論文の概要: Simple scheme for extracting work with a single bath

• arxiv url: http://arxiv.org/abs/1806.11384v2
• Date: Mon, 11 Sep 2023 14:32:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-24 04:22:26.739135
• Title: Simple scheme for extracting work with a single bath
• Title（参考訳）: 単一浴槽による作業の簡易抽出方法
• Authors: Nicol\`o Piccione, Benedetto Militello, Anna Napoli, Bruno Bellomo
• Abstract要約: このプロトコルは、単一の入浴のみを含む最近の作業定義に基づいている。 抽出された作業とプロセスの理想的な効率の両方を定量化し、それらに最大限のバウンダリを与える。 我々の提案は、細かい制御を必要としない単純な操作を利用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a simple protocol exploiting the thermalization of a $\textit{storage}$ bipartite system $S$ to extract work from a $\textit{resource}$ system $R$. The protocol is based on a recent work definition involving only a single bath. A general description of the protocol is provided without specifying the characteristics of $S$. We quantify both the extracted work and the ideal efficiency of the process also giving maximum bounds for them. Then, we apply the protocol to two cases: two interacting qubits and the Rabi model. In both cases, for very strong couplings, an extraction of work comparable with the bare energies of the subsystems of $S$ is obtained and its peak is reached for finite values of the bath temperature, $T$. We finally show, in the Rabi model at $T=0$, how to transfer the work stored in $S$ to an external device, permitting thus a cyclic implementation of the whole work-extraction protocol. Our proposal makes use of simple operations not needing fine control.
• Abstract（参考訳）: 我々は、$\textit{storage}$ bipartite system $s$ の熱化を利用した簡単なプロトコルを提案し、$\textit{resource}$ system $r$ から作業を抽出する。 このプロトコルは、単一の入浴のみを含む最近の作業定義に基づいている。 プロトコルの一般的な記述は、$S$の特性を指定せずに提供される。 我々は抽出された作業とプロセスの理想的な効率の両方を定量化し、それらに最大境界を与える。 次に、このプロトコルを2つの相互作用量子ビットとRabiモデルに適用する。 どちらの場合も、非常に強い結合に対して、サブシステムの素エネルギーである$S$に匹敵する仕事の抽出が得られ、そのピークは入浴温度の有限値である$T$に対して到達する。 最終的に、$t=0$のrabiモデルでは、$s$に格納された作業を外部デバイスに転送する方法を示し、ワーク抽出プロトコル全体を循環的に実装できるようにしました。 我々の提案は、細かい制御を必要としない単純な操作を利用する。

関連論文リスト

• One-Shot Non-Catalytic Distributed Purity Distillation [7.1221402714048505]
  既知の混合状態から固定された純状態を抽出するプロトコルを開発することが重要である。 本研究では、固定された純状態 $|0rangleA' |0rangleB'$ を既知の純状態から抽出する問題を研究する。 さらに, 達成可能な限界にほぼ一致する1ショット設定における蒸留速度の上限を導出する。
  論文  参考訳（メタデータ） (2024-03-25T06:48:50Z)
• Extraction of Work via a Thermalization Protocol [0.0]
  本稿では, 資源システム$R$からバイパーティイトシステム$S$まで, 熱処理プロセスを活用することにより, 資源システム$R$から作業を引き出すことができることを示す。 一般の場合において、プロトコルの理論的境界を見つけ、Rabiモデルに適用すると、作業と効率の十分な抽出が発生することを示す。
  論文  参考訳（メタデータ） (2023-09-08T08:01:40Z)
• Collective advantages in finite-time thermodynamics [0.0]
  W_rm disspropto Nx$は、プロトコルに沿って対話が適切に作成される集合プロトコルを考えることで、劇的に削減できることを示す。 これらの結果の応用として、有限時間における情報の消去に焦点をあて、ランダウアーの境界へのより高速な収束を証明した。
  論文  参考訳（メタデータ） (2023-06-28T20:10:02Z)
• Trade-offs between Entanglement and Communication [5.88864611435337]
  我々は,$tildeTheta(k5 log3 n)$ qubits of tanglementの量子同時プロトコルが,$O(k)$ qubits of tanglementの2方向ランダム化プロトコルよりも指数関数的に優れていることを示す。 私たちの研究以前には、リレーショナルな分離のみが知られていました。
  論文  参考訳（メタデータ） (2023-06-02T01:49:39Z)
• Cooperative Multi-Agent Reinforcement Learning: Asynchronous Communication and Linear Function Approximation [77.09836892653176]
  マルコフ決定過程の設定におけるマルチエージェント強化学習について検討した。 本稿では非同期通信が可能な値に基づく証明可能な効率的なアルゴリズムを提案する。 我々は、コラボレーションによってパフォーマンスを改善するために、最小の$Omega(dM)$通信の複雑さが必要であることを示す。
  論文  参考訳（メタデータ） (2023-05-10T20:29:29Z)
• Controlled remote implementation of operations via graph states [7.238541917115604]
  本稿では,制御能力のある遠隔操作の制御プロトコルを提案する。 2N+1)$-partiteグラフ状態を共有すると、2N$参加者が協力してスタレーターを準備し、操作を実現する。 提案プロトコルの制御能力は,正の演算子値測定により信頼性が高いことを示す。
  論文  参考訳（メタデータ） (2022-10-26T12:50:14Z)
• Reward-Mixing MDPs with a Few Latent Contexts are Learnable [75.17357040707347]
  報酬混合マルコフ決定過程(RMMDP)におけるエピソード強化学習の検討 我々のゴールは、そのようなモデルにおける時間段階の累積報酬をほぼ最大化する、ほぼ最適に近いポリシーを学ぶことである。
  論文  参考訳（メタデータ） (2022-10-05T22:52:00Z)
• Reward-Free Model-Based Reinforcement Learning with Linear Function Approximation [92.99933928528797]
  エピソードマルコフ決定過程(MDP)に対する線形関数近似を用いたモデルに基づく無報酬強化学習について検討する。 計画段階では、特定の報酬関数が与えられ、探索フェーズから収集したサンプルを使用して良い政策を学ぶ。 任意の報酬関数に対して$epsilon$-optimal Policyを得るには,最大$tilde O(H4d(H + d)epsilon-2)$ episodesをサンプリングする必要がある。
  論文  参考訳（メタデータ） (2021-10-12T23:03:58Z)
• The Power of Subsampling in Submodular Maximization [51.629656762796564]
  このアプローチは,既存の手法よりもはるかに単純であるにもかかわらず,最適/最先端の結果をもたらすことを示す。 我々は,映像要約,位置情報要約,映画推薦タスクにおけるアルゴリズムの有効性を実証的に示す。
  論文  参考訳（メタデータ） (2021-04-06T20:25:57Z)
• Nearly Minimax Optimal Reward-free Reinforcement Learning [88.75843804630772]
  本稿では、特にバッチ強化学習に適した報酬不要強化学習フレームワークと、複数の報酬関数に対するポリシーを必要とするシナリオについて検討する。 textbfStaged textbfSampling + textbfTruncated textbfPlanning (algoname) という新しい効率的なアルゴリズムを提供しています。
  論文  参考訳（メタデータ） (2020-10-12T17:51:19Z)
• On Distributed Differential Privacy and Counting Distinct Elements [52.701425652208734]
  我々は、$n$ユーザのそれぞれが離散集合から要素を保持する設定について研究する。 目標は、すべてのユーザーに対して異なる要素の数を数えることだ。
  論文  参考訳（メタデータ） (2020-09-21T04:13:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。