基于辅助系统学习的量子隧穿催化
量子物理
2023-08-14 v1
摘要
鉴于量子隧穿在广泛应用中的关键作用，一个核心目标是在保持底层物理系统资源固定的同时，最大化从一个量子态/能级到另一个量子态/能级的隧穿概率。本工作中，我们证明通过将隧穿系统与同类辅助系统耦合，可实现这一挑战的有效解决方案。利用机器学习技术，可优化辅助系统及耦合的参数，从而最大化隧穿概率。我们针对包含双模系统与双模辅助体（具有任意耦合且存在多个相互作用粒子）的典型场景给出了示例。重要的是，隧穿概率的增强似乎几乎不受系统与辅助体中噪声和退相干的影响。
引用
@article{arxiv.2308.06060,
title = {Catalysis of quantum tunneling by ancillary system learning},
author = {Renzo Testa and Alex Rodriguez and Alberto d'Onofrio and Andrea Trombettoni and Fabio Benatti and Fabio Anselmi},
journal= {arXiv preprint arXiv:2308.06060},
year = {2023}
}
备注
Submitted