MétaCan
Menu
← Retour à la cohorte
Enregistrement W2967236160

Control techniques in spin based quantum computation

2019· dissertation· en· W2967236160 sur OpenAlexfundno aff
Hemant Katiyar

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2019
Typedissertation
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Waterloo
Mots-clésQuantum controlQuantum computerComputationQuantumPhysicsSpin (aerodynamics)Computer scienceQuantum mechanicsTheoretical physicsAlgorithm
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Working on quantum systems entail different interests, for example, working on fundamental \nunderstanding of quantum systems also lay foundation for better quantum computation \ntechniques. A test for whether a system is behaving quantum mechanically or \nclassically is devised by Leggett and Garg in form of inequalities, called Leggett-Garg Inequalities \n(LGI). Such Inequalities are violated by a system whose evolution is governed \nby quantum mechanics. A precise experiment to violate LGIs require a guarantee that the \nmeasurement does not affect the system or its future dynamics. These Inequalities were \nproposed for dichotomic systems,systems which can have two outcomes. Here we present \nan LG experiment on a three-level quantum system, which theoretically have larger quantum \nupper bound than that of a two-level quantum system. This larger violation also \nprovides a bigger buffer to taking in account of the various experimental imperfections. \nPerforming a quantum computing task requires precise level of control to initialize, \nperform and measure the quantum system. With increasing size of the quantum processor \nthe challenge is to maintain optimal control. Nuclear Magnetic Resonance (NMR) has \nalways been a very faithful test-bed for quantum processing ideas. In NMR, we perform \nRadio Frequency (RF) pulses to control and steer the system to the desired state. Most \nused method to derive the exact frequency and amplitude of these pulses for a given \ntask is based on gradient. Although systematic, one have to simulate these pulses on \na classical computer first, which makes the task very inefficient. We report a a way of \nperforming optimization with a hybrid quantum-classical scheme. This scheme helps us \nperform classically harder computational tasks on the quantum processor. We optimize \npulses which drive our system from 7-coherence state to 12-coherence state on a 12-qubit \nNMR processor. \nElectron Spin Resonance (ESR) employs the same techniques as of NMR but having \nadvantage in larger polarization compared to later. Although this does not imply better \ncontrol, cause the frequency at which pulses are required to control an ESR system fall into \nmicrowave region. Microwave frequency are harder to control electronically, thus making \nit harder for performing ESR quantum computing. The hybrid scheme used in NMR \nexperiment relies on some ideal pulses which are needed to be optimized classically. We \nalleviate this requirement by using finite difference method of calculating gradient. We \ncompare these methods with the earlier methods to show the superiority of such a scheme. \nState-to-state transfer pulses are sufficient for most of the quantum computing task, \nbut, an universal quantum information implementation requires state independent pulses. \nThe techniques used in optimizing state-to-state pulses can be modified to optimize for a \nstate independent pulse. We show that this methods scale polynomially with the number \nof qubits and is general in terms of its implementation. We further reduce the resource \nrequirement by using a NMR related implementation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)→Même sujetQuantum Information and Cryptography→Travaux en français237 207→