量子电子学报

作者：李建松,李海,于文莉,郝亚明

单位：1 山东工商学院信息与电子工程学院, 山东 烟台 264005;2 山东工商学院计算机科学与技术学院, 山东 烟台 264005

关键词：量子热力学,量子奥托循环,深度强化学习,附加驱动场,功率与效率,

基金：国家自然科学基金项目 (11547036), 山东省自然科学基金青年项目 (ZR2011FL009), 烟台市科技创新发展计划基金项目 (2022JCYJ044)

针对通常情况下实现高性能的绝热捷径量子奥托循环 (QOC) 需要施加复杂调控场的难题, 研究了实验上相对便于操控的线性驱动场下QOC的性能特征。利用基于策略函数的深度强化学习, 对以单量子比特为工质的QOC膨胀与压缩过程的附加驱动场进行优化, 实现了线性驱动场下高性能的QOC。与非绝热自由演化方案下的QOC对比, 优化附加驱动方案下的QOC在输出功、功率以及效率方面都表现出显著的优越性。特别是在较短循环周期中, 自由演化方案下的QOC因大量不可逆功的产生, 完全抑制了正功的输出, 然而优化驱动方案下的QOC却仍能正常运行(有正功输出)。本工作初步检验了深度强化学习在优化量子热机性能中的有效性。

来源：2025年第1期

《量子电子学报》期刊编辑部

查看量子电子学报杂志2025年第1期