Прогнозирующее управление моделью для надежной подготовки квантового состояния PlatoBlockchain Data Intelligence. Вертикальный поиск. Ай.

Модельное прогнозирующее управление для надежной подготовки квантового состояния

Отметка времени: 13 октября 2022 г., 10:56

Энди Дж. Гольдшмидт1, Джонатан Л. Дюбуа2, Стивен Л. Брантон3и Дж. Натан Куц4

1Факультет физики Вашингтонского университета, Сиэтл, Вашингтон, 98195
2Ливерморская национальная лаборатория Лоуренса, Ливермор, Калифорния 94550
3Факультет машиностроения, Вашингтонский университет, Сиэтл, Вашингтон, 98195
4Кафедра прикладной математики, Вашингтонский университет, Сиэтл, Вашингтон, 98195

Находите эту статью интересной или хотите обсудить? Scite или оставить комментарий на SciRate.

Абстрактные

Критической инженерной задачей в квантовой технологии является точный контроль квантовой динамики. Было показано, что основанные на моделях методы оптимального управления очень эффективны, когда теория и эксперимент близко совпадают. Следовательно, реализация высокоточных квантовых процессов с управлением на основе моделей требует тщательной характеристики устройства. В квантовых процессорах на основе холодных атомов гамильтониан можно хорошо охарактеризовать. Для сверхпроводящих кубитов, работающих при температурах в милликельвинах, гамильтониан не так хорошо охарактеризован. Неучтенные физические факторы (т.е. несоответствие режимов), когерентные возмущения и повышенный шум ставят под угрозу традиционное управление на основе моделей. В этой работе представлена ​​$textit{модель прогнозирующего управления}$ (MPC) для приложений квантового управления. MPC — это система оптимизации с замкнутым контуром, которая (i) наследует естественную степень подавления помех за счет включения обратной связи по измерениям, (ii) использует оптимизацию на основе моделей с конечным интервалом для управления сложными динамическими системами с множеством входов и выходов в зависимости от состояния и ограничения на вводимые ресурсы и (iii) является достаточно гибким, чтобы развиваться синергетически наряду с другими современными стратегиями контроля. Мы показываем, как MPC можно использовать для создания практически оптимизированных управляющих последовательностей на репрезентативных примерах подготовки квантового состояния. В частности, мы демонстрируем для кубита, слабоангармонического кубита и системы, подвергающейся перекрестным помехам, что MPC может реализовать успешное управление на основе модели, даже если модель неадекватна. Эти примеры демонстрируют, почему MPC является важным дополнением к пакету управления квантовой инженерией.

Рекомендованное изображение: $textbf{(a)}$ В модели схемы кубит представлен отрезком линии, а рамка обозначает квантовый процесс, примененный к кубиту. Здесь мы абстрактно представляем подготовку квантового состояния как $textbf{A}$ и постулируем нехарактерные модификации, которые делают модель $textbf{A}$ ненадежной для управления с разомкнутым контуром. $textbf{(b)}$ В рамках операции $textbf{A}$ мы разрабатываем устойчивые управляющие импульсы с использованием управления с прогнозированием модели (MPC). В $textbf{(b) ii-iii.}$ MPC синтезирует устойчивый управляющий вход путем включения обратной связи по состоянию в последовательность законов управления при удалении горизонта (в $textbf{(b) ii.}$ первые три MPC итерации помечены цифрами 1, 2 и 3 и окрашены в возрастающее значение шкалы серого). На каждой итерации MPC задача управления с разомкнутым контуром решается на текущем горизонте прогнозирования T с использованием ненадежной системной модели $textbf{A}$ для получения $mathbf{x}^textrm{opt}(t)$ и $mathbf. {u}^textrm{opt}(t)$. Первая запись разомкнутого решения $mathbf{u}^textrm{opt}(t)$ применяется как $mathbf{u}(t)$ в $textbf{(b) iii.}$. Результирующее состояние $mathbf{x}(t + 1)$ записывается, и следующая итерация MPC начинается с этого записанного состояния.

Популярное резюме

Модельное прогнозирующее управление (MPC) — популярный подход к разработке систем управления во многих областях техники. Это связано с его способностью включать ограничения, а также устойчивостью к шуму и ошибкам когерентного моделирования. В этой работе мы адаптируем классическое управление с прогнозированием моделей для разработки последовательностей квантового управления для решения проблемы планирования с использованием неправильно охарактеризованных моделей квантовых устройств. Перспектива MPC заключается в решении проблемы квантового управления, как если бы это была $textit{online}$ оптимизация, при которой последовательность управления оптимизируется последовательно по удаляющемуся горизонту. Мы демонстрируем практические преимущества этой точки зрения MPC, изучая три репрезентативных примера в области квантовой техники управления.

► Данные BibTeX

► Рекомендации

[1] Мохамед Абдельхафез, Давид Шустер и Йенс Кох. Градиентное оптимальное управление открытыми квантовыми системами с использованием квантовых траекторий и автоматического дифференцирования. Physical Review A, 99 (5): 052327, 2019. https://doi.org/10.1103/PhysRevA.99.052327.
https: / / doi.org/ 10.1103 / PhysRevA.99.052327

[2] Ян Абрахам, Херардо де ла Торре и Тодд Мерфи. Модельное управление с использованием операторов Купмана. В «Робототехнике: наука и системы» XIII. Робототехника: Фонд науки и систем, июль 2017 г. https://doi.org/10.15607/rss.2017.xiii.052.
https://doi.org/10.15607/rss.2017.xiii.052

[3] Клаудио Альтафини и Франческо Тикоцци. Моделирование и управление квантовыми системами: Введение. Транзакции IEEE по автоматическому управлению, 57 (8): 1898–1917, 2012. https://doi.org/10.1109/TAC.2012.2195830.
https: / / doi.org/ 10.1109 / TAC.2012.2195830

[4] Брайан Д.О. Андерсон и Джон Б. Мур. Оптимальное управление: Линейные квадратичные методы. Курьерская корпорация, 2007.

[5] Харрисон Болл, Майкл Бирчук, Андре Карвалью, Цзяин Чен, Майкл Роберт Хаш, Леонардо А. Де Кастро, Ли Ли, Пер Дж. Либерманн, Гарри Слейер, Клэр Эдмундс и др. Программные инструменты для квантового управления: повышение производительности квантового компьютера за счет подавления шума и ошибок. Квантовая наука и технологии, 2021. https://doi.org/10.1088/2058-9565/abdca6.
https://​/​doi.org/​10.1088/​2058-9565/​abdca6

[6] Юваль Баум, Мирко Амико, Шон Хауэлл, Майкл Хаш, Мэгги Люцци, Пранав Мундада, Томас Мерк, Андре Р. Р. Карвальо и Майкл Дж. Бирчук. Экспериментальное глубокое обучение с подкреплением для проектирования устойчивых к ошибкам наборов вентилей на сверхпроводящем квантовом компьютере. PRX Quantum, 2 (4), ноябрь 2021 г. https://doi.org/10.1103/prxquantum.2.040324.
https: / / doi.org/ 10.1103 / prxquantum.2.040324

[7] Томас Баумайстер, Стивен Л. Брантон и Дж. Натан Куц. Глубокое обучение и прогнозирующее управление моделями для самонастраивающихся лазеров с синхронизацией мод. JOSA B, 35 (3): 617–626, 2018. https://doi.org/10.1364/JOSAB.35.000617.
https: / / doi.org/ 10.1364 / JOSAB.35.000617

[8] Катарина Бикер, Себастьян Пейтц, Стивен Л. Брантон, Дж. Натан Куц и Майкл Деллниц. Глубокая модель прогнозирующего управления потоком с ограниченными данными датчиков и онлайн-обучением. Теоретическая и вычислительная гидродинамика, страницы 1–15, 2020. https://doi.org/10.1007/s00162-020-00520-4.
https:/​/​doi.org/​10.1007/​s00162-020-00520-4

[9] Стивен Бойд, Стивен П. Бойд и Ливен Ванденберге. Выпуклая оптимизация. Издательство Кембриджского университета, 2004. https://doi.org/10.1017/CBO9780511804441.
https: / / doi.org/ 10.1017 / CBO9780511804441

[10] Дэниел Брудер, Сюнь Фу и Рам Васудеван. Преимущества билинейных реализаций Купмана для моделирования и управления системами с неизвестной динамикой. Письма IEEE Robotics and Automation, 6 (3): 4369–4376, 2021. https://doi.org/10.1109/LRA.2021.3068117.
https://doi.org/10.1109/LRA.2021.3068117

[11] Стивен Л. Брантон, Марко Будишич, Эурика Кайзер и Дж. Натан Куц. Современная теория Купмана для динамических систем. Препринт arXiv arXiv:2102.12086, 2021.
Arxiv: 2102.12086

[12] Тайфун Чимен. Управление по уравнению Риккати, зависящему от состояния (SDRE): обзор. Тома докладов МФБ, 41 (2): 3761–3775, 2008. https://doi.org/10.3182/20080706-5-KR-1001.00635.
https://doi.org/10.3182/20080706-5-KR-1001.00635

[13] Доменико д'Алессандро. Введение в квантовый контроль и динамику. Чепмен и Холл/​CRC, 2021.

[14] Стивен Даймонд и Стивен Бойд. CVXPY: встроенный в Python язык моделирования для выпуклой оптимизации. Журнал исследований машинного обучения, 17 (1): 2909–2913, январь 2016 г. ISSN 1532-4435.

[15] Дэниел Дж. Эггер и Фрэнк К. Вильгельм. Адаптивное гибридное оптимальное квантовое управление для неточно охарактеризованных систем. Physical Review Letters, 112 (24): 240503, 2014. https://doi.org/10.1103/PhysRevLett.112.240503.
https: / / doi.org/ 10.1103 / PhysRevLett.112.240503

[16] Йенс Эйсерт, Доминик Ханглейтер, Натан Уок, Инго Рот, Дамиан Маркхэм, Рея Парех, Улисс Шабо и Эльхам Кашефи. Квантовая сертификация и бенчмаркинг. Nature Reviews Physics, 2 (7): 382–390, 2020. https://doi.org/10.1038/s42254-020-0186-4.
https:/​/​doi.org/​10.1038/​s42254-020-0186-4

[17] Утку Эрен, Анна Прач, Башаран Бахадыр Кочер, Саша В. Ракович, Эрдал Каякан и Бехчет Ачикмеше. Модельное прогнозирующее управление в аэрокосмических системах: современное состояние и возможности. Журнал руководства, контроля и динамики, 40 (7): 1541–1566, 2017. https://doi.org/10.2514/1.G002507.
https://doi.org/10.2514/1.G002507

[18] Паоло Фальконе, Франческо Боррелли, Джахан Асгари, Хонгтей Эрик Ценг и Давор Хроват. Прогнозирующее активное рулевое управление для автономных систем автомобиля. IEEE Transactions по технологиям систем управления, 15 (3): 566–580, 2007. https://doi.org/10.1109/TCST.2007.894653.
https://​/​doi.org/​10.1109/​TCST.2007.894653

[19] Дэвид Д. Фан, Али-акбар Ага-мохаммади и Евангелос А. Теодору. Трубки глубокого обучения для лампового MPC. В книге «Робототехника: наука и системы», XVI (2020), 2020. https://doi.org/10.15607/RSS.2020.XVI.087.
https://doi.org/10.15607/RSS.2020.XVI.087

[20] Карл Фолкестад и Джоэл Бёрдик. Koopman NMPC: обучение на основе Купмана и прогнозирующее управление нелинейными моделями систем, аффинных по управлению. В 2021 году Международная конференция IEEE по робототехнике и автоматизации (ICRA), страницы 7350–7356. IEEE, 2021. https://doi.org/10.1109/ICRA48506.2021.9562002.
https://doi.org/10.1109/ICRA48506.2021.9562002

[21] Димитрис Яннакис, Амелия Хенриксен, Джоэл Тропп и Рэйчел Уорд. Научимся прогнозировать динамические системы на основе потоковых данных. Препринт arXiv arXiv:2109.09703, 2021.
Arxiv: 2109.09703

[22] Штеффен Дж. Глейзер, Уго Боскен, Томмазо Каларко, Кристиан П. Кох, Вальтер Кёкенбергер, Ронни Кослофф, Илья Купров, Буркхард Луй, Софи Ширмер, Томас Шульте-Хербрюгген и др. Дрессировка кота Шредингера: квантовое оптимальное управление. Европейский физический журнал D, 69 (12): 1–24, 2015. https://doi.org/10.1140/epjd/e2015-60464-1.
https: / / doi.org/ 10.1140 / epjd / e2015-60464-1

[23] Майкл Гёрц, Даниэль Базилевич, Фернандо Гаго-Энсинас, Матиас Дж. Краусс, Карл П. Хорн, Дэниел М. Райх и Кристиан Кох. Кротов: реализация метода Кротова для квантового оптимального управления на Python. SciPost Physics, 7 (6): 080, 2019. https://doi.org/10.21468/SciPostPhys.7.6.080.
https: / / doi.org/ 10.21468 / SciPostPhys.7.6.080

[24] Майкл Х. Герц, Дэниел М. Райх и Кристиана П. Кох. Теория оптимального управления для унитарной операции в условиях диссипативной эволюции. Новый журнал физики, 16 (5): 055012, 2014. https://doi.org/10.1088/1367-2630/16/5/055012.
https:/​/​doi.org/​10.1088/​1367-2630/​16/​5/​055012

[25] Энди Голдшмидт, Эурика Кайзер, Джонатан Л. Дюбуа, Стивен Л. Брантон и Дж. Натан Куц. Билинейное динамическое разложение по модам для квантового управления. Новый журнал физики, 23 (3): 033035, 2021. https://doi.org/10.1088/1367-2630/abe972.
https: / / doi.org/ 10.1088 / 1367-2630 / abe972

[26] Даниэль Гёргес. Отношения между прогнозирующим управлением модели и обучением с подкреплением. IFAC-PapersOnLine, 50 (1): 4920–4928, 2017. https://doi.org/10.1016/j.ifacol.2017.08.747.
https: / / doi.org/ 10.1016 / j.ifacol.2017.08.747

[27] Себастьен Гро, Марио Занон, Риен Киринен, Альберто Бемпорад и Мориц Диль. От линейного к нелинейному MPC: устранение разрыва с помощью итерации в реальном времени. Международный журнал контроля, 93 (1): 62–80, 2020. https://doi.org/10.1080/00207179.2016.1222553.
https: / / doi.org/ 10.1080 / 00207179.2016.1222553

[28] Стефани Гюнтер, Н. Андерс Петерссон и Джонатан Л. Дюбуа. Quandary: пакет C++ с открытым исходным кодом для высокопроизводительного оптимального управления открытыми квантовыми системами. В 2021 г. пройдет Второй международный семинар IEEE/ACM по программному обеспечению для квантовых вычислений (QCS), страницы 88–98, 2021 г. https://doi.org/10.1109/QCS54837.2021.00014.
https://​/​doi.org/​10.1109/​QCS54837.2021.00014

[29] И. Н. Хинкс, К. Э. Гранад, Трой В. Борнеман и Дэвид Дж. Кори. Управление квантовыми устройствами с помощью нелинейного оборудования. Physical Review Applied, 4 (2): 024012, 2015. https://doi.org/10.1103/PhysRevApplied.4.024012.
https: / / doi.org/ 10.1103 / PhysRevApplied.4.024012

[30] Роджер А. Хорн и Чарльз Р. Джонсон. Темы матричного анализа. Издательство Кембриджского университета, 1991. https://doi.org/10.1017/CBO9780511840371.
https: / / doi.org/ 10.1017 / CBO9780511840371

[31] Брайан Э. Джексон, Тарун Паннус, Дэниел Ниамати, Кевин Трейси, Рианна Джитошо и Закари Манчестер. ALTRO-C: быстрый решатель для управления с прогнозированием конической модели. На Международной конференции по робототехнике и автоматизации (ICRA), Сиань, Китай, стр. 8, 2021 г. https://​/​doi.org/​10.1109/​ICRA48506.2021.9561438.
https://doi.org/10.1109/ICRA48506.2021.9561438

[32] Дж. Роберт Йоханссон, Пол Д. Нэйшн и Франко Нори. QuTiP: среда Python с открытым исходным кодом для динамики открытых квантовых систем. Computer Physics Communications, 183 (8): 1760–1772, 2012. https://doi.org/10.1016/j.cpc.2012.02.021.
https: / / doi.org/ 10.1016 / j.cpc.2012.02.021

[33] Дж. Р. Йоханссон, PD Nation и Франко Нори. QuTiP 2: Фреймворк Python для динамики открытых квантовых систем. Computer Physics Communications, 184 (4): 1234–1240, апрель 2013 г. https://doi.org/10.1016/j.cpc.2012.11.019.
https: / / doi.org/ 10.1016 / j.cpc.2012.11.019

[34] Эурика Кайзер, Дж. Натан Куц и Стивен Л. Брантон. Разреженная идентификация нелинейной динамики для прогнозного управления моделью в пределе малых данных. Труды Лондонского королевского общества A, 474 (2219), 2018. https:/​/​doi.org/​10.1098/​rspa.2018.0335.
https: / / doi.org/ 10.1098 / rspa.2018.0335

[35] Джулиан Келли, Рами Барендс, Брукс Кэмпбелл, Ю Чен, Цзыджун Чен, Бен Кьяро, Эндрю Дансворт, Остин Дж. Фаулер, И. К. Хой, Эван Джеффри и др. Оптимальный квантовый контроль с использованием рандомизированного сравнительного анализа. Physical Review Letters, 112 (24): 240504, 2014. https://doi.org/10.1103/PhysRevLett.112.240504.
https: / / doi.org/ 10.1103 / PhysRevLett.112.240504

[36] Навин Ханеджа, Тимо Рейсс, Синди Келет, Томас Шульте-Хербрюгген и Штеффен Дж. Глейзер. Оптимальное управление связанной спиновой динамикой: разработка последовательностей импульсов ЯМР с помощью алгоритмов градиентного восхождения. Журнал магнитного резонанса, 172 (2): 296–305, 2005. https://doi.org/10.1016/j.jmr.2004.11.004.
https: / / doi.org/ 10.1016 / j.jmr.2004.11.004

[37] Мартин Клиш и Инго Рот. Теория сертификации квантовых систем. PRX Quantum, 2 (1): 010201, 2021. https://doi.org/10.1103/PRXQuantum.2.010201.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010201

[38] БО Купман. Гамильтоновы системы и преобразования в гильбертовом пространстве. Proceedings of the National Academy of Sciences, 17 (5): 315–318, май 1931 г. https://doi.org/10.1073/pnas.17.5.315.
https: / / doi.org/ 10.1073 / pnas.17.5.315

[39] Б.О. Купман и Дж. против Неймана. Динамические системы непрерывного спектра. Proceedings of the National Academy of Sciences, 18 (3): 255–263, март 1932 г. https://doi.org/10.1073/pnas.18.3.255.
https: / / doi.org/ 10.1073 / pnas.18.3.255

[40] Милан Корда и Игорь Мезич. Линейные предикторы для нелинейных динамических систем: оператор Купмана сочетается с управлением с прогнозированием модели. Автоматика, 93: 149–160, 2018. https://doi.org/10.1016/j.automatica.2018.03.046.
https://​/​doi.org/​10.1016/​j.automatica.2018.03.046

[41] Филип Кранц, Мортен Кьергор, Фей Ян, Терри П. Орландо, Саймон Густавссон и Уильям Д. Оливер. Руководство квантового инженера по сверхпроводящим кубитам. Обзоры прикладной физики, 6 (2): 021318, 2019. https://doi.org/10.1063/1.5089550.
https: / / doi.org/ 10.1063 / 1.5089550

[42] Джей Х. Ли и Н. Лоуренс Рикер. Управление с прогнозированием нелинейной модели на основе расширенного фильтра Калмана. Исследования промышленной и инженерной химии, 33 (6): 1530–1541, 1994.

[43] Бокси Ли, Шахнаваз Ахмед, Сидхант Сараоги, Нил Ламберт, Франко Нори, Александр Питчфорд и Натан Шамма. Квантовые схемы с шумом на уровне импульсов с квтипом. Quantum, 6: 630, 2022. https://doi.org/10.22331/q-2022-01-24-630.
https:/​/​doi.org/​10.22331/​q-2022-01-24-630

[44] Бретт Т. Лопес, Жан-Жак Э. Слотин и Джонатан П. Хау. Динамическая трубка MPC для нелинейных систем. На Американской конференции по контролю (ACC) 2019 г., страницы 1655–1662. IEEE, 2019. https://doi.org/10.23919/ACC.2019.8814758.
https://doi.org/10.23919/ACC.2019.8814758

[45] Шай Махнес, Эли Ассемат, Дэвид Таннор и Фрэнк К. Вильгельм. Настраиваемая, гибкая и эффективная оптимизация управляющих импульсов для практических кубитов. Physical Review Letters, 120 (15): 150401, 2018. https://doi.org/10.1103/PhysRevLett.120.150401.
https: / / doi.org/ 10.1103 / PhysRevLett.120.150401

[46] Ишвар Магесан и Джей М. Гамбетта. Эффективные гамильтоновы модели затвора перекрестного резонанса. Physical Review A, 101 (5): 052308, 2020. https://doi.org/10.1103/PhysRevA.101.052308.
https: / / doi.org/ 10.1103 / PhysRevA.101.052308

[47] Дэвид К. Мейн, Джеймс Б. Роулингс, Кристофер В. Рао и Пьер О.М. Скокарт. Прогнозирующее управление моделью с ограничениями: стабильность и оптимальность. Автоматика, 36 (6): 789–814, 2000. https://doi.org/10.1016/S0005-1098(99)00214-9.
https:/​/​doi.org/​10.1016/​S0005-1098(99)00214-9

[48] Дэвид К. Мейн, Мария М. Серон и С.В. Ракович. Робастное модельное прогнозирующее управление линейными системами с ограничениями и ограниченными возмущениями. Автоматика, 41 (2): 219–224, 2005. https://doi.org/10.1016/j.automatica.2004.08.019.
https://​/​doi.org/​10.1016/​j.automatica.2004.08.019

[49] Дэвид С. Маккей, Томас Александер, Лучано Белло, Майкл Дж. Бирчук, Лев Бишоп, Джиаин Чен, Джерри М. Чоу, Антонио Д. Корколес, Дэниел Эггер, Стефан Филипп и др. Спецификации серверной части Qiskit для экспериментов OpenQASM и OpenPulse. Препринт arXiv arXiv:1809.03452, 2018.
Arxiv: 1809.03452

[50] Игорь Мезич. Спектральные свойства динамических систем, редукция и декомпозиция моделей. Нелинейная динамика, 41 (1-3): 309–325, 2005. https:/​/​doi.org/​10.1007/​s11071-005-2824-x.
HTTPS: / / doi.org/ 10.1007 / s11071-005-2824-х

[51] Игорь Мезич. Анализ потоков жидкости с помощью спектральных свойств оператора Купмана. Annual Review of Fluid Mechanics, 45: 357–378, 2013. https://doi.org/10.1146/annurev-fluid-011212-140652.
https://doi.org/10.1146/annurev-fluid-011212-140652

[52] Томас М. Мёрланд, Йост Брукенс и Католийн М. Йонкер. Обучение с подкреплением на основе моделей: опрос. Препринт arXiv arXiv:2006.16712, 2020.
Arxiv: 2006.16712

[53] Феликс Моцой, Джей М. Гамбетта, Патрик Ребентрост и Фрэнк К. Вильгельм. Простые импульсы для устранения утечки в слабонелинейных кубитах. Physical Review Letters, 103 (11): 110501, 2009. https://doi.org/10.1103/PhysRevLett.103.110501.
https: / / doi.org/ 10.1103 / PhysRevLett.103.110501

[54] Мерфи Юэжен Ню, Сержио Бойшо, Вадим Смелянский и Хартмут Невен. Универсальный квантовый контроль посредством глубокого обучения с подкреплением. npj Quantum Information, 5 (1): 1–8, 2019. https://doi.org/10.1038/s41534-019-0141-3.
https:/​/​doi.org/​10.1038/​s41534-019-0141-3

[55] Хорхе Носедал и Стивен Райт. Численная оптимизация. Springer Science & Business Media, 2006. https://doi.org/10.1007/b98874.
https: / / doi.org/ 10.1007 / b98874

[56] Феликс Нюске, Себастьян Пейтц, Фридрих Филипп, Мануэль Шаллер и Карл Вортманн. Границы ошибок конечных данных для прогнозирования и управления на основе Купмана. Препринт arXiv arXiv:2108.07102, 2021.
Arxiv: 2108.07102

[57] Себастьян Пейтц и Стефан Клус. Операторное сокращение модели Купмана для управления PDE с помощью коммутируемой системы. Автоматика, 106: 184–191, 2019. https://doi.org/10.1016/j.automatica.2019.05.016.
https://​/​doi.org/​10.1016/​j.automatica.2019.05.016

[58] Себастьян Пейтц, Сэмюэл Э. Отто и Кларенс В. Роули. Прогнозирующее управление моделью, управляемой данными, с использованием интерполированных генераторов Купмана. Журнал SIAM по прикладным динамическим системам, 19 (3): 2162–2193, 2020. https://doi.org/10.1137/20M1325678.
https: / / doi.org/ 10.1137 / 20M1325678

[59] Сет Д. Пендерграсс, Дж. Натан Катц и Стивен Л. Брантон. Сингулярное значение потокового графического процессора и разложение по динамическому режиму. Препринт arXiv arXiv:1612.07875, 2016.
Arxiv: 1612.07875

[60] Минь Кью Фан и Сейед Махди Б Азад. Модельное прогнозирующее Q-обучение (MPQ-L) для билинейных систем. В «Моделировании, симуляции и оптимизации сложных процессов HPSC 2018», страницы 97–115. Спрингер, 2021. https://doi.org/10.1007/978-3-030-55240-4_5.
https:/​/​doi.org/​10.1007/​978-3-030-55240-4_5

[61] Томас Пропсон, Брайан Э. Джексон, Йенс Кох, Закари Манчестер и Дэвид Шустер. Робастное квантово-оптимальное управление с оптимизацией траектории. Physical Review Applied, 17 (1): 014036, 2022. https://doi.org/10.1103/PhysRevApplied.17.014036.
https: / / doi.org/ 10.1103 / PhysRevApplied.17.014036

[62] С. Джо Цинь и Томас Бэджвелл. Обзор технологии прогнозного управления промышленными моделями. Практика инженерного управления, 11 (7): 733–764, 2003. https://doi.org/10.1016/S0967-0661(02)00186-7.
https:/​/​doi.org/​10.1016/​S0967-0661(02)00186-7

[63] Саша Ракович и Уильям С. Левин. Справочник по модельному прогнозирующему управлению. Спрингер, 2018. https://doi.org/10.1007/978-3-319-77489-3.
https:/​/​doi.org/​10.1007/​978-3-319-77489-3

[64] Мохан Саровар, Тимоти Проктор, Кеннет Рудингер, Кевин Янг, Эрик Нильсен и Робин Блюм-Кохаут. Обнаружение ошибок перекрестных помех в процессорах квантовой информации. Quantum, 4: 321, 2020. https://​/​doi.org/​10.22331/​q-2020-09-11-321.
https:/​/​doi.org/​10.22331/​q-2020-09-11-321

[65] Мануэль Шаллер, Карл Вортманн, Фридрих Филипп, Себастьян Пайц и Феликс Нюске. На пути к эффективному и надежному управлению на основе прогнозирования с использованием eDMD. Препринт arXiv arXiv:2202.09084, 2022.
Arxiv: 2202.09084

[66] Юнонг Ши, Нельсон Люнг, Пранав Гокхале, Зейн Росси, Дэвид Шустер, Генри Хоффманн и Фредерик Т. Чонг. Оптимизированная компиляция агрегированных инструкций для реалистичных квантовых компьютеров. В материалах двадцать четвертой Международной конференции по архитектурной поддержке языков программирования и операционных систем, страницы 1031–1044, 2019 г. https://doi.org/10.1145/3297858.3304018.
https: / / doi.org/ 10.1145 / 3297858.3304018

[67] Энрике Сильверио, Себастьян Грихальва, Константин Дальяк, Лукас Леклерк, Питер Дж. Каралекас, Натан Шамма, Мурад Бежи, Луи-Поль Анри и Лоик Анриет. Pulser: пакет с открытым исходным кодом для проектирования импульсных последовательностей в программируемых матрицах нейтральных атомов. Quantum, 6: 629, 2022. https://doi.org/10.22331/q-2022-01-24-629.
https:/​/​doi.org/​10.22331/​q-2022-01-24-629

[68] Б. Стеллато, Г. Баньяк, П. Гуларт, А. Бемпорад и С. Бойд. OSQP: решатель разделения операторов для квадратичных программ. Математическое программирование и вычисления, 12 (4): 637–672, 2020. https://doi.org/10.1007/s12532-020-00179-2.
https:/​/​doi.org/​10.1007/​s12532-020-00179-2

[69] Паули Виртанен, Ральф Гоммерс, Трэвис Э. Олифант, Мэтт Хаберланд, Тайлер Редди, Дэвид Курнапо, Евгени Буровски, Перу Петерсон, Уоррен Векессер, Джонатан Брайт, Стефан Дж. ван дер Уолт, Мэттью Бретт, Джошуа Уилсон, К. Джаррод Миллман, Николай Майоров, Эндрю Р.Дж. Нельсон, Эрик Джонс, Роберт Керн, Эрик Ларсон, Си Джей Кэри, Ильхан Полат, Ю Фэн, Эрик В. Мур, Джейк ВандерПлас, Денис Лаксальд, Йозеф Перктольд, Роберт Цимрман, Ян Хенриксен, Э.А. Кинтеро, Чарльз Р. Харрис, Энн М. Арчибальд, Антонио Х. Рибейро, Фабиан Педрегоса, Пол ван Мулбрегт и участники SciPy 1.0. SciPy 1.0: Фундаментальные алгоритмы научных вычислений на Python. Nature Methods, 17: 261–272, 2020. https://doi.org/10.1038/s41592-019-0686-2.
https:/​/​doi.org/​10.1038/​s41592-019-0686-2

[70] Джон фон Нейман, Роберт Т. Бейер и Николас А. Уиллер. Математические основы квантовой механики. Издательство Принстонского университета, издание 2018 г., 1932 г. ISBN 9780691178561. https://doi.org/10.1515/9781400889921.
https: / / doi.org/ 10.1515 / 9781400889921

[71] Ян Ван и Стивен Бойд. Быстрое прогнозирующее управление моделью с использованием онлайн-оптимизации. IEEE Transactions по технологиям систем управления, 18 (2): 267–278, 2009. https://doi.org/10.1109/TCST.2009.2017934.
https://​/​doi.org/​10.1109/​TCST.2009.2017934

[72] Мануэль Ваттер, Йост Спрингенберг, Йошка Бедекер и Мартин Ридмиллер. Внедрение в управление: локально линейная модель скрытой динамики для управления на основе необработанных изображений. Достижения в области нейронных систем обработки информации, 28, 2015.

[73] Макс Вернингхаус, Дэниел Дж. Эггер, Федерико Рой, Шай Махнес, Фрэнк К. Вильгельм и Стефан Филипп. Уменьшение утечек в быстрых сверхпроводящих кубитных вентилях за счет оптимального управления. npj Quantum Information, 7 (1): 1–6, 2021. https://doi.org/10.1038/s41534-020-00346-2.
https:/​/​doi.org/​10.1038/​s41534-020-00346-2

[74] Николас Виттлер, Федерико Рой, Кевин Пэк, Макс Вернингхаус, Анураг Саха Рой, Дэниел Дж. Эггер, Стефан Филипп, Фрэнк К. Вильгельм и Шай Махнес. Интегрированный набор инструментов для контроля, калибровки и определения характеристик квантовых устройств, применяемых к сверхпроводящим кубитам. Physical Review Applied, 15 (3): 034080, 2021. https://doi.org/10.1103/PhysRevApplied.15.034080.
https: / / doi.org/ 10.1103 / PhysRevApplied.15.034080

[75] Сянь Ву, С.Л. Томаркен, Н. Андерс Петерссон, Л.А. Мартинес, Янив Дж. Розен и Джонатан Л. Дюбуа. Высококачественная программно-определяемая квантовая логика на сверхпроводящем кудите. Physical Review Letters, 125 (17): 170502, 2020. https://doi.org/10.1103/PhysRevLett.125.170502.
https: / / doi.org/ 10.1103 / PhysRevLett.125.170502

[76] Хао Чжан, Кларенс В. Роули, Эрик А. Дим и Луи Н. Каттафеста. Динамическая модовая декомпозиция в режиме онлайн для изменяющихся во времени систем. Журнал SIAM по прикладным динамическим системам, 18 (3): 1586–1609, 2019. https://doi.org/10.1137/18M1192329.
https: / / doi.org/ 10.1137 / 18M1192329

[77] Тяньхао Чжан, Грегори Кан, Сергей Левин и Питер Аббил. Изучение политик глубокого контроля для автономных летательных аппаратов с помощью поиска политик на основе MPC. Международная конференция IEEE по робототехнике и автоматизации (ICRA) 2016 г., страницы 528–535. IEEE, 2016. https://doi.org/10.1109/ICRA.2016.7487175.
https://doi.org/10.1109/ICRA.2016.7487175

Цитируется

[1] Кристиан П. Кох, Уго Боскейн, Томмазо Каларко, Гюнтер Дирр, Стефан Филипп, Штеффен Дж. Глейзер, Ронни Кослофф, Симона Монтангеро, Томас Шульте-Хербрюгген, Доминик Сюньи и Франк К. Вильхельм, «Квантовый оптимальный контроль в квантовые технологии. Стратегический отчет о текущем состоянии, видении и целях исследований в Европе», Arxiv: 2205.12110.

Приведенные цитаты из САО / НАСА ADS (последнее обновление успешно 2022-10-16 03:18:53). Список может быть неполным, поскольку не все издатели предоставляют подходящие и полные данные о цитировании.

On Цитируемый сервис Crossref Данные о цитировании работ не найдены (последняя попытка 2022-10-16 03:18:51).

Эта статья опубликована в Quantum под Creative Commons Attribution 4.0 International (CC BY 4.0) лицензия. Авторское право остается за первоначальными правообладателями, такими как авторы или их учреждения.

Отметка времени:

Больше от Квантовый журнал