面向量子控制的物理信息神经网络
量子物理
2024-07-02 v1
摘要
经典和量子机器学习正越来越多地被应用于量子信息技术中的各种任务。本文演示了使用物理信息神经网络（PINN）进行量子控制的实验结果。PINN的关键特征在于，它将整个控制序列编码为网络参数。该特征使控制序列能够后续应用于任何具有最优时间离散化的硬件，从而与先前进行时间离散化的常规方法形成鲜明对比。本文讨论了两个重要的量子信息任务：门合成和态准备。首先，我们通过设计两个量子比特的CNOT门并在异核两自旋NMR寄存器上进行实验实现，演示了量子门合成。其次，我们通过设计控制序列将热态有效地转化为长寿命三态并在同核两自旋NMR寄存器上进行实验实现，演示了量子态准备。我们对PINN控制序列进行了详尽的数值分析，涉及带宽、离散化水平、控制场误差以及外部噪声等因素。
引用
@article{arxiv.2407.00444,
title = {Physics-informed neural network for quantum control of NMR registers},
author = {Priya Batra and T. S. Mahesh},
journal= {arXiv preprint arXiv:2407.00444},
year = {2024}
}