当前位置: X-MOL 学术Phys. Rev. Lett. › 论文详情
Reinforcement Learning Approach to Nonequilibrium Quantum Thermodynamics
Physical Review Letters ( IF 8.385 ) Pub Date : 2021-01-13 , DOI: 10.1103/physrevlett.126.020601
Pierpaolo Sgroi; G. Massimo Palma; Mauro Paternostro

We use a reinforcement learning approach to reduce entropy production in a closed quantum system brought out of equilibrium. Our strategy makes use of an external control Hamiltonian and a policy gradient technique. Our approach bears no dependence on the quantitative tool chosen to characterize the degree of thermodynamic irreversibility induced by the dynamical process being considered, requires little knowledge of the dynamics itself, and does not need the tracking of the quantum state of the system during the evolution, thus embodying an experimentally nondemanding approach to the control of nonequilibrium quantum thermodynamics. We successfully apply our methods to the case of single- and two-particle systems subjected to time-dependent driving potentials.

中文翻译:

非平衡量子热力学的强化学习方法

我们使用强化学习方法来减少在不平衡状态下产生的封闭量子系统中的熵产生。我们的策略利用了外部控制哈密顿量和策略梯度技术。我们的方法不依赖于选择的定量工具来表征所考虑的动力学过程引起的热力学不可逆性的程度,对动力学本身了解甚少,并且在演化过程中不需要跟踪系统的量子状态,因此,在控制非平衡量子热力学方面体现了一种实验上非要求性的方法。我们成功地将我们的方法应用于受到时间依赖的驱动电势的单粒子系统和两粒子系统的情况。
更新日期:2021-01-13
全部期刊列表>>
微生物研究
亚洲大洋洲地球科学
NPJ欢迎投稿
自然科研论文编辑
ERIS期刊投稿
欢迎阅读创刊号
自然职场,为您触达千万科研人才
spring&清华大学出版社
城市可持续发展前沿研究专辑
Springer 纳米技术权威期刊征稿
全球视野覆盖
施普林格·自然新
chemistry
物理学研究前沿热点精选期刊推荐
自然职位线上招聘会
欢迎报名注册2020量子在线大会
化学领域亟待解决的问题
材料学研究精选新
GIANT
ACS ES&T Engineering
ACS ES&T Water
屿渡论文,编辑服务
阿拉丁试剂right
上海中医药大学
浙江大学
清华大学
南科大
北京理工大学
清华
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
清华大学-1
武汉大学
浙江大学
天合科研
x-mol收录
试剂库存
down
wechat
bug