2023 Fiscal Year Annual Research Report
量子情報量による不確かさの特徴づけと量子系におけるロバスト制御理論の構築
| Project/Area Number |
19K03619
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
大木 健太郎 京都大学, 情報学研究科, 助教 (40639233)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | 適応制御 / ロバスト制御 / ロバスト安定性解析 |
|---|
| Outline of Annual Research Achievements |
本年度は制御系のトップカンファレンスである IFAC World Congress （IFAC WC）および IEEE Conference on Decision and Control (CDC) 国際会議で２件発表し，また学術論文誌に論文を２件投稿した．投稿した論文は，それぞれarXivでも公開している．
IFAC WC で発表した論文は，前年度に続いて行なっている量子系の適応制御の問題で，パラメータの学習率をどのように定めればよいかを，特別な場合に限定して最短時間制御問題およびパラメータ誤差のモーメント最小化問題の２つの最適制御問題として扱い，それぞれ解析的な解をえた．扱っている量子系が非線形確率システムであり，この適応制御問題のパラメータ学習率を適切に決めることは非常に難しい．本研究は，簡単な場合に限定して解析的な解を得たのち，それを変形することで学習効率の優れた適応制御則が得られることを数値的に示した．
CDCで発表した論文は，非線形確率系である量子系のモデルの不確かさの影響で公称モデルの平衡点が失われる場合に，安定化制御器がどの程度平衡点付近に解を留まらせられるかを解析的に評価したもので，扱っているシステムがパラメータの誤差に対して非常に敏感であることを示したものである．投稿した論文の１つはこの結果を詳細に評価したものである．このことは，対象となる量子系には非常に高精度なモデリングを要求しなければならないことを意味し，今後は適応制御との融合や機械学習などを併用した，モデル化誤差を抑える手法を開発する必要がある．
|
