利用测量反作用通过强化学习制备腔 Fock 态叠加
量子物理
2023-05-19 v1
摘要
玻色子及一般腔量子态的制备通常依赖于使用开环控制来达到期望的目标态。在本工作中，转而采用基于测量的反馈方法，利用弱测量的非线性与相干驱动来制备这些态。先前关于李雅普诺夫（Lyapunov）控制的工作的扩展被证明在此任务上失效。这促使寻求一种不同的方法，此处为此求助于强化学习（RL）。借助该方法，仅以测量反作用作为非线性，并自然融入对腔光子跳跃的探测，即可制备保真度超过 98% 的腔本征态叠加。分析了两种不同的 RL 框架：最近提出的称为截断分位数评判器（TQC）的离策略方法，以及量子控制中常用的同策略方法即近端策略优化（PPO）。结果表明，TQC 在达到更高目标态制备保真度方面表现更优。
引用
@article{arxiv.2305.11047,
title = {Preparation of cavity Fock state superpositions by reinforcement learning exploiting measurement back-action},
author = {Arthur Perret and Yves Bérubé-Lauzière},
journal= {arXiv preprint arXiv:2305.11047},
year = {2023}
}
备注
18 pages, 11 figures