非均匀量子系综的随机学习控制
数值分析
2019-12-04 v3 人工智能
数值分析
量子物理
摘要
在量子控制中，相对于系统参数或驱动场特性中不确定性的鲁棒性至关重要，并已在理论、数值和实验上得到研究。我们在本文中测试了随机搜索过程（随机梯度下降和 Adam 算法），这些过程在每次迭代时从参数不确定性的分布中采样，而非以往使用固定网格的方法。我们表明两种算法相对于基准均表现良好，并讨论了它们各自的优点。此外，该方法学允许处理高维参数不确定性；我们用数值实现了一个 3D 和一个 6D 案例，并取得了良好结果。
引用
@article{arxiv.1906.02991,
title = {Stochastic learning control of inhomogeneous quantum ensembles},
author = {Gabriel Turinici},
journal= {arXiv preprint arXiv:1906.02991},
year = {2019}
}