面向量子设备的无模型失真消除与控制
量子物理
2024-07-16 v1 机器学习
系统与控制
系统与控制
摘要
量子设备需要精确的控制才能发挥其全部潜能。本文解决了控制封闭量子系统的问题，聚焦两个主要挑战：其一，在实际操作中，控制信号通常受到来自器件制造、材料特性以及产生这些信号的仪器的未知经典失真的影响；其二，在大多数情况下，由于某些变量之间的关系不确定以及对系统内部某些测量不可及，建模系统非常困难甚至根本不可行。本文引入一种基于深度强化学习（DRL）的通用无模型控制方法，能够适用于任何封闭量子系统。我们使用 REINFORCE 政策梯度算法训练一个深度神经网络（NN），以控制封闭量子系统随时间演化的状态概率分布，并将其引导至不同的目标分布。我们提出了一种新型控制器架构，由多个 NN 组成。这使得可以容纳任意数量的目标状态分布，而不会增加 NN 的复杂度或其训练过程。所使用的 DRL 算法在控制问题可建模为马尔可夫决策过程（MDP）或部分观察 MDP 时都能正常工作。我们的 метод适用于控制信号是离散值或连续值的情况。我们通过基于光子波导阵列芯片的数值仿真验证了该方法。我们训练一个控制器来生成芯片的不同目标输出分布，保真度超过99%，其中该控制器在消除经典信号失真方面表现出色。
引用
@article{arxiv.2407.09877,
title = {Model-free Distortion Canceling and Control of Quantum Devices},
author = {Ahmed F. Fouad and Akram Youssry and Ahmed El-Rafei and Sherif Hammad},
journal= {arXiv preprint arXiv:2407.09877},
year = {2024}
}