ترجمه فارسی مقاله کنترل غیر انرژی در سیستم‌های چند بدنی کوانتومی با یادگیری تقویتی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Controlling nonergodicity in quantum many-body systems by reinforcement learning
عنوان مقاله به فارسی کنترل غیر انرژی در سیستم‌های چند بدنی کوانتومی با یادگیری تقویتی
نویسندگان Li-Li Ye, Ying-Cheng Lai
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Quantum Physics,Disordered Systems and Neural Networks,Statistical Mechanics,Applied Physics,فیزیک کوانتومی , سیستم های بی نظمی و شبکه های عصبی , مکانیک آماری , فیزیک کاربردی ,
توضیحات Submitted 9 September, 2024; v1 submitted 21 August, 2024; originally announced August 2024. , Comments: 19 pages, 8 figures
توضیحات به فارسی ارسال شده در 9 سپتامبر 2024 ؛V1 ارسال شده 21 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 19 صفحه ، 8 رقم
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Finding optimal control strategies to suppress quantum thermalization for arbitrarily initial states, the so-called quantum nonergodicity control, is important for quantum information science and technologies. Previous control methods largely relied on theoretical model of the target quantum system, but invertible model approximations and inaccuracies can lead to control failures. We develop a model-free and deep-reinforcement learning (DRL) framework for quantum nonergodicity control. It is a machine-learning method with the unique focus on balancing exploration and exploitation strategies to maximize the cumulative rewards so as to preserve the initial memory in the time-dependent nonergodic metrics over a long stretch of time. We use the paradigmatic one-dimensional tilted Fermi-Hubbard system to demonstrate that the DRL agent can efficiently learn the quantum many-body system solely through the interactions with the environment. The optimal policy obtained by the DRL provides broader control scenarios for managing nonergodicity in the phase diagram as compared to, e.g., the specific protocol for Wannier-Stark localization. The continuous control protocols and observations are experimentally feasible. The model-free nature of DRL and its versatile search space for control functions render promising nonergodicity control in more complex quantum many-body systems.

چکیده به فارسی (ترجمه ماشینی)

یافتن استراتژی های کنترل بهینه برای سرکوب حرارتی کوانتومی برای حالتهای اولیه خودسرانه ، به اصطلاح کنترل غیرقانونی کوانتومی ، برای علم و فناوری های اطلاعات کوانتومی مهم است.روشهای کنترل قبلی تا حد زیادی به مدل نظری سیستم کوانتومی هدف متکی بودند ، اما تقریب مدل های غیر قابل برگشت و نادرستی می تواند منجر به خرابی کنترل شود.ما یک چارچوب یادگیری بدون مدل و عمیق (DRL) برای کنترل غیرقانونی کوانتومی ایجاد می کنیم.این یک روش یادگیری ماشین با تمرکز منحصر به فرد در تعادل استراتژی های اکتشافی و بهره برداری برای به حداکثر رساندن پاداش های تجمعی است تا بتواند حافظه اولیه را در معیارهای غیرقانونی وابسته به زمان حفظ کند.ما از سیستم پارادایم یک بعدی Fermi-Hubbard کج شده استفاده می کنیم تا نشان دهیم که عامل DRL می تواند به طور مؤثر سیستم بسیار بدنه کوانتومی را صرفاً از طریق تعامل با محیط بیاموزد.خط مشی بهینه به دست آمده توسط DRL سناریوهای کنترل وسیع تری را برای مدیریت غیرقانونی در نمودار فاز نسبت به ، به عنوان مثال ، پروتکل خاص برای محلی سازی Wannier-Stark فراهم می کند.پروتکل ها و مشاهدات کنترل مداوم از نظر تجربی امکان پذیر هستند.ماهیت عاری از مدل DRL و فضای جستجوی همه کاره آن برای توابع کنترل ، کنترل غیرقانونی امیدوارکننده را در سیستم های کانتومی پیچیده تر بدن ایجاد می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.