XiaoMi-AI文件搜索系统
World File Search System最优控制
通过逆向工程实现机器学习启发的非绝热几何量子计算的量子最优控制
量子控制在量子计算机的实际应用中起着不可替代的作用。然而，要找到更合适、更多样化的控制参数，必须克服一些挑战。我们提出了一种有前途且可推广的基于平均保真度的机器学习启发式方法来优化控制参数，其中使用具有周期性特征增强的神经网络作为拟设。在通过逆向工程实现猫态非绝热几何量子计算的单量子比特门时，与简单形式的三角函数控制参数相比，我们的方法可以产生保真度明显更高（> 99.99%）的相位门，例如π/ 8门（T门）。单量子比特门对系统噪声、加性高斯白噪声和退相干具有很强的鲁棒性。我们用数字证明了神经网络具有扩展模型空间的能力。借助我们的优化，我们提供了一种在玻色子系统中实现高质量级联多量子比特门的可行方法。因此，机器学习启发的方法在非绝热几何量子计算的量子最优控制中可能是可行的。
非绝热完整量子计算及其最优控制
摘要 几何相具有抵抗某些类型局部噪声的内在特性，因为它只依赖于演化路径的全局特性。同时，非阿贝尔几何相是矩阵形式，因此可以自然地用于实现高性能量子门，即所谓的完整量子计算。本文回顾了非绝热完整量子计算的最新进展，并重点介绍了各种可以提高门性能的最优控制方法，包括门保真度和鲁棒性。此外，我们还特别关注其可能的物理实现和一些具体的实验实现的例子。最后，通过所有这些努力，在最新技术范围内，实现的完整量子门的性能在某些条件下可以优于传统的动态量子门。
通过半自动微分实现量子最优控制
我们开发了一个“半自动微分”框架，将现有的基于梯度的量子最优控制方法与自动微分相结合。该方法几乎可以优化任何可计算函数，并在两个开源 Julia 包 GRAPE.jl 和 Krotov.jl 中实现，它们是 QuantumControl.jl 框架的一部分。我们的方法基于根据传播状态、与目标状态的重叠或量子门正式重写优化函数。然后，链式法则的分析应用允许在计算梯度时分离时间传播和函数的评估。前者可以通过修改的葡萄方案非常高效地进行评估。后者通过自动微分来评估，但与时间传播相比，其复杂性大大降低。因此，我们的方法消除了通常与自动微分相关的高昂内存和运行时开销，并通过直接优化量子信息和量子计量的非解析函数，促进了量子控制的进一步发展，尤其是在开放量子系统中。我们说明并测试了半自动微分在通过共享传输线耦合的超导量子比特上完美纠缠量子门的优化中的应用。这包括对非解析门并发的首次直接优化。
随机最优控制指导自适应癌症治疗
图 2：从初始状态 ( q 0 , p 0 ) = (0 . 26 , 0 . 665)（洋红色点）开始的具有确定性最优策略的随机驱动系统：(a) 确定性驱动系统 (2.2) 找到的最优轨迹，成本为 5 . 13；(b) 在确定性最优策略下生成的两个代表性样本路径，但受到随机适应度扰动的影响（较亮的一个成本为 3 . 09，而另一个成本为 6 . 06）；(c) 使用 10 5 随机模拟近似的累积成本 J 的 CDF。在 (a) 和 (b) 中，轨迹/路径的绿色部分表示不开药，轨迹/路径的红色部分表示以 MTD 速率开药。确定性情况下的价值函数的水平集以浅蓝色显示。在 (c) 中，蓝色实线是使用确定性最优策略生成的 CDF。其中位数（蓝色虚线）为 4.94，而成功条件下的平均值是 4.90。绿色实线是使用阈值感知策略生成的 CDF，其中 ¯ s = 4.50；红色实线是使用阈值感知策略生成的 CDF，其中 ¯ s = 4.94。
使用最优控制强化学习模型进行 COVID-19 疫苗激励计划
我们将 Covid-19 疫苗接种建模为两个群体之间的强化学习动态：疫苗采用者和疫苗犹豫者。使用疾病控制中心 (CDC) 提供的数据，我们计算出一个控制这两个群体之间动态互动的收益矩阵，并表明他们正在进行一场鹰派-鸽派进化博弈，其内部存在进化稳定的纳什均衡（人群中接种疫苗的渐近百分比）。然后，我们问是否可以通过实施奖励/惩罚疫苗犹豫者的动态激励计划来提高疫苗接种率，如果可以，哪些计划是最佳的，它们的效果如何？什么时候是启动激励计划的最佳时间，激励措施应该有多大？通过使用量身定制的复制器动态强化学习模型和最优控制理论，我们表明精心设计和时间安排的激励计划可以通过在大量人群中向上移动纳什均衡来提高疫苗接种率，但只能达到一定程度，超过一定阈值的激励规模会显示收益递减。
$^{87}$Sr 中十能级核自旋量子点的量子最优控制
我们研究了使用量子最优控制在 87 Sr、ad = 10 维（四进制）希尔伯特空间中实现 I = 9 / 2 核自旋状态的幺正映射的能力。通过核自旋共振和张量交流斯塔克位移的组合，仅通过调制射频磁场的相位，该系统即可实现量子可控。碱土金属原子（例如 87 Sr）由于复合线较窄且激发态的超精细分裂较大，因此具有非常有利的品质因数。我们用数字方式研究了量子速度极限、最优参数以及任意状态制备和完整 SU(10) 映射的保真度，包括由于光移激光引起的光泵浦而产生的退相干。我们还研究了使用稳健控制来减轻由于光移不均匀性而导致的一些失相。我们发现，当 rf Rabi 频率为 rf 且光移不均匀性为 0.5% 时，我们可以在时间 T = 4.5 π/ rf 内制备任意 Haar 随机状态，平均保真度 ⟨ F ψ ⟩= 0.9992，并在时间 T = 24 π/ rf 内制备任意 Haar 随机 SU(10) 映射，平均保真度 ⟨ FU ⟩= 0.9923。
控制与最优控制理论及其应用
高级应用有限元方法 C Ross，朴茨茅斯大学 工程结构分析 B. Bedenik 和 C. Besant 应用弹性 JD Renton，牛津大学 轴对称问题的有限元程序 C Ross 朴茨茅斯大学 iCurcuit 分析 JE. Whitehouse，雷丁大学 Conise 热力学 J. Dunning-Davies，船体控制与应用最优控制理论 D. Burghes 和 A Graham 工程材料的腐蚀与退化 H. McArthur 和 D. Spalding 衍射理论、天线与最优传输 R. Clarke 和 J. Bresant 电子工程中的数字滤波器与信号处理 SM Bozic 和 RJ Chance 机械系统动力学 C. Ross，大学朴茨茅斯大学 弹性梁与框架 JD Renton，牛津大学 电气工程数学 R. Clarke，伦敦帝国理工学院 工程数学 N. Challis 和 H. Gretton，谢菲尔德哈勒姆大学 工程热力学 G. Cole，赫尔大学 结构工程有限元程序 C Ross，朴茨茅斯大学 结构力学有限元技术 C. Ross，朴茨茅斯大学 结构概论 WR Spillers，新泽西理工学院 垃圾填埋场污染与控制 K. Westlake，拉夫堡大学 宏观工程 Davidson、Frankel、Meador，麻省理工学院 宏观工程与地球 U Kitzinger 和 EGFrankel 机械加工力学 P. Oxley 和 P. Mathew，新南威尔士大学 固体力学 C. Ross，朴茨茅斯大学 微电子学：基于微处理器的系统D. Boniface，朴茨茅斯大学 导弹制导与追踪 NA Shneydor，以色列理工学院，海法 面向对象技术与计算机系统再造 H. Zedan 工程师的弹性力学 CR Calladine，剑桥大学 压力容器：外压技术 C. Ross，朴茨茅斯大学 潮汐的秘密 JD Boon，弗吉尼亚海洋科学学院，美国 极端热力学 BH Lavenda，卡梅里诺大学，意大利 管道与明渠中的瞬态流，第二版* J. Fox，利兹大学
利用深度神经网络解决量子动力学中的逆问题：机器学习对时间相关最优控制场的预测 Xi
逆问题在物理科学中持续引起人们的极大兴趣，特别是在控制非平衡系统中所需现象的背景下。在这项工作中，我们利用一系列深度神经网络来预测时间相关的最优控制场 E(t)，从而实现降维量子动力系统中所需的电子跃迁。为了解决这个逆问题，我们研究了两种独立的机器学习方法：(1) 用于预测频域中功率谱的频率和幅度内容的前馈神经网络（即 E(t) 的傅里叶变换）；(2) 用于直接预测时域中的 E(t) 的互相关神经网络方法。这两种机器学习方法都为探索底层量子动力学提供了互补的方法，并且在准确预测最优控制场的频率和强度方面也表现出色。我们为这些深度神经网络提供了详细的架构和超参数，并为每个机器学习模型提供了性能指标。从这些结果中，我们表明机器学习方法，特别是深度神经网络，可以作为一种经济有效的统计方法来设计电磁场，以实现这些量子动力系统中所需的转变。
基于...的耦合量子系统的最优控制
本文提出了一种对具有多个耦合自由度的量子系统进行近似最优控制模拟的方法。使用相互作用图中的一阶马格努斯展开来模拟时间演化，其中不同自由度之间的耦合被视为扰动。提出了一种数值实现程序，利用成对耦合和零阶时间演化算子的可分离性来降低计算成本，并根据自由度数对其进行了分析。该公式与无梯度方法兼容，可以优化控制场，并为此采用了随机爬山算法。作为说明，在控制场的影响下，对两个和三个偶极-偶极耦合分子转子系统进行了最优控制模拟。对于双转子系统，优化场以实现取向或纠缠目标。对于三旋翼系统，磁场经过优化，要么使所有三个旋翼朝向同一方向，要么使一个旋翼朝向特定方向，而另外两个旋翼指向相反方向。