論文の概要: Demon in the machine: learning to extract work and absorb entropy from fluctuating nanosystems

• arxiv url: http://arxiv.org/abs/2211.10853v1
• Date: Sun, 20 Nov 2022 02:51:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 19:49:29.481803
• Title: Demon in the machine: learning to extract work and absorb entropy from fluctuating nanosystems
• Title（参考訳）: 機械の悪魔: 仕事を抽出し、変動するナノシステムからエントロピーを吸収する学習
• Authors: Stephen Whitelam
• Abstract要約: 我々はモンテカルロと遺伝的アルゴリズムを用いて、変動ナノシステムのシミュレーションのためのニューラルネットワークフィードバック制御プロトコルを訓練する。 研究室では、測定情報を保存された作業や熱に変換するナノシステムを変動させるプロトコルを学ぶために使用することができる。
• 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 use Monte Carlo and genetic algorithms to train neural-network feedback-control protocols for simulated fluctuating nanosystems. These protocols convert the information obtained by the feedback process into heat or work, allowing the extraction of work from a colloidal particle pulled by an optical trap and the absorption of entropy by an Ising model undergoing magnetization reversal. The learning framework requires no prior knowledge of the system, depends only upon measurements that are accessible experimentally, and scales to systems of considerable complexity. It could be used in the laboratory to learn protocols for fluctuating nanosystems that convert measurement information into stored work or heat.
• Abstract（参考訳）: 我々はモンテカルロと遺伝的アルゴリズムを用いて、変動するナノシステムのニューラルネットワークフィードバック制御プロトコルを訓練する。 これらのプロトコルは、フィードバックプロセスによって得られた情報を熱または作業に変換し、光トラップによって引き起こされたコロイド粒子からの作業の抽出と、磁化反転するイジングモデルによるエントロピーの吸収を可能にする。 学習フレームワークは、システムの事前の知識を必要とせず、実験的にアクセス可能な測定のみに依存し、かなり複雑なシステムにスケールする。 研究室では、測定情報を保存された作業や熱に変換するナノシステムの変動のプロトコルを学ぶのに使うことができる。

関連論文リスト

• Experimental simulation of daemonic work extraction in open quantum batteries on a digital quantum computer [0.0]
  我々は、量子回路として対応するダイナミクスの実装方法を示し、最終条件フィードバックのユニタリ進化を含む。 本研究では, 得られたデーモン抽出作業の実験値が, いわゆるデイモンエルゴトロピーによって定量化された理論上界にどのように近いかを示す作業抽出プロトコルを実験的にシミュレートした。
  論文  参考訳（メタデータ） (2024-10-21T22:56:24Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
  本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。 従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
  論文  参考訳（メタデータ） (2023-03-13T13:06:40Z)
• The Predictive Forward-Forward Algorithm [79.07468367923619]
  本稿では,ニューラルネットワークにおける信頼割当を行うための予測フォワード(PFF)アルゴリズムを提案する。 我々は,有向生成回路と表現回路を同時に同時に学習する,新しい動的リカレントニューラルネットワークを設計する。 PFFは効率よく学習し、学習信号を伝達し、フォワードパスのみでシナプスを更新する。
  論文  参考訳（メタデータ） (2023-01-04T05:34:48Z)
• Programmable adiabatic demagnetization for systems with trivial and topological excitations [0.0]
  量子コンピュータや量子シミュレータ上で任意のハミルトニアンの低エネルギー状態を作成するためのプロトコルを提案する。 このプロトコルは、固体システムを極低温に冷却するために使用される断熱脱磁性技術にインスパイアされている。
  論文  参考訳（メタデータ） (2022-10-31T12:27:04Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Machine learning for excitation energy transfer dynamics [0.0]
  我々は、生物状態におけるオープン量子力学をシミュレートするために、階層的な運動方程式(HEOM)を用いる。 我々は、光収穫錯体を通した電子励起のコヒーレントな伝播を表現した、時間依存オブザーバブルの集合を生成する。 我々は、この研究課題に対処する畳み込みニューラルネットワークの能力を実証する。
  論文  参考訳（メタデータ） (2021-12-22T14:11:30Z)
• Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
  利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。 動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
  論文  参考訳（メタデータ） (2021-02-15T19:56:48Z)
• Unsupervised machine learning of topological phase transitions from experimental data [52.77024349608834]
  超低温原子からの実験データに教師なし機械学習技術を適用する。 我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。 我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2021-01-14T16:38:21Z)
• Learning temporal data with variational quantum recurrent neural network [0.5658123802733283]
  パラメタライズド量子回路を用いて時間データを学習する手法を提案する。 この研究は、時間データの学習に複雑な量子力学を利用する方法を提供する。
  論文  参考訳（メタデータ） (2020-12-21T10:47:28Z)
• Protective measurement of a qubit by a qubit probe [0.0]
  プローブとして機能する第2量子ビットによる量子ビットの保護測定について検討した。 この測定を導くハミルトニアンの構造について述べる。 イオントラップを用いたモデル実験を提案する。
  論文  参考訳（メタデータ） (2020-04-15T18:30:51Z)

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。