您好!今天是2019年7月20日 星期六
加入收藏| 设为首页| 联系方式
网站首页
欢迎来到:中国科学院量子信息重点实验室
实验室概况
实验室介绍| 机构设置| 历史沿革| 联系我们
科研体系
固态量子计算研究单元| 量子纠缠网络研究单元| 量子集成光学芯片研究单元| 量子密码与量子器件研究单元| 量子理论研究单元
科研成果
研究进展| 获奖| 论文与专著| 专利
实验室成员
固定成员| 双聘人员| 博士后| 招聘信息
科普中心
郭光灿的量子十问 | 来自量子世界的新技术
研究生园地
研究生招生| 博士答辩
新闻中心| 公告通知| 学术报告| 媒体关注| 友情链接

首页栏目

当前位置:首页>首页栏目> 学术报告

学术报告


2月23日王欣报告

发布时间:2019-02-19

报告时间:2月23日 周六  下午2:30

报告地点:实验室一楼会议室

报告人:Xin Wang(王欣)City University of Hong Kong(香港城市大学)

报告题目: Application of machine learning methods to quantum control problems

报告摘要: 

     In this talk, I will present results from our recent attempts to apply machine learning methods to quantum control problems. In particular, I will discuss how supervised learning can be used to design composite pulse sequences that are robust against noise [1], while at the same time can be used to measure the noise spectra in a spin-qubit device while used in conjunction with randomized benchmarking [2].
On the other hand, I will demonstrate that reinforcement learning can be used to improve the quantum speed limit of transferring a spin in a chain [3],and can help in efficiently preparing a quantum state [4].
The pros and cons of reinforcement learning compared to other methods commonly used (such as gradient-based ones) are also studied in detail [4].
 
[1] X.-C. Yang, M.-H. Yung, and XW, Phys. Rev. A 97, 042324 (2018).
[2] C. Zhang, and XW, arXiv:1810.07914.
[3] X.-M. Zhang, Z.-W. Cui, XW, and M.-H. Yung, Phys. Rev. A 97, 052333 (2018).
[4] X.-M. Zhang, Z. Wei, R. Asad, X.-C. Yang, and XW, arXiv:1902.02157.