論文の概要: Theoretical bound of the efficiency of learning
- arxiv url: http://arxiv.org/abs/2209.08096v1
- Date: Fri, 16 Sep 2022 13:36:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-26 09:15:04.747407
- Title: Theoretical bound of the efficiency of learning
- Title(参考訳): 学習効率の理論的境界
- Authors: Shanhe Su, Jingyi Chen, Youlin Wang, Jincan Chen, Chikako Uchiyama
- Abstract要約: 学習効率を記述する統一熱力学形式論を提案する。
非平衡量子ドット系と生きた細胞のネットワークにおける効率の限界を実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: A unified thermodynamic formalism describing the efficiency of learning is
proposed. First, we derive an inequality, which is more strength than
Clausius's inequality, revealing the lower bound of the entropy-production rate
of a subsystem. Second, the inequality is transformed to determine the general
upper limit for the efficiency of learning. In particular, we exemplify the
bound of the efficiency in nonequilibrium quantum-dot systems and networks of
living cells. The framework provides a fundamental trade-off relationship
between energy and information inheriting in stochastic thermodynamic
processes.
- Abstract(参考訳): 学習効率を記述する統一熱力学形式論を提案する。
まず、クラウシウスの不等式よりも強固な不等式を導出し、サブシステムのエントロピー生成率の下限を明らかにする。
次に、不等式を変換して学習効率の一般的な上限を決定する。
特に、非平衡量子ドット系と生きた細胞のネットワークにおける効率のバウンドを例示する。
この枠組みは、エネルギーと確率的熱力学過程を継承する情報との間の基本的なトレードオフ関係を提供する。
関連論文リスト
- Thermodynamics-Consistent Graph Neural Networks [50.0791489606211]
本稿では,二成分混合物の組成依存的活動係数を予測するために,ギブス自由エネルギーグラフニューラルネットワーク(GE-GNN)を提案する。
GE-GNNアーキテクチャはギブス自由エネルギーを超えるモルを予測することによって熱力学的整合性を確保する。
活性係数予測の精度と熱力学的整合性を示す。
論文 参考訳(メタデータ) (2024-07-08T06:58:56Z) - Universal Landauer-Like Inequality from the First Law of Thermodynamics [6.847295047818357]
熱力学の最初の法則は、システムエントロピーとエネルギーの変化を結び付けるランダウアーのような普遍的な不等式を意味する。
本稿では、散逸性量子状態準備と量子情報消去への応用におけるランダウアー型不等式の有用性について述べる。
論文 参考訳(メタデータ) (2023-06-20T01:36:04Z) - Maximum entropy quantum state distributions [58.720142291102135]
我々は、保存された量の完全な分布に関する伝統的な熱力学と条件を超える。
その結果、熱状態からの偏差が広い入力分布の極限でより顕著になる量子状態分布が得られた。
論文 参考訳(メタデータ) (2022-03-23T17:42:34Z) - Class of quasiprobability distributions of work and initial quantum
coherence [0.0]
本研究では, 作業の準確率分布のクラスについて検討し, システムの平均エネルギー変化に匹敵する平均作業量を与える。
量子コヒーレンスを含む揺らぎ定理は熱力学の第2法則に従う。
論文 参考訳(メタデータ) (2021-10-03T10:56:07Z) - Open-system approach to nonequilibrium quantum thermodynamics at
arbitrary coupling [77.34726150561087]
熱浴に結合したオープン量子系の熱力学挙動を記述する一般的な理論を開発する。
我々のアプローチは、縮小された開系状態に対する正確な時間局所量子マスター方程式に基づいている。
論文 参考訳(メタデータ) (2021-09-24T11:19:22Z) - Fluctuation-dissipation relations for thermodynamic distillation
processes [0.10427337206896375]
ゆらぎ散逸定理は統計物理学の基本的な結果である。
まず, 最適熱力学蒸留法について述べる。
そして、そのようなプロセスで放出される自由エネルギー量と、システムの初期状態の自由エネルギー変動との関係を証明した。
論文 参考訳(メタデータ) (2021-05-25T08:53:19Z) - Qubit thermodynamics far from equilibrium: two perspectives about the
nature of heat and work in the quantum regime [68.8204255655161]
2段階系の熱力学解析のための代替理論フレームワークを開発する。
我々は、局所ハミルトニアンを定義する外部場が存在する場合、ブロッホベクトルを回転させるエネルギーコストを表す新しい作業項の出現を観察する。
両視点から, 2つの異なる系に対する物質・放射相互作用プロセスについて検討した。
論文 参考訳(メタデータ) (2021-03-16T09:31:20Z) - Action Redundancy in Reinforcement Learning [54.291331971813364]
遷移エントロピーはモデル依存遷移エントロピーと作用冗長性という2つの用語で記述できることを示す。
その結果,行動冗長性は強化学習の根本的な問題であることが示唆された。
論文 参考訳(メタデータ) (2021-02-22T19:47:26Z) - 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) - First and Second Law of Quantum Thermodynamics: A Consistent Derivation
Based on a Microscopic Definition of Entropy [0.0]
このチュートリアルは、平衡から遠く離れた閉かつオープンな量子系の第一法則と第二法則の導出に焦点を当てている。
この導出は、内部エネルギー、熱力学的エントロピー、仕事、熱、温度の5つの必須量の顕微鏡的定義に基づいている。
論文 参考訳(メタデータ) (2020-02-20T15:54:00Z) - Quantifying athermality and quantum induced deviations from classical
fluctuation relations [0.0]
我々は、初期熱システムの熱物性と系のエネルギー供給の量子コヒーレンスから生じる古典的なゆらぎ関係から逸脱を探索する。
純粋な二項状態のエネルギー供給に対してクルックス様の等式を導出し、その結果の不可逆性に対するエネルギーとコヒーレンスからの非自明な寄与をもたらす。
論文 参考訳(メタデータ) (2020-01-14T17:36:23Z)
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。