元学习量子系统特性与动力学
量子物理
2025-03-14 v1 介观与纳米尺度物理
机器学习
计算物理
摘要
尽管机器学习在量子技术领域具有巨大的应用前景，但目前大多数方法仅聚焦于预测或控制特定的量子系统。而元学习方法能够通过利用来自类似系统的先前数据所获取的知识，适应数据极少的新系统。在本文中，我们对封闭型和开放型两能级系统以及海德格尔模型进行元学习。基于Loss-DiVincenzo自旋量子比特托盘于Ge/Si芯/壳纳米线中，并针对不同栅极电压配置获取的实验数据，我们使用元学习方法预测量子比特特性，即 因子和拉比频率。我们引入的算法通过引入自适应学习率和全局优化器等新型技术，提高了面向物理系统的前沿元学习方法的鲁棒性和计算效率。我们将方法与其他元学习方法、原始变压器和多层感知器进行基准测试，结果显示性能显著提升。
引用
@article{arxiv.2503.10492,
title = {Meta-learning characteristics and dynamics of quantum systems},
author = {Lucas Schorling and Pranav Vaidhyanathan and Jonas Schuff and Miguel J. Carballido and Dominik Zumbühl and Gerard Milburn and Florian Marquardt and Jakob Foerster and Michael A. Osborne and Natalia Ares},
journal= {arXiv preprint arXiv:2503.10492},
year = {2025}
}
备注
6+1 pages, 4 figures. L. Schorling and P. Vaidhyanathan contributed equally to this work