.png){kind=icon}
返回
Robust quantum control using reinforcement learning from demonstration
.png){kind=icon}
OA
AI
DOI：10.1038/s41534-025-01065-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子控制需要高精度和鲁棒的控制脉冲以确保系统性能最优。然而，基于系统模型生成的控制序列可能因模型偏差导致保真度降低。尽管已开发出无模型强化学习（RL）方法以避免此类偏差，但从零开始训练RL智能体可能耗时较长，通常需要数小时收集足够样本以实现收敛。这一挑战阻碍了RL技术在大规模、更复杂量子控制问题中的广泛应用，限制了其适应性。在本工作中，我们采用示教式强化学习（RLfD），利用基于系统模型生成的控制序列，并通过RL进一步优化以避免模型偏差。通过避免从零开始学习并基于合理的控制脉冲形状初始化，该方法可提高样本效率、减少所需样本数量，从而显著缩短训练时间。因此，该方法能够有效处理离散化为1000个以上片段的脉冲形状，同时不降低最终保真度。我们已使用RLfD方法模拟制备了多种高保真非经典态。此外，我们还发现使用RLfD时训练过程更为稳定。该方法还适用于基于强化学习的快速门校准。
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
Implementing a universal gate set on a logical qubit encoded in an oscillator在振荡器中编码的逻辑量子位上实现通用门集.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容