論文の概要: Quantum annealers as programmable thermal machines

• arxiv url: http://arxiv.org/abs/2608.04564v1
• Date: Wed, 05 Aug 2026 07:57:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.779431
• Title: Quantum annealers as programmable thermal machines
• Title（参考訳）: プログラマブル熱機械としての量子アニール
• Authors: Jakub Pawłowski, Tomasz Śmierzchalski, Fengping Jin, Bartłomiej Gardas, Sebastian Deffner, Zakaria Mzaouali,
• Abstract要約: 我々はD波量子アニールを閉熱力学サイクルとして特徴づける。 初期および最終イジングエネルギーと出力分布に適合する有効温度から, エントロピー生産, 環境エネルギー交換, 作業, 電力の低いバウンダリが得られる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Programmable quantum annealers are used for optimization, probabilistic sampling, and simulation, but their performance is commonly reported without the energy exchanged during computation. Here we characterize the D-Wave quantum annealer as a closed thermodynamic cycle. From initial and final Ising energies and an effective temperature fitted to the output distribution, we obtain lower bounds on entropy production, environment energy exchange, work, and power. By varying the prepared distribution and the reverse annealing turning point, we map heater-, accelerator-, refrigerator-, and engine-compatible regimes in one dimensional chains and higher connectivity instances, and apply the same analysis to Advantage and Advantage2 hardware. For an encoded optimization problem, the measured processor energy change states whether final candidates improve or worsen the programmed objective on average. For sampling, the fitted temperature provides an operational measure of how strongly probability is concentrated among low energy configurations. The thermodynamic mode therefore adds information absent from solution quality or runtime alone: it distinguishes driven refinement, net heating, and heat pumping while quantifying their energetic consequences. This framework connects quantum optimization, probabilistic computing, statistical physics simulation, hardware diagnostics, and energy-aware assessment without assuming that a thermodynamic label alone determines computational performance.
• Abstract（参考訳）: プログラム可能な量子アニールは最適化、確率的サンプリング、シミュレーションに使用されるが、その性能は計算中に交換されるエネルギーなしで一般的に報告される。 ここでは、D波量子アニールを閉熱力学サイクルとして特徴づける。 初期および最終イジングエネルギーと出力分布に適合する有効温度から, エントロピー生産, 環境エネルギー交換, 作業, 電力の低いバウンダリが得られる。 準備された分布と逆焼鈍点の変化により、1次元チェーンおよび高接続インスタンスにヒータ、アクセル、冷凍機、エンジン互換のレシエーションをマッピングし、AdvantageおよびAdvantage2ハードウェアに同じ分析を適用する。 符号化された最適化問題に対して、測定されたプロセッサエネルギー変化は、最終候補がプログラムされた目標を平均的に改善するか、悪化させるかを記述している。 サンプリングには、この温度が低エネルギー配置にどれだけ強い確率が集中しているかの操作的尺度を提供する。 そのため、熱力学モードは、溶液の品質や実行時だけにない情報を追加する。 このフレームワークは、熱力学ラベルだけで計算性能を決定すると仮定せずに、量子最適化、確率計算、統計物理学シミュレーション、ハードウェア診断、エネルギー認識評価を結合する。

関連論文リスト

• Neural and Tensor Networks in the Study of Quantum Annealing Processors [0.0]
  Dissertationは、D-Wave量子アニールのベンチマークフレームワークを開発する。 強力な古典的な基準線、サンプリングと多様性のメトリクス、熱力学のコストが組み合わさっている。 全体として、アルゴリズムのパフォーマンスと物理的支出を共同で測定する量子アニールベンチマークを論じている。
  論文  参考訳（メタデータ） (2026-04-29T11:03:55Z)
• Thermodynamic significance of QUBO encoding on quantum annealers [0.0]
  ペナルティ重みによって制御される2パラメータのエンコーディングファミリを用いたジョブショップスケジューリングインスタンスについて検討する。 計算硬度を管理するのと同じ符号化遷移も散逸を再編成する。 以上の結果から,QUBOのペナルティを熱力学制御ノブとして確立し,ノイズの多い中規模量子アニールに対する熱力学の符号化戦略を動機づけた。
  論文  参考訳（メタデータ） (2026-01-07T21:18:54Z)
• Quantum Thermodynamics of a Power-Law Potential [0.0]
  量子熱機械のスターリングとオットーの数値モデリングの結果について述べる。 完全サイクルにおけるエネルギー交換の低減と性能の効率/係数の表現を導出する。 この発見は、量子熱エンジンの最適化におけるパワーライクなポテンシャルの役割を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-12-24T21:11:38Z)
• A finite element-based physics-informed operator learning framework for spatiotemporal partial differential equations on arbitrary domains [33.7054351451505]
  偏微分方程式(PDE)によって支配される力学を予測できる新しい有限要素に基づく物理演算子学習フレームワークを提案する。 提案した演算子学習フレームワークは、現在の時間ステップで温度場を入力として、次の時間ステップで温度場を予測する。 ネットワークは、FEM溶液と比較して、任意の初期温度場の時間的変化を高精度に予測することに成功した。
  論文  参考訳（メタデータ） (2024-05-21T02:41:40Z)
• Quantum Thermal State Preparation [39.91303506884272]
  量子マスター方程式をシミュレートするための簡単な連続時間量子ギブスサンプリングを導入する。 我々は、特定の純ギブス状態を作成するための証明可能かつ効率的なアルゴリズムを構築した。 アルゴリズムのコストは温度、精度、混合時間に依存している。
  論文  参考訳（メタデータ） (2023-03-31T17:29:56Z)
• Model-free optimization of power/efficiency tradeoffs in quantum thermal machines using reinforcement learning [0.0]
  量子熱機械 (quantum thermo machine) は、マイクロスケールやナノスケールでの熱と仕事の変換を可能にするオープン量子システムである。 本稿では,非平衡熱力学サイクルを特定するために,強化学習に基づく一般モデルフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-10T22:44:28Z)
• Implementation of a two-stroke quantum heat engine with a collisional model [50.591267188664666]
  我々は,IBMQプロセッサのストロボスコープ2ストロークサーマルエンジンの量子シミュレーションを行った。 この系は2つの浴槽に繋がった量子スピン鎖で構成され、変分量子熱分解器アルゴリズムを用いて異なる温度で調製される。
  論文  参考訳（メタデータ） (2022-03-25T16:55:08Z)
• Maximal power for heat engines: role of asymmetric interaction times [110.83289076967895]
  本稿では、エンジン性能を最適化するために、相互作用時間非対称性を調整するという考え方を紹介する。 個別最適化プロトコルは熱力学の枠組みで解析される。
  論文  参考訳（メタデータ） (2020-12-16T22:26:14Z)
• Simulation of Thermal Relaxation in Spin Chemistry Systems on a Quantum Computer Using Inherent Qubit Decoherence [53.20999552522241]
  我々は,実世界の量子システムの振舞いをシミュレーションする資源として,キュービットデコヒーレンスを活用することを目指している。 熱緩和を行うための3つの方法を提案する。 結果,実験データ,理論的予測との間には,良好な一致が得られた。
  論文  参考訳（メタデータ） (2020-01-03T11:48:11Z)

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。