Dicke 量子电池充电过程的强化学习优化
量子物理
2025-03-04 v3
摘要
量子电池是由量子力学支配的储能器件，借助集体效应有望实现高充电性能。由于其实验可行性，由 个两能级系统耦合到公共光子模式构成的 Dicke 电池是量子电池最有前景的设计之一。然而，该模型的混沌特性严重阻碍了可提取能量（ergotropy）。在此，我们利用强化学习，通过调制耦合强度或系统-腔失谐来优化 Dicke 电池的充电过程。我们发现，通过抵消量子混沌的有害效应，相较于标准充电策略，ergotropy 与量子力学能量涨落（充电精度）均可大幅改善。值得注意的是，即使在对电池近乎完全充电时，充电时间的集体加速效应仍可得以保持。
引用
@article{arxiv.2212.12397,
title = {Reinforcement learning optimization of the charging of a Dicke quantum battery},
author = {Paolo Andrea Erdman and Gian Marcello Andolina and Vittorio Giovannetti and Frank Noé},
journal= {arXiv preprint arXiv:2212.12397},
year = {2025}
}
备注
6+10 pages, 8 figures