M. Barbieri, GJ Pryde, JL O'Brien, KJ Resch, SD Bartlett és AG White. „Kvantumrendszerek kísérleti visszacsatolási vezérlése gyenge mérésekkel”. Phys. Rev. Lett. 104, 080503 (2010).
https:///doi.org/10.1103/physrevlett.104.080503
[7] Clément Sayrin, Igor Dotsenko, Xingxing Zhou, Bruno Peaudecerf, Théo Rybarczyk, Sébastien Gleyzes, Pierre Rouchon, Mazyar Mirrahimi, Hadis Amini, Michel Brune, Jean-Michel Raimond és Serge Haroche. „A valós idejű kvantum-visszacsatolás előkészíti és stabilizálja a fotonszám-állapotokat”. Nature 477, 73–77 (2011).
https:///doi.org/10.1038/nature10376
[8] P. Campagne-Ibarcq, E. Flurin, N. Roch, D. Darson, P. Morfin, M. Mirrahimi, MH Devoret, F. Mallet és B. Huard. „A szupravezető Qubit tartós vezérlése stroboszkópos mérési visszajelzéssel”. Phys. Rev. X 3, 021008 (2013).
https:///doi.org/10.1103/physrevx.3.021008
[9] Nissim Ofek, Andrei Petrenko, Reinier Heeres, Philip Reinhold, Zaki Leghtas, Brian Vlastakis, Yehan Liu, Luigi Frunzio, SM Girvin, L. Jiang, Mazyar Mirrahimi, MH Devoret és RJ Schoelkopf. „Kvantumbitek élettartamának meghosszabbítása hibajavítással szupravezető áramkörökben”. Nature 536, 441–445 (2016).
https:///doi.org/10.1038/nature18949
[10] Massimiliano Rossi, David Mason, Junxin Chen, Yeghishe Tsaturyan és Albert Schliesser. „A mechanikai mozgás mérésen alapuló kvantumszabályozása”. Nature 563, 53–58 (2018).
https://doi.org/10.1038/s41586-018-0643-8
[11] Shay Hacohen-Gourgy és Leigh S. Martin. „Folyamatos mérések szupravezető kvantumáramkörök vezérléséhez”. Haladás a fizika területén: X 5, 1813626 (2020). arXiv:2009.07297.
https:///doi.org/10.1080/23746149.2020.1813626
arXiv: 2009.07297
[12] Alessio Fallani, Matteo AC Rossi, Dario Tamascelli és Marco G. Genoni. „A kvantummetrológia visszacsatolásvezérlési stratégiáinak elsajátítása”. PRX Quantum 3, 020310 (2022).
https:///doi.org/10.1103/PRXQuantum.3.020310
[13] Richard S. Sutton és Andrew G. Barto. „Megerősítő tanulás, második kiadás: Bevezetés”. MIT Press. (2018). url: http:///incompleteideas.net/book/the-book.html.
http:///incompleteideas.net/book/the-book.html
[14] Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Andrei A. Rusu, Joel Veness, Marc G. Bellemare, Alex Graves, Martin Riedmiller, Andreas K. Fidjeland, Georg Ostrovski, Stig Petersen, Charles Beattie, Amir Sadik, Ioannis Antonoglou, Helen King , Dharshan Kumaran, Daan Wierstra, Shane Legg és Demis Hassabis. „Emberi szintű kontroll mély megerősített tanuláson keresztül”. Nature 518, 529–533 (2015).
https:///doi.org/10.1038/nature14236
[15] Tuomas Haarnoja, Sehoon Ha, Aurick Zhou, Jie Tan, George Tucker és Sergey Levine. „Sétálni a mélyreható tanulás révén” (2019). arXiv:1812.11103.
arXiv: 1812.11103
[16] Thomas Fösel, Petru Tighineanu, Talitha Weiss és Florian Marquardt. „Tanulás megerősítése neurális hálózatokkal a kvantum-visszacsatolás érdekében”. Phys. Rev. X 8, 031084 (2018).
https:///doi.org/10.1103/physrevx.8.031084
[17] Chunlin Chen, Daoyi Dong, Han-Xiong Li, Jian Chu és Tzyh-Jong Tarn. „Fidelity-Based Probabilistic Q-Learning for Control of Quantum Systems”. IEEE Transactions on Neural Networks and Learning Systems 25, 920–933 (2014).
https:///doi.org/10.1109/tnnls.2013.2283574
[18] Moritz August és José Miguel Hernández-Lobato. „Gradiensek felvétele kísérleteken keresztül: LSTM-ek és memóriaproximális házirend optimalizálása a fekete doboz kvantumvezérléséhez”. Rio Yokotában Michèle Weiland, John Shalf és Sadaf Alam, a High Performance Computing szerkesztői. 591–613. oldal. Lecture Notes in Computer ScienceCham (2018). Springer International Publishing.
https://doi.org/10.1007/978-3-030-02465-9_43
[19] Marin Bukov, Alexandre GR Day, Dries Sels, Phillip Weinberg, Anatoli Polkovnikov és Pankaj Mehta. „Megerősítő tanulás a kvantumvezérlés különböző fázisaiban”. Phys. Rev. X 8, 031086 (2018). arXiv:1705.00565.
https:///doi.org/10.1103/physrevx.8.031086
arXiv: 1705.00565
[20] Riccardo Porotti, Dario Tamascelli, Marcello Restelli és Enrico Prati. „Kvantumállapotok koherens transzportja mélyen megerősített tanulással”. Commun Phys 2, 1–9 (2019).
https:///doi.org/10.1038/s42005-019-0169-x
[21] Murphy Yuezhen Niu, Sergio Boixo, Vadim N. Smelyanskiy és Hartmut Neven. „Univerzális kvantumszabályozás mélyen megerősített tanuláson keresztül”. npj Quantum Information 5, 1–8 (2019).
https://doi.org/10.1038/s41534-019-0141-3
[22] Zheng An és DL Zhou. „Mély megerősítő tanulás a kvantumkapu vezérléséhez”. EPL 126, 60002 (2019).
https://doi.org/10.1209/0295-5075/126/60002
[23] Han Xu, Junning Li, Liqiang Liu, Yu Wang, Haidong Yuan és Xin Wang. „Általánosítható vezérlés a kvantumparaméter-becsléshez megerősítési tanuláson keresztül”. npj Quantum Inf 5, 1–8 (2019).
https:///doi.org/10.1038/s41534-019-0198-z
[24] Juan Miguel Arrazola, Thomas R. Bromley, Josh Izaac, Casey R. Myers, Kamil Brádler és Nathan Killoran. „Gépi tanulási módszer állapot-előkészítéshez és kapuszintézishez fotonikus kvantumszámítógépeken”. Quantum Sci. Technol. 4, 024004 (2019).
https:///doi.org/10.1088/2058-9565/aaf59e
[25] L. O'Driscoll, R. Nichols és PA Knott. „Hibrid gépi tanulási algoritmus kvantumkísérletek tervezésére”. Quantum Mach. Intell. 1, 5–15 (2019).
https://doi.org/10.1007/s42484-019-00003-8
[26] Thomas Fösel, Stefan Krastanov, Florian Marquardt és Liang Jiang. „Hatékony üregvezérlés SNAP kapukkal” (2020). arXiv:2004.14256.
arXiv: 2004.14256
[27] Mogens Dalgaard, Felix Motzoi, Jens Jakob Sørensen és Jacob Sherson. „A kvantumdinamika globális optimalizálása AlphaZero mélyreható feltárással”. npj Quantum Inf 6, 6 (2020).
https://doi.org/10.1038/s41534-019-0241-0
[28] Hailan Ma, Daoyi Dong, Steven X. Ding és Chunlin Chen. „A tanterv alapú mélyerősítő tanulás kvantumvezérléshez” (2021). arXiv:2012.15427.
arXiv: 2012.15427
[29] Zheng An, Hai-Jing Song, Qi-Kai He és DL Zhou. „Többszintű disszipatív kvantumrendszerek kvantumoptimális vezérlése megerősítő tanulással”. Phys. Rev. A 103, 012404 (2021).
https:///doi.org/10.1103/physreva.103.012404
[30] Yuval Baum, Mirko Amico, Sean Howell, Michael Hush, Maggie Liuzzi, Pranav Mundada, Thomas Merkh, Andre RR Carvalho és Michael J. Biercuk. „Kísérleti mélyerősítő tanulás a hiba robusztus kapukészlet-tervezéséhez szupravezető kvantumszámítógépen”. PRX Quantum 2, 040324 (2021).
https:///doi.org/10.1103/PRXQuantum.2.040324
[31] Thomas Fösel, Murphy Yuezhen Niu, Florian Marquardt és Li Li. „Kvantumáramkör optimalizálás mély megerősítéses tanulással” (2021). arXiv:2103.07585.
arXiv: 2103.07585
[32] E. Flurin, LS Martin, S. Hacohen-Gourgy és I. Siddiqi. „Recurrent Neural Network használata egy szupravezető Qubit kvantumdinamikájának rekonstruálására fizikai megfigyelésekből”. Physical Review X 10 (2020).
https:///doi.org/10.1103/physrevx.10.011006
[33] DT Lennon, H. Moon, LC Camenzind, Liuqi Yu, DM Zumbühl, G. a. D. Briggs, MA Osborne, EA Laird és N. Ares. „Kvantumeszköz hatékony mérése gépi tanulás segítségével”. npj Quantum Information 5, 1–8 (2019).
https://doi.org/10.1038/s41534-019-0193-4
[34] Kyunghoon Jung, MH Abobeih, Jiwon Yun, Gyeonghun Kim, Hyunseok Oh, Ang Henry, TH Taminiau és Dohun Kim. „A mély tanulás javította az egyéni nukleáris spin-észlelést”. npj Quantum Inf 7, 1–9 (2021).
https://doi.org/10.1038/s41534-021-00377-3
[35] V Nguyen. „Mély megerősítéses tanulás a kvantumeszközök hatékony méréséhez”. npj Quantum InformationPage 9 (2021).
https:///doi.org/10.1038/s41534-021-00434-x
[36] Alexander Hentschel és Barry C. Sanders. „Gépi tanulás a precíz kvantumméréshez”. Phys. Rev. Lett. 104, 063603 (2010).
https:///doi.org/10.1103/physrevlett.104.063603
[37] M. Tiersch, EJ Ganahl és HJ Briegel. „Adaptív kvantumszámítás változó környezetben projektív szimuláció segítségével”. Sci Rep 5, 12874 (2015).
https:///doi.org/10.1038/srep12874
[38] Pantita Palittapongarnpim, Peter Wittek, Ehsan Zahedinejad, Shakib Vedaie és Barry C. Sanders. „Tanulás a kvantumvezérlésben: Nagydimenziós globális optimalizálás a zajos kvantumdinamikához”. Neurocomputing 268, 116–126 (2017).
https:///doi.org/10.1016/j.neucom.2016.12.087
[39] Jelena Mackeprang, Durga B. Rao Dasari és Jörg Wrachtrup. „Megerősítő tanulási megközelítés a kvantumállapot-technológiához”. Quantum Mach. Intell. 2, 5 (2020).
https://doi.org/10.1007/s42484-020-00016-8
[40] Christian Sommer, Muhammad Asjad és Claudiu Genes. „Az erősítés tanulásának lehetőségei számos mechanikai mód egyidejű csillapítására”. Sci Rep 10, 2623 (2020).
https:///doi.org/10.1038/s41598-020-59435-z
[41] Zhikang T. Wang, Yuto Ashida és Masahito Ueda. „A kvantumkartonok mélyerősítéses tanulási vezérlése”. Phys. Rev. Lett. 125, 100401 (2020).
https:///doi.org/10.1103/PhysRevLett.125.100401
[42] Sangkha Borah, Bijita Sarma, Michael Kewming, Gerard J. Milburn és Jason Twamley. „Mérésen alapuló visszacsatolásos kvantumvezérlés mély megerősítéses tanulással a kettős kút nemlineáris potenciálja érdekében”. Phys. Rev. Lett. 127, 190403 (2021).
https:///doi.org/10.1103/PhysRevLett.127.190403
[43] VV Sivak, A. Eickbusch, H. Liu, B. Royer, I. Tsioutsios és MH Devoret. „Modellmentes kvantumvezérlés megerősítéses tanulással”. Phys. Rev. X 12, 011059 (2022).
https:///doi.org/10.1103/PhysRevX.12.011059
[44] Antoine Essig, Quentin Ficheux, Théau Peronnin, Nathanaël Cottet, Raphaël Lescanne, Alain Sarlette, Pierre Rouchon, Zaki Leghtas és Benjamin Huard. „Multiplexált fotonszám mérése”. Phys. Rev. X 11, 031045 (2021).
https:///doi.org/10.1103/PhysRevX.11.031045
[45] B. Peaudecerf, C. Sayrin, X. Zhou, T. Rybarczyk, S. Gleyzes, I. Dotsenko, JM Raimond, M. Brune és S. Haroche. „Kvantum-visszacsatolási kísérletek, amelyek stabilizálják a fény Fock-állapotait egy üregben”. Phys. Rev. A 87, 042320 (2013).
https:///doi.org/10.1103/physreva.87.042320
[46] X. Zhou, I. Dotsenko, B. Peaudecerf, T. Rybarczyk, C. Sayrin, S. Gleyzes, JM Raimond, M. Brune és S. Haroche. „A mező Fock-állapotba zárva kvantum-visszajelzéssel egyetlen foton korrekcióval”. Phys. Rev. Lett. 108, 243602 (2012).
https:///doi.org/10.1103/physrevlett.108.243602
[47] Jacob C. Curtis, Connor T. Hann, Salvatore S. Elder, Christopher S. Wang, Luigi Frunzio, Liang Jiang és Robert J. Schoelkopf. „Mikrohullámú fotonok egylövéses számfeloldott detektálása hibacsökkentéssel”. Phys. Rev. A 103, 023705 (2021).
https:///doi.org/10.1103/physreva.103.023705
[48] Christine Guerlin, Julien Bernu, Samuel Deléglise, Clément Sayrin, Sébastien Gleyzes, Stefan Kuhr, Michel Brune, Jean-Michel Raimond és Serge Haroche. „Progresszív mezőállapot-összeomlás és kvantum, nem bontási fotonszámlálás”. Nature 448, 889–893 (2007).
https:///doi.org/10.1038/nature06057
[49] BR Johnson, MD Reed, AA Houck, DI Schuster, Lev S. Bishop, E. Ginossar, JM Gambetta, L. DiCarlo, L. Frunzio, SM Girvin és RJ Schoelkopf. „Egyetlen mikrohullámú fotonok kvantumbontás nélküli detektálása egy áramkörben”. Nature Phys 6, 663–667 (2010).
https:///doi.org/10.1038/nphys1710
[50] B. Peaudecerf, T. Rybarczyk, S. Gerlich, S. Gleyzes, JM Raimond, S. Haroche, I. Dotsenko és M. Brune. „A fotonszám adaptív kvantumbontás nélküli mérése”. Phys. Rev. Lett. 112, 080401 (2014).
https:///doi.org/10.1103/physrevlett.112.080401
[51] Crispin Gardiner és Peter Zoller. „Kvantumzaj: Markov-i és nem-markovi kvantumsztochasztikus módszerek kézikönyve kvantumoptikában való alkalmazásokkal”. Springer sorozat a szinergetikában. Springer-Verlag. Berlin Heidelberg (2004). Harmadik kiadás. url: link.springer.com/book/9783540223016.
https:///link.springer.com/book/9783540223016
[52] John Schulman, Filip Wolski, Prafulla Dhariwal, Alec Radford és Oleg Klimov. „Proximális politikaoptimalizálási algoritmusok” (2017). arXiv:1707.06347.
arXiv: 1707.06347
[53] John Schulman, Sergey Levine, Philipp Moritz, Michael I. Jordan és Pieter Abbeel. „Trust Region Policy Optimization” (2017). arXiv:1502.05477.
arXiv: 1502.05477
[54] Ashley Hill, Antonin Raffin, Maximilian Ernestus, Adam Gleave, Anssi Kanervisto, Rene Traore, Prafulla Dhariwal, Christopher Hesse, Oleg Klimov, Alex Nichol, Matthias Plappert, Alec Radford, John Schulman, Szymon Sidor és Yuhuai Wu. „Stabil alapvonalak”. url: github.com/hill-a/stable-baselines.
https:///github.com/hill-a/stable-baselines
[55] Weizhou Cai, Yuwei Ma, Weiting Wang, Chang-Ling Zou és Luyan Sun. „Bosonic kvantum hibajavító kódok szupravezető kvantumáramkörökben”. Fundamental Research 1, 50–67 (2021).
https:///doi.org/10.1016/j.fmre.2020.12.006
[56] FAM de Oliveira, MS Kim, PL Knight és V. Buek. „Eltolt számállapotok tulajdonságai”. Physical Review A 41, 2645–2652 (1990).
https:///doi.org/10.1103/physreva.41.2645
[57] Michael Martin Nieto. „Kiszorított és összeszorított számállamok”. Physics Letters A 229, 135–143 (1997). arXiv:quant-ph/9612050.
https://doi.org/10.1016/s0375-9601(97)00183-7
arXiv:quant-ph/9612050
Idézi
[1] Anna Dawid, Julian Arnold, Borja Requena, Alexander Gresch, Marcin Płodzień, Kaelan Donatella, Kim A. Nicoli, Paolo Stornati, Rouven Koch, Miriam Büttner, Robert Okuła, Gorka Muñoz-Gil, Rodrigo A. Vargas-Hernández, Alba Cervera-Lierta, Juan Carrasquilla, Vedran Dunjko, Marylou Gabrié, Patrick Huembeli, Evert van Nieuwenburg, Filippo Vicentini, Lei Wang, Sebastian J. Wetzel, Giuseppe Carleo, Eliška Greplová, Roman Krems, Florian Marquardt, Michał Tomza, Maciej Lewenstein és Alexandre Dauphin, „A gépi tanulás modern alkalmazásai kvantumtudományokban”, arXiv: 2204.04198.
[2] Riccardo Porotti, Vittorio Peano és Florian Marquardt, „Gradient Ascent Pulse Engineering with Feedback”, arXiv: 2203.04271.
[3] Luigi Giannelli, Pierpaolo Sgroi, Jonathon Brown, Gheorghe Sorin Paraoanu, Mauro Paternostro, Elisabetta Paladino és Giuseppe Falci, „Oktatóanyag a kvantumtechnológiák optimális szabályozási és megerősítési tanulási módszereiről”, Physics Letters A 434, 128054 (2022).
[4] Björn Annby-Andersson, Faraj Bakhshinezhad, Debankur Bhattacharyya, Guilherme De Sousa, Christopher Jarzynski, Peter Samuelsson és Patrick P. Potts, „Quantum Fokker-Planck mesteregyenlet folyamatos visszacsatolásvezérléshez”, arXiv: 2110.09159.
[5] Alessio Fallani, Matteo AC Rossi, Dario Tamascelli és Marco G. Genoni, „Learning Feedback Control Strategies for Quantum Metrology”, PRX Quantum 3 2, 020310 (2022).
[6] Paolo Andrea Erdman és Frank Noé, „Fekete dobozos kvantumtermikus gépek vezetése optimális teljesítmény/hatékonyság kompromisszumokkal erősítő tanulással”, arXiv: 2204.04785.
[7] David A. Herrera-Martí, „Policy Gradient Approach to Compilation of Variational Quantum Circuits”, arXiv: 2111.10227.
A fenti idézetek innen származnak SAO/NASA HIRDETÉSEK (utolsó sikeres frissítés: 2022-07-22 01:21:35). Előfordulhat, hogy a lista hiányos, mivel nem minden kiadó ad megfelelő és teljes hivatkozási adatokat.
On Crossref által idézett szolgáltatás művekre hivatkozó adat nem található (utolsó próbálkozás 2022-07-22 01:21:34).
Ez a tanulmány a Quantumban jelent meg Creative Commons Nevezd meg 4.0 International (CC BY 4.0) engedély. A szerzői jog az eredeti szerzői jog tulajdonosainál marad, például a szerzőknél vagy intézményeiknél.
