通过搜寻高质量量子控制脉冲评估三种闭环学习算法
量子物理
2021-01-21 v2
摘要
设计高质量控制对可靠量子计算至关重要。在现有方法中，闭环学习控制是一种有效选择。其效率取决于所采用的学习算法，因此值得为其实际应用进行算法比较。在此，我们通过搜寻制备Bell态的高质量控制脉冲，评估三种代表性学习算法：梯度上升脉冲工程（GRAPE）、改进Nelder-Mead（NMplus）与差分进化（DE）。我们首先在核磁共振系统中实验实现各算法，随后开展考虑若干可能显著实验不确定性影响的数值研究。实验报道了三种算法以不同收敛速度成功制备高保真度目标态，且在潜在不确定性可忽略时这些结果与数值模拟一致。然而，在某些显著不确定性下，这些算法在所得精度与效率方面表现各异。本研究为不同闭环学习算法在实际物理场景中的实际应用提供见解。
引用
@article{arxiv.2008.03874,
title = {Assessing three closed-loop learning algorithms by searching for high-quality quantum control pulses},
author = {Xiao-dong Yang and Christian Arenz and Istvan Pelczer and Qi-Ming Chen and Re-Bing Wu and Xin-hua Peng and Herschel Rabitz},
journal= {arXiv preprint arXiv:2008.03874},
year = {2021}
}
备注
9 pages, 3 figures