Fugu-MT 論文翻訳(概要): Domino-cooling Oscillator Networks with Deep Reinforcement Learning

論文の概要: Domino-cooling Oscillator Networks with Deep Reinforcement Learning

arxiv url: http://arxiv.org/abs/2408.12271v1
Date: Thu, 22 Aug 2024 10:11:48 GMT
ステータス: 処理完了
システム内更新日: 2024-08-23 14:23:36.776527
Title: Domino-cooling Oscillator Networks with Deep Reinforcement Learning
Title（参考訳）: 深部強化学習を用いたドミノ冷却オシレータネットワーク
Authors: Sampreet Kalita, Amarendra K. Sarma,
Abstract要約: 我々は、高次強化学習を用いて、発振器ネットワークにおいて結合された高調波発振器の個人的進化を制御する。本稿では、複数のネットワーク構成における全発振器の熱冷却に関する結果と、量子状態における我々のスキームの有用性を紹介する。
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: The exploration of deep neural networks for optimal control has gathered a considerable amount of interest in recent years. Here, we utilize deep reinforcement learning to control individual evolutions of coupled harmonic oscillators in an oscillator network. Our work showcases a numerical approach to actively cool internal oscillators to their thermal ground states through modulated forces imparted to the external oscillators in the network. We present our results for thermal cooling of all oscillators in multiple network configurations and introduce the utility of our scheme in the quantum regime.
Abstract（参考訳）: 最適制御のためのディープニューラルネットワークの探索は、近年、かなりの関心を集めている。そこで我々は,高調波共振器ネットワークにおける結合振動子の個人的進化を制御するために,深層強化学習を利用する。本研究は, ネットワーク内の外部発振器に付与される変調力により, 内部発振器を熱基底状態に積極的に冷却する数値解析手法を示す。本稿では、複数のネットワーク構成における全発振器の熱冷却に関する結果と、量子状態における我々のスキームの有用性を紹介する。

関連論文リスト

Optimal Tree Tensor Network Operators for Tensor Network Simulations: Applications to Open Quantum Systems [0.0]
ツリーテンソルネットワーク状態(TTNS)は、システムの波動関数を低ランクテンソルの積に分解する。本稿では,任意の積和シンボル量子演算子に対して,最適かつ正確なツリーテンソルネットワーク演算子(TTNO)を自動構築するアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-18T02:15:52Z)
Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文参考訳（メタデータ） (2024-04-17T02:04:10Z)
Energy control in a quantum oscillator using coherent control and engineered environment [83.88591755871734]
我々は、コヒーレント、電磁、電場、非コヒーレント制御を用いて、量子調和振動子におけるエネルギーの新たな操作法を開発し、解析する。速度勾配アルゴリズムに基づくコヒーレントかつ非コヒーレントな制御設計手法を提案する。また, 速度勾配制御アルゴリズムの差分法も提案した。
論文参考訳（メタデータ） (2024-03-25T20:44:46Z)
Chiral excitation flows of multinode network based on synthetic gauge fields [0.0]
キラル励起流は、その特異な一方向性に対して多くの注目を集めている。このような流れは合成ゲージ場(SGF)を持つ3ノードネットワークで研究されている。本稿では,補助ノードを導入してシステムの制御を行う,$n$-nodeネットワークにおけるカイラルフローを実現する手法を提案する。
論文参考訳（メタデータ） (2023-12-04T16:31:02Z)
Regressions on quantum neural networks at maximal expressivity [0.0]
我々は、ネストした量子ビット回転の連続として構成できる普遍的な深部ニューラルネットワークの表現性を分析する。最大表現力は、ネットワークの深さとキュービット数によって増大するが、基本的にはデータ符号化機構によって拘束される。
論文参考訳（メタデータ） (2023-11-10T14:43:24Z)
Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
論文参考訳（メタデータ） (2023-10-05T21:44:18Z)
Private Federated Learning with Dynamic Power Control via Non-Coherent Over-the-Air Computation [12.56727008993937]
動的電力制御に基づくスキームが提案されている。提案手法は,時間同期誤差,チャネルのフェージング,ノイズの影響を緩和できることを示す。
論文参考訳（メタデータ） (2023-08-05T13:46:50Z)
Quantum emulation of the transient dynamics in the multistate Landau-Zener model [50.591267188664666]
本研究では,Landau-Zenerモデルにおける過渡ダイナミクスを,Landau-Zener速度の関数として検討する。我々の実験は、工学的なボソニックモードスペクトルに結合した量子ビットを用いたより複雑なシミュレーションの道を開いた。
論文参考訳（メタデータ） (2022-11-26T15:04:11Z)
Realizing tight-binding Hamiltonians using site-controlled coupled cavity arrays [0.0]
フォトニック結合キャビティアレイはそのようなデバイスを実現するための有望なプラットフォームである。強結合ハミルトニアンを完全固有エネルギースペクトルで実装したプログラム可能なデバイスを実証する。
論文参考訳（メタデータ） (2022-10-11T00:45:55Z)
Variational Autoencoders: A Harmonic Perspective [79.49579654743341]
本研究では,高調波解析の観点から変分オートエンコーダ(VAE)について検討する。 VAEのエンコーダ分散は、VAEエンコーダとデコーダニューラルネットワークによってパラメータ化された関数の周波数内容を制御する。
論文参考訳（メタデータ） (2021-05-31T10:39:25Z)
Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文参考訳（メタデータ） (2020-06-02T23:38:35Z)

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。