.png){kind=icon}
返回
Controlling unknown quantum states via data-driven state representations
.png){kind=icon}
OA
AI
DOI：10.1038/s41534-026-01269-0.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确控制量子态对于量子计算和其他量子技术至关重要。在基本场景中，任务是通过对一系列控制操作引导量子系统达到目标态。然而，确定适当的操作通常需要关于系统初始态的信息。当初始态并非先验已知且系统规模增大时，获取这些信息变得日益困难。为解决此问题，我们开发了一种机器学习算法，该算法利用少量测量数据构建系统态的内部表示。该算法将这种数据驱动的表示与目标态的表示进行比较，并采用强化学习输出适当的控制操作。我们通过展示算法的有效性，表明它能够利用一组有限的量子测量数据，实现对未知多体量子态和非高斯连续变量态的精确控制。
Keyword:
quantum state control
machine learning
reinforcement learning
quantum measurement
unknown quantum states
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.3
论文数:
1.4K
被引数:
8.1K
机构
引用论文
暂无论文信息