論文の概要: Collective advantages in finite-time thermodynamics

• arxiv url: http://arxiv.org/abs/2306.16534v3
• Date: Fri, 20 Oct 2023 14:54:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 03:44:18.863224
• Title: Collective advantages in finite-time thermodynamics
• Title（参考訳）: 有限時間熱力学における集合的利点
• Authors: Alberto Rolandi, Paolo Abiuso, Mart\'i Perarnau-Llobet
• Abstract要約: W_rm disspropto Nx$は、プロトコルに沿って対話が適切に作成される集合プロトコルを考えることで、劇的に削減できることを示す。 これらの結果の応用として、有限時間における情報の消去に焦点をあて、ランダウアーの境界へのより高速な収束を証明した。
• 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: A central task in finite-time thermodynamics is to minimize the excess or dissipated work $W_{\rm diss}$ when manipulating the state of a system immersed in a thermal bath. We consider this task for an $N$-body system whose constituents are identical and uncorrelated at the beginning and end of the process. In the regime of slow but finite-time processes, we show that $W_{\rm diss}$ can be dramatically reduced by considering collective protocols in which interactions are suitably created along the protocol. This can even lead to a sub-linear growth of $W_{\rm diss}$ with $N$: $W_{\rm diss}\propto N^x$ with $x<1$; to be contrasted to the expected $W_{\rm diss}\propto N$ satisfied in any non-interacting protocol. We derive the fundamental limits to such collective advantages and show that $x=0$ is in principle possible, however it requires long-range interactions. We explore collective processes with spin models featuring two-body interactions and achieve noticeable gains under realistic levels of control in simple interaction architectures. As an application of these results, we focus on the erasure of information in finite time and prove a faster convergence to Landauer's bound.
• Abstract（参考訳）: 有限時間熱力学における中心的な課題は、熱湯に浸漬されたシステムの状態を操作する際に、余剰あるいは散逸した作業を最小化することである。 このタスクは、プロセスの開始時と終了時に構成要素が同一で無相関である、$n$-bodyシステムについて考慮する。 遅いが有限時間プロセスの状態では、プロトコルに沿って対話が適切に作成される集合プロトコルを考えることで、$W_{\rm diss}$を劇的に削減できることを示す。 さらに$N$: $W_{\rm diss}\propto N^x$ with $x<1$; 期待されている$W_{\rm diss}\propto N$ in any non-interacting protocolとは対照的である。 このような集合的利点に対する基本的な限界を導出し、x=0$ が原理的に可能であることを示すが、長距離相互作用が必要である。 両体相互作用を特徴とするスピンモデルによる集合的プロセスの探索と,単純な相互作用アーキテクチャにおける現実的な制御レベル下での顕著な利得を実現する。 これらの結果の応用として,有限時間における情報の消去に着目し,ランドウアー境界へのより高速な収束を証明した。

関連論文リスト

• Minimizing Dissipation via Interacting Environments: Quadratic Convergence to Landauer Bound [0.0]
  相互作用しない$n$粒子貯水池の場合、エントロピー生成の$Sigma$は、最も直線的に$n$で崩壊する。 我々は、$Sigma propto 1/n2$という冷却プロトコルを導出する。
  論文  参考訳（メタデータ） (2024-11-01T18:00:08Z)
• Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
  本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。 我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。 我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-05-10T09:58:47Z)
• Extraction of Work via a Thermalization Protocol [0.0]
  本稿では, 資源システム$R$からバイパーティイトシステム$S$まで, 熱処理プロセスを活用することにより, 資源システム$R$から作業を引き出すことができることを示す。 一般の場合において、プロトコルの理論的境界を見つけ、Rabiモデルに適用すると、作業と効率の十分な抽出が発生することを示す。
  論文  参考訳（メタデータ） (2023-09-08T08:01:40Z)
• Settling the Sample Complexity of Online Reinforcement Learning [92.02082223856479]
  バーンインコストを発生させることなく、最小限の最適後悔を実現する方法を示す。 最適値/コストや一定の分散といった問題依存量の影響を明らかにするために、我々の理論を拡張します。
  論文  参考訳（メタデータ） (2023-07-25T15:42:11Z)
• Cooperative Multi-Agent Reinforcement Learning: Asynchronous Communication and Linear Function Approximation [77.09836892653176]
  マルコフ決定過程の設定におけるマルチエージェント強化学習について検討した。 本稿では非同期通信が可能な値に基づく証明可能な効率的なアルゴリズムを提案する。 我々は、コラボレーションによってパフォーマンスを改善するために、最小の$Omega(dM)$通信の複雑さが必要であることを示す。
  論文  参考訳（メタデータ） (2023-05-10T20:29:29Z)
• Reward-Mixing MDPs with a Few Latent Contexts are Learnable [75.17357040707347]
  報酬混合マルコフ決定過程(RMMDP)におけるエピソード強化学習の検討 我々のゴールは、そのようなモデルにおける時間段階の累積報酬をほぼ最大化する、ほぼ最適に近いポリシーを学ぶことである。
  論文  参考訳（メタデータ） (2022-10-05T22:52:00Z)
• DADAO: Decoupled Accelerated Decentralized Asynchronous Optimization [0.0]
  DADAOは、L$-smooth と $mu$-strongly convex 関数の和を最小化する最初の分散化、高速化、非同期化、プライマリ化、一階述語アルゴリズムである。 我々のアルゴリズムは、$mathcalO(nsqrtchisqrtfracLmulog(frac1epsilon)$ localと$mathcalO(nsqrtchisqrtfracLmulog()のみを必要とすることを示す。
  論文  参考訳（メタデータ） (2022-07-26T08:47:54Z)
• Provably Efficient Offline Reinforcement Learning with Trajectory-Wise Reward [66.81579829897392]
  我々はPessimistic vAlue iteRaTionとrEward Decomposition (PARTED)という新しいオフライン強化学習アルゴリズムを提案する。 PartEDは、最小2乗ベースの報酬再分配を通じて、ステップごとのプロキシ報酬に軌道を分解し、学習したプロキシ報酬に基づいて悲観的な値を実行する。 私たちの知る限りでは、PartEDは、トラジェクティブな報酬を持つ一般のMDPにおいて、証明可能な効率のよい最初のオフラインRLアルゴリズムである。
  論文  参考訳（メタデータ） (2022-06-13T19:11:22Z)
• Finite-time bounds on the probabilistic violation of the second law of thermodynamics [0.0]
  有限時間プロトコルは1/sqrttau$よりも遅い速度でJarzynski境界に収束し、$tau$はワーク抽出プロトコルの総時間であることを示す。 この結果から, 最小散逸過程の新たな応用が注目され, 熱力学幾何学と作業の高次統計特性との関係が示された。
  論文  参考訳（メタデータ） (2022-05-06T08:14:18Z)
• Settling the Horizon-Dependence of Sample Complexity in Reinforcement Learning [82.31436758872715]
  我々は,環境相互作用の$O(1)$のエピソードのみを用いて,同一のPAC保証を実現するアルゴリズムを開発した。 値関数と有限水平マルコフ決定過程の接続を確立する。
  論文  参考訳（メタデータ） (2021-11-01T00:21:24Z)
• Simple scheme for extracting work with a single bath [0.0]
  このプロトコルは、単一の入浴のみを含む最近の作業定義に基づいている。 抽出された作業とプロセスの理想的な効率の両方を定量化し、それらに最大限のバウンダリを与える。 我々の提案は、細かい制御を必要としない単純な操作を利用する。
  論文  参考訳（メタデータ） (2018-06-29T12:44:38Z)

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。