論文の概要: Predicting Electromagnetically Induced Transparency based Cold Atomic Engines using Deep Learning
- arxiv url: http://arxiv.org/abs/2501.03060v1
- Date: Mon, 06 Jan 2025 14:51:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-07 17:05:57.696218
- Title: Predicting Electromagnetically Induced Transparency based Cold Atomic Engines using Deep Learning
- Title(参考訳): 深層学習による電磁誘導透明度に基づく冷媒エンジンの予測
- Authors: Manash Jyoti Sarmah, Himangshu Prabal Goswami,
- Abstract要約: 我々は、電磁誘導透過の実験的枠組みの中で動作する量子熱エンジンを予測するための人工ニューラルネットワークモデルを開発した。
高性能エンジンは, 実測値, 放射温度, 作業量, エルゴトロピーの3つの指標に基づいて予測, 解析を行う。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We develop an artificial neural network model to predict quantum heat engines working within the experimentally realized framework of electromagnetically induced transparency. We specifically focus on {\Lambda}-type alkali-based cold atomic systems. This network allows us to analyze all the alkali atom-based engines' performance. High performance engines are predicted and analyzed based on three figures of merit output, radiation temperature, work and ergotropy. Contrary to traditional notion, the algorithm reveal the limitations of output radiation temperature as a stand alone metric for enhanced engine performance. In high output temperature regime, Cs based engine with a higher output temperature than Rb based engine is characterized by lower work and ergotropy. This is found to be true for different atomic engines with common predicted states in both high and low output temperature regimes. Additionally, the ergotropy is found to exhibit a saturating exponential dependency on the control Rabi frequency.
- Abstract(参考訳): 我々は、電磁誘導透過の実験的枠組みの中で動作する量子熱エンジンを予測するための人工ニューラルネットワークモデルを開発した。
具体的には, アルカリ系低温原子系に着目する。
このネットワークにより、アルカリ原子系エンジンの性能を解析できる。
高性能エンジンは, 実測値, 放射温度, 作業量, エルゴトロピーの3つの指標に基づいて予測, 解析を行う。
従来の概念とは対照的に、このアルゴリズムは出力放射温度の限界を、エンジン性能を向上させるためのスタンドアロンの指標として明らかにしている。
高出力温度では、Rb系エンジンよりも出力温度の高いCs系エンジンは、作業量とエルゴトロピーが低いのが特徴である。
これは、高出力状態と低出力状態の両方で一般的な予測状態を持つ異なる原子エンジンに当てはまる。
さらに、エルゴトロピーはラビの周波数に飽和な指数依存性を示す。
関連論文リスト
- Probing the magnetic origin of the pseudogap using a Fermi-Hubbard quantum simulator [30.29758729899544]
強い相関を持つ物質では、相互作用する電子は絡み合って集合量子状態を形成する。
超伝導は、臨界温度を超える異常な擬ギャップの金属状態から低いドーピングで現れる。
我々は、量子ガス顕微鏡Fermi-Hubbardシミュレータを用いて、幅広いドーピングレベルと温度を探索する。
論文 参考訳(メタデータ) (2024-12-23T18:58:01Z) - Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。
古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。
本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
論文 参考訳(メタデータ) (2024-05-27T17:40:39Z) - Autonomous Quantum Heat Engine Based on Non-Markovian Dynamics of an Optomechanical Hamiltonian [0.0]
この量子熱エンジンの解析モデルと非マルコフ準古典モデルを構築した。
この提案は、非マルコフ政権における量子熱エンジンの詳細な研究を裏付けるものである。
論文 参考訳(メタデータ) (2024-03-27T12:45:12Z) - Accounting for Quantum Effects in Atomistic Spin Dynamics [0.0]
原子論的スピンダイナミクス(Atomistic spin dynamics、ASD)は、様々な物質の磁化力学をモデル化するための標準ツールである。
ASDシミュレーションに量子効果を効果的に組み込むための2つの方法を提案する。
論文 参考訳(メタデータ) (2023-05-26T16:45:57Z) - Collective effects on the performance and stability of quantum heat
engines [62.997667081978825]
小型熱機関の動作における量子力学的拡張の最近の予測は、新たな関心を集めている。
1つの重要な問題は、集団効果が大規模に拡張するのに役立つかどうかである。
エンジンを構成するスピンの数とともに, パワー, 効率, 一貫性のスケールについて検討する。
論文 参考訳(メタデータ) (2021-06-25T18:00:07Z) - Thermal Prediction for Efficient Energy Management of Clouds using
Machine Learning [31.735983199708013]
プライベートクラウドからのデータを分析し、熱的変動の存在を示す。
温度予測のための勾配強化機械学習モデルを提案する。
さらに,ホストのピーク温度を最小化する動的スケジューリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-11-07T00:55:47Z) - Quantum jump approach to microscopic heat engines [0.0]
現代の技術は、量子熱エンジンの動作サイクルを、彼らの作業系によって放出され吸収される光子を数えることによって、すぐに調査することができるかもしれない。
このような実験は、有限時間エンジンサイクルにおけるパワーと効率のトレードオフを決定する観測可能な一連の集合へのアクセスを与えることを示す。
論文 参考訳(メタデータ) (2020-05-25T17:00:42Z) - Single-atom heat engine as a sensitive thermal probe [0.5872014229110215]
オープン熱力学サイクルで動作する単原子オットーエンジンについて検討する。
温度差を2mu$Kまで検出できると推定した。
論文 参考訳(メタデータ) (2020-05-14T10:24:15Z) - Reservoir engineering with arbitrary temperatures for spin systems and
quantum thermal machine with maximum efficiency [50.591267188664666]
貯留層工学は、量子情報科学と量子熱力学にとって重要なツールである。
この手法を用いて、任意の(有効)負および正の温度の貯水池を単一スピン系に設計する。
論文 参考訳(メタデータ) (2020-01-28T00:18:00Z) - Data-Driven Permanent Magnet Temperature Estimation in Synchronous
Motors with Supervised Machine Learning [0.0]
自動車用永久磁石同期モータ(PMSM)における磁石温度のモニタリングは難しい課題である。
過熱によりモータの劣化が激しくなり、機械の制御戦略とその設計に高い懸念が生じる。
いくつかの機械学習(ML)モデルは、潜時高ダイナミックな磁力温度分布を予測するタスクにおいて、その推定精度を実証的に評価する。
論文 参考訳(メタデータ) (2020-01-17T11:41:02Z) - Algorithmic Cooling of Nuclear Spin Pairs using a Long-Lived Singlet
State [48.7576911714538]
長寿命の核一重項状態を利用してスピンペア系のアンサンブルにおいて大きな冷却が達成されることを示す。
これは量子重畳状態を用いたアルゴリズム冷却の最初の実演である。
論文 参考訳(メタデータ) (2019-12-31T09:57:03Z)
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。