ترجمه فارسی مقاله مدل‌سازی نویز کوانتومی از طریق یادگیری تقویتی

چکیده

In the current era of quantum computing, robust and efficient tools are essential to bridge the gap between simulations and quantum hardware execution. In this work, we introduce a machine learning approach to characterize the noise impacting a quantum chip and emulate it during simulations. Our algorithm leverages reinforcement learning, offering increased flexibility in reproducing various noise models compared to conventional techniques such as randomized benchmarking or heuristic noise models. The effectiveness of the RL agent has been validated through simulations and testing on real superconducting qubits. Additionally, we provide practical use-case examples for the study of renowned quantum algorithms.

چکیده به فارسی (ترجمه ماشینی)

در دوره فعلی محاسبات کوانتومی ، ابزارهای قوی و کارآمد برای ایجاد شکاف بین شبیه سازی ها و اجرای سخت افزار کوانتومی ضروری هستند.در این کار ، ما یک روش یادگیری ماشین را معرفی می کنیم تا سر و صدای مؤثر بر تراشه کوانتومی را تحت تأثیر قرار دهیم و آن را در طول شبیه سازی ها تقلید کنیم.الگوریتم ما یادگیری تقویت را افزایش می دهد ، و انعطاف پذیری بیشتری را در تولید مثل مدل های مختلف نویز در مقایسه با تکنیک های معمولی مانند معیار تصادفی یا مدل های نویز اکتشافی ارائه می دهد.اثربخشی عامل RL از طریق شبیه سازی و آزمایش در مورد Qubits ابررسانا واقعی تأیید شده است.علاوه بر این ، ما نمونه های مورد استفاده عملی را برای مطالعه الگوریتم های کوانتومی مشهور ارائه می دهیم.