論文の概要: Quantum state-agnostic work extraction (almost) without dissipation
- arxiv url: http://arxiv.org/abs/2505.09456v1
- Date: Wed, 14 May 2025 15:07:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-15 21:44:09.506276
- Title: Quantum state-agnostic work extraction (almost) without dissipation
- Title（参考訳）: 消散を伴わない量子状態依存的作業抽出(ほぼ)
- Authors: Josep Lumbreras, Ruo Cheng Huang, Yanglin Hu, Mile Gu, Marco Tomamichel,
- Abstract要約: 利用可能な最大エネルギーを、未知の純粋なqubit状態の$N$コピーにシーケンシャルアクセスを使用して、バッテリに転送するために設計されたプロトコル。
我々は、強化学習における探索・探索トレードオフを活用して、N$で多対数的にしかスケールしないエネルギー散逸を実現する適応戦略を開発する。
- 参考スコア（独自算出の注目度）: 6.815730801645785
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We investigate work extraction protocols designed to transfer the maximum possible energy to a battery using sequential access to $N$ copies of an unknown pure qubit state. The core challenge is designing interactions to optimally balance two competing goals: charging of the battery optimally using the qubit in hand, and acquiring more information by qubit to improve energy harvesting in subsequent rounds. Here, we leverage exploration-exploitation trade-off in reinforcement learning to develop adaptive strategies achieving energy dissipation that scales only poly-logarithmically in $N$. This represents an exponential improvement over current protocols based on full state tomography.
- Abstract（参考訳）: 我々は、未知の純量子ビット状態のN$コピーへのシーケンシャルアクセスを用いて、最大限のエネルギーをバッテリに転送するように設計された作業抽出プロトコルについて検討する。
主な課題は、2つの競合する目標を最適にバランスさせるように相互作用を設計することである。
ここでは、強化学習における探索・探索のトレードオフを活用して、N$で多義的にしかスケールしないエネルギー散逸を実現する適応戦略を開発する。
これは、フルステートトモグラフィに基づく現在のプロトコルよりも指数関数的に改善されている。
関連論文リスト
- Pushing the Limits of Low-Bit Optimizers: A Focus on EMA Dynamics [65.37942405146232]
超低精度量子化により達成された,超軽量な状態要素を持つ新しいタイプのオーバーロードを提案する。
提案したSOLOは,精度の低下を最小限に抑え,メモリの大幅な節約(7Bモデルのトレーニング時に約45GB)を実現する。
論文 参考訳（メタデータ） (2025-05-01T06:47:45Z) - EO-GRAPE and EO-DRLPE: Open and Closed Loop Approaches for Energy Efficient Quantum Optimal Control [1.351147045576948]
本研究は,量子ユニタリゲートのエネルギーコストとプロセス忠実度を共最適化するために,量子最適制御技術を用いることの可能性を検討する。
論文 参考訳（メタデータ） (2024-11-10T18:35:33Z) - Quantum Computing for Energy Correlators [0.0]
ハミルトニアン格子法を用いてエネルギー相関器を計算するための最初の数値戦略を導入する。
また、量子場理論におけるエネルギー相関子を計算するための量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-20T18:14:53Z) - Harnessing Nth Root Gates for Energy Storage [30.733286944793527]
量子熱力学における分数制御ノットゲートの利用について検討する。
Nth-root ゲートは2ビット演算のペーストな適用を可能にする。
量子バッテリを充電するための量子熱力学プロトコルに適用する。
論文 参考訳（メタデータ） (2024-09-16T14:57:55Z) - Energetics of a pulsed quantum battery [0.0]
本稿では,充電器とエネルギホルダからなる2成分量子電池の透過的解析モデルを提案する。
我々は、パルスの駆動強度、充電器とホルダーの結合、環境への必然的なエネルギー損失の観点から、電池の最適設計について議論する。
我々は、我々の理論が、真に量子電池の第1世代を特徴づける、初期段階の実験的な構築のための有用なガイドとして機能することを期待している。
論文 参考訳（メタデータ） (2024-03-29T12:54:53Z) - Enhancing Dispersive Readout of Superconducting Qubits Through Dynamic
Control of the Dispersive Shift: Experiment and Theory [47.00474212574662]
超伝導量子ビットは、大帯域読み出し共振器に結合される。
我々は、100 ns 統合時間で 0.25,% の、最先端の2状態読み取りエラーを示す。
提案した結果により,新たなアルゴリズムやプロトコルの性能がさらに向上することが期待されている。
論文 参考訳（メタデータ） (2023-07-15T10:30:10Z) - Enhancing the Coherence of Superconducting Quantum Bits with Electric
Fields [62.997667081978825]
印加された直流電界を用いて、クォービット共鳴から外れた欠陥を調整することにより、クビットコヒーレンスを向上させることができることを示す。
また、超伝導量子プロセッサにおいて局所ゲート電極をどのように実装し、個々の量子ビットの同時コヒーレンス最適化を実現するかについても論じる。
論文 参考訳（メタデータ） (2022-08-02T16:18:30Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-28T17:21:25Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
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。