論文の概要: Identifying optimal cycles in quantum thermal machines with reinforcement-learning

• arxiv url: http://arxiv.org/abs/2108.13525v1
• Date: Mon, 30 Aug 2021 21:22:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-02 05:54:02.524091
• Title: Identifying optimal cycles in quantum thermal machines with reinforcement-learning
• Title（参考訳）: 強化学習による量子熱機械の最適サイクルの同定
• Authors: Paolo Andrea Erdman, Frank No\'e
• Abstract要約: 本稿では,非平衡な量子熱エンジンと冷凍機のパワーを最大化する最適熱力学サイクルを発見するために,Reinforcement Learningに基づく一般的なフレームワークを提案する。 本手法を3つのシステムに適用する: 最適な既知のサイクルを見つけるベンチマーク2レベル系熱エンジン、コヒーレンスを生成する超伝導キュービットに基づく実験的に現実的な冷凍機、文献で提案された以前のサイクルより優れた直観的制御シーケンスを求める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The optimal control of open quantum systems is a challenging task but has a key role in improving existing quantum information processing technologies. We introduce a general framework based on Reinforcement Learning to discover optimal thermodynamic cycles that maximize the power of out-of-equilibrium quantum heat engines and refrigerators. We apply our method, based on the soft actor-critic algorithm, to three systems: a benchmark two-level system heat engine, where we find the optimal known cycle; an experimentally realistic refrigerator based on a superconducting qubit that generates coherence, where we find a non-intuitive control sequence that outperform previous cycles proposed in literature; a heat engine based on a quantum harmonic oscillator, where we find a cycle with an elaborate structure that outperforms the optimized Otto cycle. We then evaluate the corresponding efficiency at maximum power.
• Abstract（参考訳）: オープン量子システムの最適制御は難しい課題であるが、既存の量子情報処理技術を改善する上で重要な役割を果たしている。 本稿では,非平衡な量子熱エンジンと冷凍機のパワーを最大化する最適熱力学サイクルを発見するための強化学習に基づく一般的なフレームワークを紹介する。 We apply our method, based on the soft actor-critic algorithm, to three systems: a benchmark two-level system heat engine, where we find the optimal known cycle; an experimentally realistic refrigerator based on a superconducting qubit that generates coherence, where we find a non-intuitive control sequence that outperform previous cycles proposed in literature; a heat engine based on a quantum harmonic oscillator, where we find a cycle with an elaborate structure that outperforms the optimized Otto cycle. そして、最大電力で対応する効率を評価する。

関連論文リスト

• Capturing dynamics and thermodynamics of a three-level quantum heat engine via programmable quantum circuits [5.867866646262407]
  本研究は、量子回路上の3レベル量子熱をモデル化するために、クラウス表現とSz.-Nagy拡張定理を用いる。 動的モデルの有効性は、個体群の変化を追跡することによって検証される。 量子回路シミュレーションの安定性は、理論的およびシミュレーション結果の比較分析により精査される。
  論文  参考訳（メタデータ） (2024-05-28T02:30:04Z)
• Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
  本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。 古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。 本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
  論文  参考訳（メタデータ） (2024-05-27T17:40:39Z)
• Dynamically Emergent Quantum Thermodynamics: Non-Markovian Otto Cycle [49.1574468325115]
  我々は,量子オットーサイクルの熱力学的挙動を再考し,メモリ効果と強い系-バス結合に着目した。 我々の研究は、厳密な量子マスター方程式を用いて、マルコビアン性(英語版)を正確に扱うことに基づいている。
  論文  参考訳（メタデータ） (2023-08-18T11:00:32Z)
• Exploring the Optimal Cycle for Quantum Heat Engine using Reinforcement Learning [5.128039456682052]
  本研究では、量子熱エンジンの最適サイクルを出力するために強化学習を用いる。 3レベルコヒーレントな量子熱エンジンのサイクルを最適化するために、ソフトアクター・クリティックアルゴリズムが採用されている。
  論文  参考訳（メタデータ） (2023-08-13T15:43:33Z)
• Pareto-optimal cycles for power, efficiency and fluctuations of quantum heat engines using reinforcement learning [0.0]
  量子熱エンジンの最適化には、高出力、高効率、高安定性(低電力変動など)での運転が必要である 本稿では、電力、効率、ゆらぎをトレードオフする駆動量子熱エンジンのパレート最適サイクルを特定するための一般的な枠組みを提案する。
  論文  参考訳（メタデータ） (2022-07-26T18:00:04Z)
• Model-free optimization of power/efficiency tradeoffs in quantum thermal machines using reinforcement learning [0.0]
  量子熱機械 (quantum thermo machine) は、マイクロスケールやナノスケールでの熱と仕事の変換を可能にするオープン量子システムである。 本稿では,非平衡熱力学サイクルを特定するために,強化学習に基づく一般モデルフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-10T22:44:28Z)
• Optimizing thermalizations [0.0]
  量子系のエネルギー占有の完全なセットをアルゴリズム的に特徴付けるために,連続熱行列化の概念に基づく厳密なアプローチを提案する。 本稿では, 冷却, 作業抽出, 最適シーケンスの文脈で最適なプロトコルを見出すことにより, これを説明する。 同じツールにより、熱力学プロトコルの性能においてメモリ効果が果たす役割を定量的に評価することもできる。
  論文  参考訳（メタデータ） (2022-02-25T11:05:39Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on Quantum Computers [52.77024349608834]
  少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。 逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-03-04T18:21:00Z)
• Maximal power for heat engines: role of asymmetric interaction times [110.83289076967895]
  本稿では、エンジン性能を最適化するために、相互作用時間非対称性を調整するという考え方を紹介する。 個別最適化プロトコルは熱力学の枠組みで解析される。
  論文  参考訳（メタデータ） (2020-12-16T22:26:14Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [48.7576911714538]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 光学系は、力学と進行する光のモードの間の量子絡み合いを生成するように配置することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)

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。