PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.19947v1quant-ph

QMaxCal: 기르사노프의 정리를 통한 개방형 양자 제어를 위한 경로 공간 정규화

QMaxCal: Path-Space Regularization for Open Quantum Control via Girsanov's Theorem

디코히어런스(decoherence)가 존재하는 상황에서 신뢰할 수 있는 양자 제어는 제어된 역학(dynamics)에 대한 환경 잡음의 영향을 상쇄하는 정책을 필요로 합니다. 연속 모니터링 하의 개방형 양자 시스템은 시스템이 겪는 잡음에 의존하는 드리프트(drift)를 가진 고전적 측정 기록을 생성합니다. 동일한 디코히어런스 채널을 공유하는 두 진화의 기록은 이 드리프트에서만 차이가 나므로, 기르사노프의 정리는 궤적 분포 사이의 KL 발산(Kullback-Leibler divergence)에 대한 닫힌 형식의 미분 가능한 추정기를 제공합니다. 우리는 물리적으로 동기가 부여된 두 가지 기준 척도로 이 추정기를 구체화하여, 시스템을 디코히어런스의 영향이 최소화되는 상태로 유도하는 두 가지 정규화기를 도출했습니다: 잡음 모델의 특정 조건 하에서 경험적으로 더 효과적인 위너 KL(Wiener KL, KL_W)과 모든 잡음 모델에 대해 작동하는 드리프트-분산 정규화기(drift-variance regularizer, R_DV)입니다. 둘 다 제어 플루언스(control fluence)나 평활성(smoothness)에 대한 기존 페널티와 질적으로 구별됩니다. 이들은 제어 진폭 자체가 아닌 디코히어런스 채널에 대한 제어의 관측 가능한 결과에 페널티를 부과합니다. 이 정규화기들은 단일 및 다중 큐비트 벤치마크와 IBM Kingston 프로세서의 공개된 스냅샷에 맞춰 보정된 다중 큐비트 체인을 포함한 다양한 개방형 양자 시스템에서 정규화되지 않은 그래디언트 기반 및 강화학습(reinforcement learning) 기준선을 여러 평가 지표에서 능가합니다: 최종 상태 피델리티(fidelity), 가정된 잡음 모델의 불일치에 대한 강건성(학습(training) 잡음에서 +17 pp에서 2.5배 잡음 불일치 하에서 +27 pp로 이득 증가), 금지 상태 점유 등이 있습니다. 정규화기는 비피델리티(infidelity)를 최대 50%까지 감소시키며, 보정된 IBM Kingston 체인에서는 약 16%의 이득을 보입니다.