Fugu-MT 論文翻訳(概要): AI-discovery of a new charging protocol in a micromaser quantum battery

論文の概要: AI-discovery of a new charging protocol in a micromaser quantum battery

arxiv url: http://arxiv.org/abs/2301.09408v1
Date: Mon, 23 Jan 2023 13:06:14 GMT
ステータス: 処理完了
システム内更新日: 2023-01-24 13:33:19.512525
Title: AI-discovery of a new charging protocol in a micromaser quantum battery
Title（参考訳）: マイクロマザー量子電池における新しい充電プロトコルのAI発見
Authors: Carla Rodr\'iguez, Dario Rosa and Jan Olle
Abstract要約: 本稿では,量子電池のモデル依存パラメータを最適化するための一般計算フレームワークを提案する。我々は,ヒルベルト宇宙室上層部の電池を制御・自動的に安定化させる新しい充電プロトコルを発見した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a general computational framework for optimizing model-dependent parameters in quantum batteries (QB). We apply this method to two different charging scenarios in the micromaser QB and we discover a new charging protocol for stabilizing the battery in upper-laying Hilbert space chambers in a controlled and automatic way. This protocol is found to be stable and robust, and it leads to an improved charging efficiency in micromaser QBs. Moreover, our optimization framework is highly versatile and efficient, holding great promise for the advancement of QB technologies at all scales.
Abstract（参考訳）: 量子バッテリ(qb)におけるモデル依存パラメータを最適化するための汎用計算フレームワークを提案する。この手法をマイクロマザーqbの2つの異なる充電シナリオに適用し,上部のヒルベルト空間におけるバッテリの安定化のための新しい充電プロトコルを,制御および自動的に発見した。このプロトコルは安定で堅牢であることが判明し、マイクロマザーqbの充電効率が向上する。さらに、我々の最適化フレームワークは非常に多用途で効率的であり、あらゆるスケールでQB技術の進歩を約束している。

関連論文リスト

Lossy Micromaser Battery: Almost Pure States in the Jaynes-Cummings Regime [0.0]
量子電池のマイクロメーザモデルを考えると、電池は空洞内の電磁界の単一モードであり、キュービットのストリームとの繰り返し相互作用によって充電される。我々は、モデルパラメータの一般的な値に対して、効果的な純粋定常状態が達成されるという点において、コヒーレントプロトコルが非コヒーレントプロトコルよりも優れていることを示す。
論文参考訳（メタデータ） (2022-12-27T09:04:16Z)
Reinforcement learning optimization of the charging of a Dicke quantum battery [1.5293427903448022]
Dickeのバッテリーは、量子電池の最も有望な設計の1つだ。我々は強化学習を用いて、Dicke電池の充電プロセスを最適化する。
論文参考訳（メタデータ） (2022-12-23T15:27:53Z)
A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文参考訳（メタデータ） (2022-12-21T23:15:17Z)
Accurate Determination of Relativistic Effects in Atoms by Quantum Annealing [0.0]
ディラック・クーロン・ブライト・ハミルトン型量子古典ハイブリッド量子アニーリング固有解アルゴリズムを実装した。我々はこれを改良されたワークフローと組み合わせて、異電子高電荷のホウ素様イオンの微細構造分割をD波アドバンテージハードウェアで正確に予測する。
論文参考訳（メタデータ） (2022-12-04T11:42:16Z)
Bayesian Algorithm Execution for Tuning Particle Accelerator Emittance with Partial Measurements [57.646231170869925]
粒子加速器では、四重極走査からのエミタンスチューニングが多点測定による最適化の例である。本稿では,最近提案したBayesian Execution Algorithm (BAX) を多点計測による最適化に拡張する。我々は,Linac Coherent Light Source (LCLS) とAdvanced Accelerator Experimental Tests II (FACET-II) 粒子加速器の発光にBAXを適用した。
論文参考訳（メタデータ） (2022-09-10T04:01:23Z)
Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。 GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文参考訳（メタデータ） (2022-08-01T12:48:48Z)
Surrogate modeling for Bayesian optimization beyond a single Gaussian process [62.294228304646516]
本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
論文参考訳（メタデータ） (2022-05-27T16:43:10Z)
Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文参考訳（メタデータ） (2022-03-26T20:37:14Z)
Optimal Cycling of a Heterogenous Battery Bank via Reinforcement Learning [5.096724740354125]
我々は、発電・需要プロセスによって駆動される異種電池ユニットのバンクの最適充電・放電の問題を考える。バッテリーバンクのバッテリーは、容量、制約、損失、自転車コストなどによって異なる可能性がある。最適解を学習するための線形関数近似に基づくQ-ラーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-09-15T07:51:48Z)
APQ: Joint Search for Network Architecture, Pruning and Quantization Policy [49.3037538647714]
本稿では,リソース制約のあるハードウェア上での効率的なディープラーニング推論のためのAPQを提案する。ニューラルアーキテクチャ、プルーニングポリシー、量子化ポリシーを別々に検索する従来の方法とは異なり、我々はそれらを共同で最適化する。同じ精度で、APQはMobileNetV2+HAQよりもレイテンシ/エネルギーを2倍/1.3倍削減する。
論文参考訳（メタデータ） (2020-06-15T16:09:17Z)

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。