論文の概要: Pareto-optimal cycles for power, efficiency and fluctuations of quantum heat engines using reinforcement learning

• arxiv url: http://arxiv.org/abs/2207.13104v2
• Date: Wed, 3 May 2023 11:06:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 18:50:48.495665
• Title: Pareto-optimal cycles for power, efficiency and fluctuations of quantum heat engines using reinforcement learning
• Title（参考訳）: 強化学習を用いた量子熱機関の電力・効率・変動に対するパレート最適サイクル
• Authors: Paolo Andrea Erdman, Alberto Rolandi, Paolo Abiuso, Mart\'i Perarnau-Llobet, Frank No\'e
• Abstract要約: 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。
• 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 full optimization of a quantum heat engine requires operating at high power, high efficiency, and high stability (i.e. low power fluctuations). However, these three objectives cannot be simultaneously optimized - as indicated by the so-called thermodynamic uncertainty relations - and a systematic approach to finding optimal balances between them including power fluctuations has, as yet, been elusive. Here we propose such a general framework to identify Pareto-optimal cycles for driven quantum heat engines that trade-off power, efficiency, and fluctuations. We then employ reinforcement learning to identify the Pareto front of a quantum dot based engine and find abrupt changes in the form of optimal cycles when switching between optimizing two and three objectives. We further derive analytical results in the fast and slow-driving regimes that accurately describe different regions of the Pareto front.
• Abstract（参考訳）: 量子熱エンジンの完全な最適化には、高出力、高効率、高安定性(低電力変動)での運転が必要である。 しかし、これらの3つの目的は、いわゆる熱力学的不確実性関係によって示されるように、同時に最適化することはできない。 本稿では、電力、効率、変動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。 次に、量子ドットベースエンジンのパレートフロントの同定に強化学習を用い、最適化2と3つの目的を切り替える際に最適なサイクルの形式に急激な変化を見出す。 さらに,パレートフロントの異なる領域を正確に記述した高速・低速運転方式の解析結果も導出する。

関連論文リスト

• 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)
• Powerful ordered collective heat engines [58.720142291102135]
  本稿では,同期動作を行うユニットのシステムによって性能が向上するエンジンのクラスを紹介する。 熱機関として運用するには,Isingライクな相互作用と集合秩序体制との相互作用が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-01-16T20:14:19Z)
• Universal optimization efficiency and bounds of Carnot-like heat engines and refrigerators under shortcuts to isothermality [14.447246922181003]
  熱機関の汎用最適化効率と2つの統一最適化基準の下での冷凍機の性能の最適化を導出する。 また, 熱機関と冷蔵庫の普遍的下限と上限を導出し, 極端に非対称な場合で到達できることを見出した。
  論文  参考訳（メタデータ） (2022-11-02T02:23:24Z)
• Photoinduced prethermal order parameter dynamics in the two-dimensional large-$N$ Hubbard-Heisenberg model [77.34726150561087]
  2次元相関電子モデルにおいて、競合する秩序相の微視的ダイナミクスについて検討する。 2つの競合する位相間の光誘起遷移をシミュレートする。
  論文  参考訳（メタデータ） (2022-05-13T13:13:31Z)
• 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)
• Identifying optimal cycles in quantum thermal machines with reinforcement-learning [0.0]
  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。
  論文  参考訳（メタデータ） (2021-08-30T21:22:46Z)
• Collective effects on the performance and stability of quantum heat engines [62.997667081978825]
  小型熱機関の動作における量子力学的拡張の最近の予測は、新たな関心を集めている。 1つの重要な問題は、集団効果が大規模に拡張するのに役立つかどうかである。 エンジンを構成するスピンの数とともに, パワー, 効率, 一貫性のスケールについて検討する。
  論文  参考訳（メタデータ） (2021-06-25T18:00:07Z)
• 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)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Optimal energy conversion through anti-adiabatic driving breaking time-reversal symmetry [0.0]
  理想エネルギー変換効率$eta=1$に近づき、出力電力が有限であり、相対電力の変動が消えることを示す。 熱機関の3つのデシラタの同時実現は、時間反転対称性の破れによって可能である。
  論文  参考訳（メタデータ） (2020-09-23T02:17:33Z)

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。