基于深度强化学习的加速磁子运动模式冷却
量子物理
2024-01-01 v1
摘要
实现运动模式的快速冷却是利用此类玻色子量子比特进行高速量子信息处理的先决条件。在这项工作中，我们致力于将冷却的时间极限降低到传统边带冷却技术所受限的范围以下，并提出了一种应用深度强化学习（DRL）来实现该目标的方案。具体而言，我们展示了该方案如何有效地用于加速宏观磁子球的动力学运动冷却，以及如何统一推广到更复杂的系统，例如三方光-磁-机械系统，以获得低于相干冷却时间界限的运动模式冷却。虽然传统边带冷却方法在众所周知的旋转波近似（RWA） regime 之外无法工作，但我们提出的 DRL 方案可统一应用于 RWA 之内及之外的 regime，从而为量子技术中宏观量子态的快速控制与生成提供了一个崭新且完整的工具箱。
引用
@article{arxiv.2204.07710,
title = {Accelerated Magnonic Motional Cooling with Deep Reinforcement Learning},
author = {Bijita Sarma and Sangkha Borah and A Kani and Jason Twamley},
journal= {arXiv preprint arXiv:2204.07710},
year = {2024}
}
备注
15 pages, 10 figures (including supplemental material)