論文の概要: A Demon that remembers: An agential approach towards quantum thermodynamics of temporal correlations

• arxiv url: http://arxiv.org/abs/2604.04462v1
• Date: Mon, 06 Apr 2026 06:20:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.116402
• Title: A Demon that remembers: An agential approach towards quantum thermodynamics of temporal correlations
• Title（参考訳）: 記憶に残るデーモン:時間相関の量子熱力学へのエージェント的アプローチ
• Authors: Ruo Cheng Huang,
• Abstract要約: この理論は、量子系における時間的相関から熱力学的作用を抽出するための決定論的枠組みを開発する。 メモリ効果の活用により、適応的戦略が非適応的境界を超えることが示される。 また、強化学習を用いて未知の情報源からの作業抽出にも取り組みます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This thesis develops a decision-theoretic framework for extracting thermodynamic work from temporal correlations in quantum systems. We model a classical agent -- lacking quantum memory -- performing adaptive work extraction through continuous inference and decision-making under uncertainty. By introducing $ρ^*$-ideal protocols, we demonstrate that exploiting memory effects allows adaptive strategies to surpass non-adaptive bounds. We formalize this via the Time-Ordered Free Energy (TOFE), a novel upper bound for causal, adaptive operations that reveals a thermodynamic gap linked to adaptive ordered discord. Additionally, we tackle work extraction from unknown sources using reinforcement learning. By adapting multi-armed bandit algorithms, we show an agent can simultaneously learn an unknown i.i.d. quantum state and extract work, achieving polylogarithmic cumulative dissipation that significantly outperforms standard tomography. Overall, this work lays the foundation for predictive and learning-based quantum thermodynamics.
• Abstract（参考訳）: この理論は、量子系における時間的相関から熱力学的作用を抽出するための決定論的枠組みを開発する。 量子メモリを欠いた古典的エージェントをモデル化し、連続的な推論と不確実性の下での意思決定を通じて適応的な作業抽出を行う。 我々は、$ρ^*$-idealプロトコルを導入することで、メモリ効果の活用によって適応的戦略が非適応的境界を超えることを実証する。 我々は、適応的順序の不協和に結びつく熱力学的ギャップを明らかにする因果的適応操作のための新しい上限である時間次自由エネルギー(TOFE)を用いてこれを定式化する。 さらに、強化学習を用いて未知の情報源からの作業抽出に取り組む。 マルチアームバンディットアルゴリズムを適用することで、エージェントが未知の量子状態、すなわち未知の量子状態の学習と作業の抽出を同時に行え、標準トモグラフィーを著しく上回る多対数累積消散を達成できることを示す。 全体として、この研究は予測と学習に基づく量子熱力学の基礎を築いた。

関連論文リスト

• Reinforcement learning for quantum processes with memory [1.1417805445492082]
  強化学習では、エージェントが環境と順次対話して報酬を最大化し、部分的確率的フィードバックのみを受け取る。 エージェントは、ターゲットの目的を最大化するために、この知識を活用しながら隠れたダイナミクスを学ぶ必要がある。 我々は、未知の量子チャネルを介して進化する隠れ量子メモリを環境が維持するフレームワークを通じてこの問題を定式化し、エージェントは量子機器を用いて順次介入する。
  論文  参考訳（メタデータ） (2026-03-26T07:58:13Z)
• Lie algebra-assisted quantum simulation and quantum optimal control via high-order Magnus expansions [0.0]
  時間依存制御関数を定義する自由度のみに依存する計算労力を削減するスケーラブルなアプローチを導入する。 提案手法はMagnus拡張に対するスケーラブルな表現を提供し,従来の手法よりも数桁高速に評価できる。 Rydberg原子を用いた中性原子プラットフォーム上での5量子位相ゲートの制御パルスを設計し,本手法の適用例を示す。
  論文  参考訳（メタデータ） (2025-12-23T13:38:10Z)
• The Free Will Equation: Quantum Field Analogies for AGI [0.0]
  本稿では,AGIエージェントに適応性,制御性を付与する枠組みとして,自由意志方程式(Free Will Equation)を提案する。 中心となる考え方は、AIエージェントの認知状態を潜在的な行動や思考の重ね合わせとして扱うことである。 非定常的マルチアームバンディット環境での実験は、このフレームワークを用いたエージェントがベースライン法よりも高い報酬とポリシーの多様性を達成することを示した。
  論文  参考訳（メタデータ） (2025-07-04T10:25:52Z)
• Time-dependent Neural Galerkin Method for Quantum Dynamics [39.63609604649394]
  本稿では,グローバル・イン・タイムの変動原理に依存する量子力学の古典的計算手法を提案する。 我々のスキームは、Schr"odingerの方程式を強制する損失関数を最小化することにより、有限時間ウィンドウ上の状態軌道全体を計算する。 本稿では,グローバルな量子クエンチを1次元および2次元のパラダイム的横フィールドイジングモデルでシミュレートして示す。
  論文  参考訳（メタデータ） (2024-12-16T13:48:54Z)
• Ab-initio variational wave functions for the time-dependent many-electron Schrödinger equation [41.94295877935867]
  平均場近似を超越したフェルミオン時間依存波動関数に対する変動的アプローチを提案する。 ニューラルネットワークのパラメータ化によって拡張された時間依存のJastrow因子とバックフロー変換を使用します。 この結果は、時間進化を正確に捉え、相互作用する電子系の量子力学に関する洞察を与える、我々の変分的アプローチの能力を示している。
  論文  参考訳（メタデータ） (2024-03-12T09:37:22Z)
• Quantum-Computer-Based Verification of Quantum Thermodynamic Uncertainty Relation [0.3867363075280543]
  一般的な量子熱力学的不確実性関係の実証実験を報告した。 この検証はIBMのクラウドベースの量子プロセッサで実証されている。 本研究は, 量子コンピュータを基本熱力学的トレードオフ関係研究の有効なプラットフォームとして確立した。
  論文  参考訳（メタデータ） (2024-02-29T15:55:29Z)
• Spectral chaos bounds from scaling theory of maximally efficient quantum-dynamical scrambling [44.99833362998488]
  複雑な量子系のエルゴード定常状態への進化に関する重要な予想は、スクランブルとして知られるこの過程が最も効率的であるときに普遍的な特徴を取得することである。 このシナリオでは、完全なスクランブルダイナミクスに沿ったスペクトル相関の正確な自己相似性を具現化して、スペクトル統計量に対する単一パラメータスケーリング理論を開発する。 スケーリング予測は特権プロセスと一致し、他の動的スクランブルシナリオのバウンダリとして機能し、すべての時間スケールで非効率または不完全なスクランブルを定量化できるようにする。
  論文  参考訳（メタデータ） (2023-10-17T15:41:50Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Tesseract: Tensorised Actors for Multi-Agent Reinforcement Learning [92.05556163518999]
  MARLは、コミュニケーションと可観測性に様々な制約を課すことによって、問題を悪化させる。 値ベースの手法では、最適な値関数を正確に表現することが課題となる。 政策勾配法では、批判者の訓練を困難にし、遅れる批判者の問題を悪化させる。 学習理論の観点からは、関連するアクション値関数を正確に表現することで、両方の問題に対処できることが示される。
  論文  参考訳（メタデータ） (2021-05-31T23:08:05Z)
• Noise-Robust End-to-End Quantum Control using Deep Autoregressive Policy Networks [2.5946789143276447]
  変分量子固有解法は、量子コンピューティングデバイスの使用を可能にするため、近年注目を集めている。 不確実性のある方法で連続的および離散的な自由度を同時に最適化できるハイブリッドポリシグラデーショングラデーションアルゴリズムを提案する。 我々の研究は、強化学習と量子制御の相乗効果を示す。
  論文  参考訳（メタデータ） (2020-12-12T02:13:28Z)

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。