Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso
| Ano de defesa: | 2023 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://www.teses.usp.br/teses/disponiveis/76/76131/tde-16012024-093809/ |
Resumo: | Esta tese de doutorado investiga a síntese de transformações unitárias em meio à presença de ruído de decoerência, por meio de uma integração de métodos geométricos e técnicas de aprendizado de máquina. O principal enfoque reside no uso de Teoria de Controle Quântico para obtenção de geodésicas do grupo SU(4) em que o ponto final é um elemento de SU(2) ⊗ II. Para desenvolver os pulsos ideais de controle, é lançada mão de técnicas de aprendizado de máquina para aprimorar tanto a qualidade quanto a quantidade de dados. Tais pulsos permitem obter transformações unitárias genéricas de um único qubit, ao mesmo tempo que atenua os efeitos prejudiciais do ruído de decoerência. Esse estudo possui relevância no âmbito da computação quântica, em que o ruído de decoerência pode prejudicar substancialmente a eficácia dos algoritmos quânticos, e destaca o potencial do aprendizado de máquina na otimização de dados para superar esse desafio. Além disso, a técnica demonstra promissoras aplicações em outros modelos de ruído, dinâmicas inerentes do sistema e diversos tipos de erros. |
| id |
USP_3f02bc679a3948d931f5b9070af55fbd |
|---|---|
| oai_identifier_str |
oai:teses.usp.br:tde-16012024-093809 |
| network_acronym_str |
USP |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
| repository_id_str |
|
| spelling |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidosoThe use of neural networks on Quantum Control Theory for unitary quantum processing synthesis in a noisy settingAprendizado de máquinaComputação quânticaControl theoryEvoluções unitáriasMachine learningOpen quantum systemsQuantum computingSistemas quânticos abertosTeoria de controleUnitary evolutionEsta tese de doutorado investiga a síntese de transformações unitárias em meio à presença de ruído de decoerência, por meio de uma integração de métodos geométricos e técnicas de aprendizado de máquina. O principal enfoque reside no uso de Teoria de Controle Quântico para obtenção de geodésicas do grupo SU(4) em que o ponto final é um elemento de SU(2) ⊗ II. Para desenvolver os pulsos ideais de controle, é lançada mão de técnicas de aprendizado de máquina para aprimorar tanto a qualidade quanto a quantidade de dados. Tais pulsos permitem obter transformações unitárias genéricas de um único qubit, ao mesmo tempo que atenua os efeitos prejudiciais do ruído de decoerência. Esse estudo possui relevância no âmbito da computação quântica, em que o ruído de decoerência pode prejudicar substancialmente a eficácia dos algoritmos quânticos, e destaca o potencial do aprendizado de máquina na otimização de dados para superar esse desafio. Além disso, a técnica demonstra promissoras aplicações em outros modelos de ruído, dinâmicas inerentes do sistema e diversos tipos de erros.This PhD thesis investigates the synthesis of unitary transformations in the presence of decoherence noise through an integration of geometric methods and machine learning techniques. The main focus lies in the use of Quantum Control Theory to obtain geodesics of the SU(4) group, where the endpoint is an element of SU(2) ⊗ II. To develop the optimal control pulses, machine learning techniques are employed to enhance both the quality and quantity of data. These pulses enable the attainment of generic unitary transformations of a single qubit while mitigating the detrimental effects of decoherence noise. This study holds significance in the field of quantum computing, where decoherence noise can substantially impair the effectiveness of quantum algorithms, highlighting the potential of machine learning in data optimization to overcome this challenge. Additionally, the technique shows promising applications in other noise models, inherent system dynamics, and various types of errors.Biblioteca Digitais de Teses e Dissertações da USPNapolitano, Reginaldo de JesusMorazotti, Nícolas André da Costa2023-11-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/76/76131/tde-16012024-093809/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-01-22T17:05:02Zoai:teses.usp.br:tde-16012024-093809Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-01-22T17:05:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
| dc.title.none.fl_str_mv |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso The use of neural networks on Quantum Control Theory for unitary quantum processing synthesis in a noisy setting |
| title |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso |
| spellingShingle |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso Morazotti, Nícolas André da Costa Aprendizado de máquina Computação quântica Control theory Evoluções unitárias Machine learning Open quantum systems Quantum computing Sistemas quânticos abertos Teoria de controle Unitary evolution |
| title_short |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso |
| title_full |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso |
| title_fullStr |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso |
| title_full_unstemmed |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso |
| title_sort |
Redes neurais no uso de Teoria de Controle para a síntese de transformações unitárias em processamento quântico em contexto ruidoso |
| author |
Morazotti, Nícolas André da Costa |
| author_facet |
Morazotti, Nícolas André da Costa |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Napolitano, Reginaldo de Jesus |
| dc.contributor.author.fl_str_mv |
Morazotti, Nícolas André da Costa |
| dc.subject.por.fl_str_mv |
Aprendizado de máquina Computação quântica Control theory Evoluções unitárias Machine learning Open quantum systems Quantum computing Sistemas quânticos abertos Teoria de controle Unitary evolution |
| topic |
Aprendizado de máquina Computação quântica Control theory Evoluções unitárias Machine learning Open quantum systems Quantum computing Sistemas quânticos abertos Teoria de controle Unitary evolution |
| description |
Esta tese de doutorado investiga a síntese de transformações unitárias em meio à presença de ruído de decoerência, por meio de uma integração de métodos geométricos e técnicas de aprendizado de máquina. O principal enfoque reside no uso de Teoria de Controle Quântico para obtenção de geodésicas do grupo SU(4) em que o ponto final é um elemento de SU(2) ⊗ II. Para desenvolver os pulsos ideais de controle, é lançada mão de técnicas de aprendizado de máquina para aprimorar tanto a qualidade quanto a quantidade de dados. Tais pulsos permitem obter transformações unitárias genéricas de um único qubit, ao mesmo tempo que atenua os efeitos prejudiciais do ruído de decoerência. Esse estudo possui relevância no âmbito da computação quântica, em que o ruído de decoerência pode prejudicar substancialmente a eficácia dos algoritmos quânticos, e destaca o potencial do aprendizado de máquina na otimização de dados para superar esse desafio. Além disso, a técnica demonstra promissoras aplicações em outros modelos de ruído, dinâmicas inerentes do sistema e diversos tipos de erros. |
| publishDate |
2023 |
| dc.date.none.fl_str_mv |
2023-11-24 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/76/76131/tde-16012024-093809/ |
| url |
https://www.teses.usp.br/teses/disponiveis/76/76131/tde-16012024-093809/ |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.none.fl_str_mv |
|
| dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.coverage.none.fl_str_mv |
|
| dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
| instname_str |
Universidade de São Paulo (USP) |
| instacron_str |
USP |
| institution |
USP |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
| collection |
Biblioteca Digital de Teses e Dissertações da USP |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
| repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
| _version_ |
1865492112449994752 |