Deep Reinforcement Learning voor Quantum State-voorbereiding met zwakke niet-lineaire metingen PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Deep Reinforcement Learning voor kwantumvoorbereiding met zwakke niet-lineaire metingen

Tijdstempel: 28 juni 2022 7:43 uur

Riccardo Porotti1,2, Antoine Essig3, Benjamin Hoerd3 en Florian Marquardt1,2

1Max Planck Instituut voor de Wetenschap van het Licht, Erlangen, Duitsland
2Afdeling Natuurkunde, Friedrich-Alexander Universitรคt Erlangen-Nรผrnberg, Duitsland
3Univ Lyon, ENS de Lyon, CNRS, Laboratoire de Physique,F-69342 Lyon, Frankrijk

Vind je dit artikel interessant of wil je het bespreken? Scite of laat een reactie achter op SciRate.

Abstract

Quantumcontrole staat de laatste jaren in toenemende mate in de belangstelling, bijvoorbeeld voor taken als toestandsinitialisatie en stabilisatie. Op feedback gebaseerde strategieรซn zijn bijzonder krachtig, maar ook moeilijk te vinden vanwege de exponentieel toegenomen zoekruimte. Diep versterkend leren is in dit opzicht veelbelovend. Het kan nieuwe antwoorden bieden op moeilijke vragen, zoals of niet-lineaire metingen lineaire, beperkte controle kunnen compenseren. Hier laten we zien dat versterkingsleren dergelijke feedbackstrategieรซn met succes kan ontdekken, zonder voorkennis. We illustreren dit voor toestandsvoorbereiding in een holte die onderhevig is aan kwantum-niet-sloopdetectie van het fotongetal, met een eenvoudige lineaire aandrijving als controle. Fock-toestanden kunnen met zeer hoge betrouwbaarheid worden geproduceerd en gestabiliseerd. Het is zelfs mogelijk om superpositietoestanden te bereiken, op voorwaarde dat ook de meetsnelheden voor verschillende Fock-toestanden kunnen worden gecontroleerd.

Uitgelichte afbeelding: Schema's van het RL-algoritme. De RL-agent kan alleen eenvoudige lineaire controle, in ons geval verplaatsing, toepassen op een kwantumtoestand in een holte. De niet-lineaire zwakke meting stelt de agent in staat om het systeem naar complexe superposities te drijven. Hier wordt de Wigner-functie van $frac{|1rangle+|3rangle}{sqrt{2}}$ getoond. De RL-agent is gemodelleerd met een feed-forward neuraal netwerk.

Populaire samenvatting

Quantumcontrole is de afgelopen jaren van groot belang geweest, vooral door de verspreiding van kwantumcomputers. Omgaan met feedback in kwantumregeling (dwz metingen gebruiken om de dynamiek te sturen) is vooral moeilijk omdat de controlekeuzes exponentieel groot worden. Het hier bestudeerde systeem kan worden gemodelleerd als een holte, die zwak kan worden gemeten om gedeeltelijke informatie over elk energieniveau te verkrijgen. Om kwantumtoestanden in zo'n holte voor te bereiden en te stabiliseren, gebruiken we wapeningsleren (RL). RL is een tak van machine learning die zich bezighoudt met besturingsproblemen. In een RL-raamwerk probeert het algoritme een objectieve functie (in dit geval de betrouwbaarheid) te maximaliseren door via een trial-and-error-proces met het systeem te interageren. In dit werk slaagt RL erin om complexe superposities van de Fock-toestand in de holte voor te bereiden, met slechts een zeer beperkte lineaire controle. De RL-agent leert ook om kwantumtoestanden te stabiliseren tegen verschillende vormen van verval.

โ–บ BibTeX-gegevens

โ–บ Referenties

[1] Navin Khaneja, Timo Reiss, Cindie Kehlet, Thomas Schulte-Herbrรผggen en Steffen J. Glaser. "Optimale controle van gekoppelde spindynamica: ontwerp van NMR-pulssequenties door algoritmen voor gradiรซntstijging". 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 en Ilya Kuprov. "Tweede orde gradiรซnt opstijgpuls engineering". Journal of Magnetic Resonance 212, 412-417 (2011).
https: / / doi.org/ 10.1016 / j.jmr.2011.07.023

[3] AC Doherty en K. Jacobs. "Feedbackcontrole van kwantumsystemen met behulp van continue toestandsschatting". Fys. Rev. A 60, 2700-2711 (1999).
https: / / doi.org/ 10.1103 / PhysRevA.60.2700

[4] Pavel Bushev, Daniel Rotter, Alex Wilson, Franรงois Dubin, Christoph Becher, Jรผrgen Eschner, Rainer Blatt, Viktor Steixner, Peter Rabl en Peter Zoller. "Feedback Cooling van een Single Trapped Ion". Fys. ds. Lett. 96, 043003 (2006).
https: / / doi.org/ 10.1103 / physrevlett.96.043003

[5] Howard M. Wiseman en Gerard J. Milburn. "Kwantummeting en controle". 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 en AG White. "Experimentele feedbackcontrole van kwantumsystemen met behulp van zwakke metingen". Fys. ds. Lett. 104, 080503 (2010).
https: / / doi.org/ 10.1103 / physrevlett.104.080503

[7] Clรฉment Sayrin, Igor Dotsenko, Xingxing Zhou, Bruno Peaudecerf, Thรฉo Rybarczyk, Sรฉbastien Gleyzes, Pierre Rouchon, Mazyar Mirrahimi, Hadis Amini, Michel Brune, Jean-Michel Raimond en Serge Haroche. "Real-time kwantumfeedback bereidt en stabiliseert fotongetaltoestanden". Natuur 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 en B. Huard. "Persistente controle van een supergeleidende Qubit door stroboscopische meetfeedback". Fys. 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 en RJ Schoelkopf. "De levensduur van een kwantumbit verlengen met foutcorrectie in supergeleidende circuits". Natuur 536, 441-445 (2016).
https: / / doi.org/ 10.1038 / nature18949

[10] Massimiliano Rossi, David Mason, Junxin Chen, Yeghishe Tsaturyan en Albert Schliesser. "Op metingen gebaseerde kwantumcontrole van mechanische beweging". Natuur 563, 53-58 (2018).
https:/โ€‹/โ€‹doi.org/โ€‹10.1038/โ€‹s41586-018-0643-8

[11] Shay Hacohen-Gourgy en Leigh S. Martin. "Continue metingen voor de controle van supergeleidende kwantumcircuits". Vooruitgang in de natuurkunde: 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 en Marco G. Genoni. "Leren van feedbackcontrolestrategieรซn voor kwantummetrologie". PRX Quantum 3, 020310 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.020310

[13] Richard S. Sutton en Andrew G. Barto. "Reinforcement Learning, tweede editie: An Introduction". MIT Pers. (2018). url: http://โ€‹incompleteideas.net/โ€‹book/โ€‹the-book.html.
http://โ€‹/โ€‹incompleteideas.net/โ€‹book/โ€‹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 en Demis Hassabis. "Controle op menselijk niveau door diep versterkend leren". Natuur 518, 529-533 (2015).
https: / / doi.org/ 10.1038 / nature14236

[15] Tuomas Haarnoja, Sehoon Ha, Aurick Zhou, Jie Tan, George Tucker en Sergey Levine. "Leren lopen via Deep Reinforcement Learning" (2019). arXiv:1812.11103.
arXiv: 1812.11103

[16] Thomas Fรถsel, Petru Tighineanu, Talitha Weiss en Florian Marquardt. "Versterking leren met neurale netwerken voor kwantumfeedback". Fys. Rev. X 8, 031084 (2018).
https: / / doi.org/ 10.1103 / physrevx.8.031084

[17] Chunlin Chen, Daoyi Dong, Han-Xiong Li, Jian Chu en Tzyh-Jong Tarn. "Fidelity-Based Probabilistic Q-Learning voor controle van Quantum Systems". IEEE-transacties op neurale netwerken en leersystemen 25, 920-933 (2014).
https://โ€‹/โ€‹doi.org/โ€‹10.1109/โ€‹tnnls.2013.2283574

[18] Moritz August en Josรฉ Miguel Hernรกndez-Lobato. "Verlopen nemen door experimenten: LSTM's en geheugen-proximale beleidsoptimalisatie voor Black-Box Quantum Control". In Rio Yokota, Michรจle Weiland, John Shalf en Sadaf Alam, redacteuren, High Performance Computing. Pagina's 591-613. Lecture Notes in Computer ScienceCham (2018). Springer International Publishing.
https:/โ€‹/โ€‹doi.org/โ€‹10.1007/โ€‹978-3-030-02465-9_43

[19] Marin Bukov, Alexandre GR Day, Dries Sels, Phillip Weinberg, Anatoli Polkovnikov en Pankaj Mehta. "Versterking leren in verschillende fasen van Quantum Control". Fys. 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 en Enrico Prati. "Coherent transport van kwantumtoestanden door diep versterkend leren". Commun Phys 2, 1-9 (2019).
https: / / doi.org/ 10.1038 / s42005-019-0169-x

[21] Murphy Yuezhen Niu, Sergio Boixo, Vadim N. Smelyanskiy en Hartmut Neven. "Universele kwantumcontrole door middel van diepgaand leren met versterking". npj Quantum Informatie 5, 1-8 (2019).
https:/โ€‹/โ€‹doi.org/โ€‹10.1038/โ€‹s41534-019-0141-3

[22] Zheng An en DL Zhou. "Deep versterking leren voor kwantumpoortcontrole". EPL 126, 60002 (2019).
https:/โ€‹/โ€‹doi.org/โ€‹10.1209/โ€‹0295-5075/โ€‹126/โ€‹60002

[23] Han Xu, Junning Li, Liqiang Liu, Yu Wang, Haidong Yuan en Xin Wang. "Generaliseerbare controle voor schatting van kwantumparameters door versterkingsleren". 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 Brรกdler en Nathan Killoran. "Machineleermethode voor toestandsvoorbereiding en poortsynthese op fotonische kwantumcomputers". Kwantumwetenschap. technologie. 4, 024004 (2019).
https: / / doi.org/ 10.1088 / 2058-9565 / aaf59e

[25] L. O'Driscoll, R. Nichols en PA Knott. "Een hybride machine learning-algoritme voor het ontwerpen van kwantumexperimenten". Kwantum Mach. Intel. 1, 5-15 (2019).
https:/โ€‹/โ€‹doi.org/โ€‹10.1007/โ€‹s42484-019-00003-8

[26] Thomas Fรถsel, Stefan Krastanov, Florian Marquardt en Liang Jiang. "Efficiรซnte caviteitcontrole met SNAP-poorten" (2020). arXiv:2004.14256.
arXiv: 2004.14256

[27] Mogens Dalgaard, Felix Motzoi, Jens Jakob Sรธrensen en Jacob Sherson. "Globale optimalisatie van kwantumdynamica met AlphaZero diepe verkenning". npj Quantum Inf 6, 6 (2020).
https:/โ€‹/โ€‹doi.org/โ€‹10.1038/โ€‹s41534-019-0241-0

[28] Hailan Ma, Daoyi Dong, Steven X. Ding en Chunlin Chen. "Op leerplannen gebaseerd diepgaand leren voor kwantumcontrole" (2021). arXiv:2012.15427.
arXiv: 2012.15427

[29] Zheng An, Hai-Jing Song, Qi-Kai He en DL Zhou. "Kwantum optimale controle van dissipatieve kwantumsystemen op meerdere niveaus met versterkingsleren". Fys. 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 en Michael J. Biercuk. "Experimentele Deep Reinforcement Learning voor fout-robuust Gate-Set Design op een supergeleidende Quantum Computer". PRX Quantum 2, 040324 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040324

[31] Thomas Fรถsel, Murphy Yuezhen Niu, Florian Marquardt en Li Li. "Kwantumcircuitoptimalisatie met diep versterkend leren" (2021). arXiv:2103.07585.
arXiv: 2103.07585

[32] E. Flurin, LS Martin, S. Hacohen-Gourgy en I. Siddiqi. "Een terugkerend neuraal netwerk gebruiken om de kwantumdynamiek van een supergeleidende Qubit te reconstrueren uit fysieke waarnemingen". Fysieke beoordeling X 10 (2020).
https: / / doi.org/ 10.1103 / physrevx.10.011006

[33] DT Lennon, H. Moon, LC Camenzind, Liuqi Yu, DM Zumbรผhl, G.a. D. Briggs, MA Osborne, EA Laird en N. Ares. "Efficiรซnt een kwantumapparaat meten met behulp van machine learning". npj Quantum Informatie 5, 1-8 (2019).
https:/โ€‹/โ€‹doi.org/โ€‹10.1038/โ€‹s41534-019-0193-4

[34] Kyunghoon Jung, MH Abobeih, Jiwon Yun, Gyeonghun Kim, Hyunseok Oh, Ang Henry, TH Taminiau en Dohun Kim. "Deep learning verbeterde individuele detectie van nucleaire spin". npj Quantum Inf 7, 1-9 (2021).
https:/โ€‹/โ€‹doi.org/โ€‹10.1038/โ€‹s41534-021-00377-3

[35] V Nguyen. "Diep versterkend leren voor efficiรซnte meting van kwantumapparaten". npj Quantum Information Pagina 9 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00434-x

[36] Alexander Hentschel en Barry C. Sanders. "Machine Learning voor nauwkeurige kwantummeting". Fys. ds. Lett. 104, 063603 (2010).
https: / / doi.org/ 10.1103 / physrevlett.104.063603

[37] M. Tiersch, EJ Ganahl en HJ Briegel. "Adaptieve kwantumberekening in veranderende omgevingen met behulp van projectieve simulatie". Sci Rep 5, 12874 (2015).
https: / / doi.org/ 10.1038 / srep12874

[38] Pantita Palittapongarnpim, Peter Wittek, Ehsan Zahedinejad, Shakib Vedaie en Barry C. Sanders. "Leren in kwantumcontrole: hoogdimensionale globale optimalisatie voor lawaaierige kwantumdynamica". Neurocomputing 268, 116-126 (2017).
https: / / doi.org/ 10.1016 / j.neucom.2016.12.087

[39] Jelena Mackeprang, Durga B. Rao Dasari en Jรถrg Wrachtrup. "Een versterkingsleerbenadering voor kwantumtoestandtechniek". Kwantum Mach. Intel. 2, 5 (2020).
https:/โ€‹/โ€‹doi.org/โ€‹10.1007/โ€‹s42484-020-00016-8

[40] Christian Sommer, Muhammad Asjad en Claudiu Genes. "Vooruitzichten van versterkingsleren voor de gelijktijdige demping van veel mechanische modi". Sci Rep 10, 2623 (2020).
https: / / doi.org/ 10.1038 / s41598-020-59435-z

[41] Zhikang T. Wang, Yuto Ashida en Masahito Ueda. "Deep Reinforcement Learning Control van Quantum Cartpoles". Fys. ds. Lett. 125, 100401 (2020).
https: / / doi.org/ 10.1103 / PhysRevLett.125.100401

[42] Sangkha Borah, Bijita Sarma, Michael Kewming, Gerard J. Milburn en Jason Twamley. "Op metingen gebaseerde feedback Quantum Control met Deep Reinforcement Learning voor een dubbel-well niet-lineair potentieel". Fys. ds. Lett. 127, 190403 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.127.190403

[43] VV Sivak, A. Eickbusch, H. Liu, B. Royer, I. Tsioutsios en MH Devoret. "Modelvrije Quantum Control met Reinforcement Learning". Fys. Rev. X 12, 011059 (2022).
https: / / doi.org/ 10.1103 / PhysRevX.12.011059

[44] Antoine Essig, Quentin Ficheux, Thรฉau Peronnin, Nathanaรซl Cottet, Raphaรซl Lescanne, Alain Sarlette, Pierre Rouchon, Zaki Leghtas en Benjamin Huard. "Multiplexed Photon Number Meting". Fys. 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 en S. Haroche. "Quantumfeedback-experimenten stabiliseren Fock-toestanden van licht in een holte". Fys. 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 en S. Haroche. "Veld vergrendeld tot een Fock-status door Quantum Feedback met Single Photon Corrections". Fys. ds. 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 en Robert J. Schoelkopf. "Single-shot nummer-opgeloste detectie van microgolffotonen met foutbeperking". Fys. Rev. A 103, 023705 (2021).
https: / / doi.org/ 10.1103 / physreva.103.023705

[48] Christine Guerlin, Julien Bernu, Samuel Delรฉglise, Clรฉment Sayrin, Sรฉbastien Gleyzes, Stefan Kuhr, Michel Brune, Jean-Michel Raimond en Serge Haroche. "Progressieve instorting van veldtoestanden en quantum niet-sloopfotonentelling". Natuur 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 en RJ Schoelkopf. "Quantum niet-sloopdetectie van enkele microgolffotonen in een circuit". Natuur 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 en M. Brune. "Adaptive Quantum Nondemolition Meting van een fotongetal". Fys. ds. Lett. 112, 080401 (2014).
https: / / doi.org/ 10.1103 / physrevlett.112.080401

[51] Crispin Gardiner en Peter Zoller. "Quantum Noise: A Handbook of Markovian en Non-Markovian Quantum Stochastische methoden met toepassingen voor Quantum Optics". Springer-serie in synergetica. Springer-Verlag. Berlijn Heidelberg (2004). Derde editie. url: link.springer.com/โ€‹book/โ€‹9783540223016.
https://โ€‹/โ€‹link.springer.com/โ€‹book/โ€‹9783540223016

[52] John Schulman, Filip Wolski, Prafulla Dhariwal, Alec Radford en Oleg Klimov. "Proximale beleidsoptimalisatie-algoritmen" (2017). arXiv:1707.06347.
arXiv: 1707.06347

[53] John Schulman, Sergey Levine, Philipp Moritz, Michael I. Jordan en Pieter Abbeel. "Optimalisatie van het vertrouwen in regiobeleid" (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 en Yuhuai Wu. "Stabiele basislijnen". url: github.com/โ€‹hill-a/โ€‹stable-baselines.
https://github.com/hill-a/stable-baselines

[55] Weizhou Cai, Yuwei Ma, Weiting Wang, Chang-Ling Zou en Luyan Sun. "Bosonische kwantumfoutcorrectiecodes in supergeleidende kwantumcircuits". Fundamenteel onderzoek 1, 50-67 (2021).
https://โ€‹/โ€‹doi.org/โ€‹10.1016/โ€‹j.fmre.2020.12.006

[56] FAM de Oliveira, MS Kim, PL Knight en V. Buek. "Eigenschappen van verplaatste nummerstaten". Fysiek overzicht A 41, 2645-2652 (1990).
https: / / doi.org/ 10.1103 / physreva.41.2645

[57] Michaรซl Martin Nieto. "Verplaatste en geperste nummerstaten". Natuurkunde Letters A 229, 135-143 (1997). arXiv:quant-ph/โ€‹9612050.
https:/โ€‹/โ€‹doi.org/โ€‹10.1016/โ€‹s0375-9601(97)00183-7
arXiv: quant-ph / 9612050

Geciteerd door

[1] Anna Dawid, Julian Arnold, Borja Requena, Alexander Gresch, Marcin Pล‚odzieล„, Kaelan Donatella, Kim A. Nicoli, Paolo Stornati, Rouven Koch, Miriam Bรผttner, Robert Okuล‚a, Gorka Muรฑoz-Gil, Rodrigo A. Vargas-Hernรกndez, Alba Cervera-Lierta, Juan Carrasquilla, Vedran Dunjko, Marylou Gabriรฉ, Patrick Huembeli, Evert van Nieuwenburg, Filippo Vicentini, Lei Wang, Sebastian J. Wetzel, Giuseppe Carleo, Eliลกka Greplovรก, Roman Krems, Florian Marquardt, Michaล‚ Tomza, Maciej Lewenstein, en Alexandre Dauphin, "Moderne toepassingen van machine learning in de kwantumwetenschappen", arXiv: 2204.04198.

[2] Riccardo Porotti, Vittorio Peano en Florian Marquardt, "Gradient Ascent Pulse Engineering met feedback", arXiv: 2203.04271.

[3] Luigi Giannelli, Pierpaolo Sgroi, Jonathon Brown, Gheorghe Sorin Paraoanu, Mauro Paternostro, Elisabetta Paladino en Giuseppe Falci, "Een tutorial over optimale controle- en versterkingsleermethoden voor kwantumtechnologieรซn", Fysica Letters A 434, 128054 (2022).

[4] Bjรถrn Annby-Andersson, Faraj Bakhshinezhad, Debankur Bhattacharyya, Guilherme De Sousa, Christopher Jarzynski, Peter Samuelsson en Patrick P. Potts, "Quantum Fokker-Planck-mastervergelijking voor continue feedbackcontrole", arXiv: 2110.09159.

[5] Alessio Fallani, Matteo AC Rossi, Dario Tamascelli en Marco G. Genoni, "Leren van feedbackcontrolestrategieรซn voor kwantummetrologie", PRX Quantum 3 2, 020310 (2022).

[6] Paolo Andrea Erdman en Frank Noรฉ, "Het besturen van black-box kwantumthermische machines met optimale compromissen tussen vermogen en efficiรซntie met behulp van versterkingsleren", arXiv: 2204.04785.

[7] David A. Herrera-Martรญ, "Beleidsgradiรซntbenadering van compilatie van variabele kwantumcircuits", arXiv: 2111.10227.

Bovenstaande citaten zijn afkomstig van SAO / NASA ADS (laatst bijgewerkt met succes 2022-07-22 01:21:35). De lijst is mogelijk onvolledig omdat niet alle uitgevers geschikte en volledige citatiegegevens verstrekken.

On De door Crossref geciteerde service er zijn geen gegevens gevonden over het citeren van werken (laatste poging 2022-07-22 01:21:34).

Dit artikel is gepubliceerd in Quantum onder de Creative Commons Naamsvermelding 4.0 Internationaal (CC BY 4.0) licentie. Het auteursrecht blijft berusten bij de oorspronkelijke houders van auteursrechten, zoals de auteurs of hun instellingen.

Tijdstempel:

Meer van Quantum Journaal