論文の概要: Engines for predictive work extraction from memoryful quantum stochastic processes

• arxiv url: http://arxiv.org/abs/2207.03480v2
• Date: Fri, 16 Dec 2022 00:17:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-06 07:01:14.615478
• Title: Engines for predictive work extraction from memoryful quantum stochastic processes
• Title（参考訳）: 量子確率過程からの予測的作業抽出のためのエンジン
• Authors: Ruo Cheng Huang, Paul M. Riechers, Mile Gu, and Varun Narasimhachar
• Abstract要約: 我々は、量子出力を持つ非マルコフ量子プロセスから予測的作業抽出法を開発した。 我々の研究は、基本的に量子形式で環境自由エネルギーを利用する機械の展望を開放する。
• 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: Quantum information-processing techniques enable work extraction from a system's inherently quantum features, in addition to the classical free energy it contains. Meanwhile, the science of computational mechanics affords tools for the predictive modeling of non-Markovian classical and quantum stochastic processes. We combine tools from these two sciences to develop a technique for predictive work extraction from non-Markovian stochastic processes with quantum outputs. We demonstrate that this technique can extract more work than non-predictive quantum work extraction protocols, on one hand, and predictive work extraction without quantum information processing, on the other. We discover a phase transition in the efficacy of memory for work extraction from quantum processes, which is without classical precedent. Our work opens up the prospect of machines that harness environmental free energy in an essentially quantum, essentially time-varying form.
• Abstract（参考訳）: 量子情報処理技術は、古典的な自由エネルギーに加えて、システムの本質的に量子的な特徴から仕事の抽出を可能にする。 一方、計算力学の科学は、非マルコフ古典および量子確率過程の予測モデリングのためのツールを与える。 これら2つの科学のツールを組み合わせて、量子出力を持つ非マルコフ確率過程から予測作業を抽出する手法を開発した。 提案手法は,非予測的な量子ワーク抽出プロトコルよりも多くの作業を抽出することができ,また,量子情報処理を伴わない予測作業抽出が可能であることを実証する。 古典的前例のない量子プロセスからの作業抽出において,メモリの有効性において相転移が認められる。 我々の研究は、基本的に量子的、本質的に時間的に変化する形で環境自由エネルギーを利用する機械の展望を開放する。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantumness Speeds up Quantum Thermodynamics Processes [1.3597551064547502]
  量子系のコヒーレンスは、すべての非コヒーレント状態を超えた循環的進化に関して、仕事の抽出を高速化することができることを示す。 さらに、量子系の真の絡み合いは、任意の二分割状態を超えて仕事の抽出をスピードアップする可能性があることを示す。
  論文  参考訳（メタデータ） (2024-06-19T08:52:19Z)
• Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
  平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。 ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。 これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
  論文  参考訳（メタデータ） (2024-06-10T17:22:09Z)
• Quantum non-Markovianity, quantum coherence and extractable work in a general quantum process [0.0]
  量子熱力学における鍵となる概念は、量子システムから抽出できる最大作業量を指定する、抽出可能な仕事である。 抽出可能な仕事を測定するために異なる量が用いられており、最も一般的なものはエルゴトロピーであり、非平衡と平衡量子自由エネルギーの違いである。 開量子系が完全に正かつトレース保存された動的マップによって記述された一般的な量子過程を通過するときの抽出可能な作業の進化について検討する。
  論文  参考訳（メタデータ） (2023-09-10T11:05:35Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum correlation generation capability of experimental processes [5.552315676636436]
  EPRステアリングとベル非局所性は、量子力学によって予測される2つの異なる種類の相関を示す。 実験プロセスが量子相関を生成する能力は量子化可能であることを示す。 我々は,IBM Quantum Experience と Amazon Braket Rigetti の超伝導量子コンピュータ上での制御相演算と量子相関を生成する実験能力について検討した。
  論文  参考訳（メタデータ） (2023-04-30T02:22:56Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Quantum machine learning and quantum biomimetics: A perspective [0.0]
  量子機械学習は、量子技術の中でエキサイティングで有望なパラダイムとして登場した。 本稿では,これらのトピックについて概観し,科学コミュニティが実施した関連研究について述べる。
  論文  参考訳（メタデータ） (2020-04-25T07:45:20Z)

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。