泄漏与存储 Kurtosis 对量子电池中的动力学控制

我们引入了一个耦合腔体的有限量子系统，可作为量子电池通过利用噪声诱导的相干性来实现能量存储。我们应用完整计数统计方法来捕捉储能站量子能量交换的高阶波动。除了热力学参数之外，这些波动构成了监督学习和无监督学习模型的训练平台，用于预测动力学。我们从电池的运行参数中识别出最小的预测特征集合，可实现对动力学的高精度分类。我们的结果表明，通常的量子和热力学变量对于识别高动力学 regime 而言并不充分。相反，储能和泄漏模式中量子能量交换的 kurtosis 以及噪声诱导的相干性成为控制动力学大小的主要量。