Uncovering Latent Structures in Robust Pulse Sequences: A Model-Based Reinforcement Learning Approach for Adaptable Quantum Control
Questo articolo introduce un framework di apprendimento per rinforzo basato su modelli che addestra una singola rete neurale per generare impulsi di controllo quantistico robusti e ad alta fedeltà attraverso intervalli continui di parametri in millisecondi, superando i metodi tradizionali eliminando i costi di reinizializzazione e rivelando schemi strutturali coerenti nel panorama del controllo.