量子科技中心_量科网

该论文建立了一个决策理论框架，用于从量子系统的时间关联性中提取热力学功。研究人员构建了一个缺乏量子记忆的经典智能体模型，通过持续推理和不确定性下的自适应决策来实现功的提取。通过引入ρ∗理想协议，该工作证明利用记忆效应可使自适应策略突破非自适应极限。研究团队用时序自由能（TOFE）对此进行形式化表述——这种新型上限揭示了与自适应有序不协性相关的热力学间隙。此外，该团队采用强化学习解决未知源功提取问题，通过改进多臂老虎机算法，证明智能体可同步学习未知独立同分布量子态并提取功，实现远超标准层析成像的多对数累积耗散。整体而言，该研究为预测性和基于学习的量子热力学奠定了基础。