XiaoMi-AI文件搜索系统
World File Search SystemMarkovian
风险敏感策略的分布式强化学习
我们利用分布式强化学习解决了基于 CVaR 风险度量的风险敏感策略学习问题。具体而言，我们表明，应用分布式贝尔曼最优算子时，标准行动选择策略既不会收敛到动态马尔可夫 CVaR，也不会收敛到静态非马尔可夫 CVaR。我们建议对现有算法进行修改，包括一个新的分布式贝尔曼算子，并表明所提出的策略极大地扩展了分布式强化学习在学习和表示 CVaR 优化策略方面的效用。我们提出的方法是标准分布式强化学习算法的简单扩展，因此可以利用深度强化学习的许多最新进展。无论是在合成数据还是真实数据上，我们都通过经验表明，我们提出的算法能够学习更好的 CVaR 优化策略。
自主系统中的能量和信息流
多组分分子机器在生物学中无处不在。我们回顾了使用自主二分马尔可夫动力学描述其热力学性质的最新进展。第一和第二定律可以拆分为适用于双组分系统每个子系统的独立版本，说明我们不仅可以解决子系统之间的能量流，还可以解决信息流，量化每个子系统的动态如何影响联合系统的熵平衡。将该框架应用于分子级传感器可以推导出更严格的能量需求界限。可以从统一的角度研究双组分强耦合机器，量化它们在多大程度上通过转换功率进行常规运行，或者像信息引擎一样通过生成信息流将热波动整流为输出功率。
扩散模型：教程和调查
扩散模型是基于马尔可夫过程的生成模型家族。在其前进过程中，他们逐渐向数据添加噪声，直到变成完整的噪声为止。在向后过程中，数据逐渐从噪声中逐渐发出。在本教程论文中，充分说明了扩散概率模型（DDPM）。详细简化了其可能性的变异下限，分布的参数和扩散模型的损耗函数。引入了对原始DDPM的一些模型，包括非固定的协方差矩阵，减少梯度噪声，改善噪声时间表以及非标准高斯噪声分布和条件扩散模型。最后，解释了噪声表位于连续域中的随机差异方程（SDE）的连续噪声时间表。
的恶魔在非马克维亚效应的协助下
麦克斯韦的恶魔是信息控制的典型示例，这对于设计量子设备是必需的。在热力学中，恶魔是一个智能的存在，他利用信息的熵性来对储层之间进行激发，从而降低了总熵。到目前为止，麦克斯韦恶魔的实施很大程度上仅限于马尔可夫浴场。在我们的工作中，我们研究了使用超导电路平台通过非马克维亚效应来协助这种恶魔的程度。设置是通过恶魔控制的QUTRIT界面连接的两个浴室，仅当两个浴缸的整体熵被降低时，才允许激发转移。最大的熵减少是在非马克维亚政权中实现的，重要的是，由于非马克维亚效应，可以通过适当的时机优化恶魔性能。我们的结果表明，可以利用非马克维亚效应来提高量子麦克斯韦恶魔中的信息传输速率。
332：515工程师的加固学习 - 秋季2023
课程覆盖范围：本课程是基于迭代非线性，适应性和最佳反馈控制动态系统的工程方法（RL）（机器学习的重要领域）控制系统的视角。中心主题将围绕近似动态编程技术发展。作为课程的介绍，将简要介绍Sutton和Barto教科书中某些章节的本质（有关强化学习的主要计算机科学教科书），以学习RL术语和RL中使用的基本过程。该书介绍了加强学习的计算机科学方法（主要是蒙特卡洛和马尔可夫统计数据（马尔可夫决策过程，MDP），以及使用神经网络来生成学习政策）。在此类中，控制和系统方法将用于生成学习策略（最佳反馈策略，最佳反馈控制）。
![arxiv：2402.18703v2 [Quant-ph] 2 Jul 2024](/simg/6\629bf2f9c7927c2d96ab300dabb1043c2bb73845.webp)
arxiv：2402.18703v2 [Quant-ph] 2 Jul 2024
考虑具有（离散时间）马尔可夫动力学的开放量子系统。我们的任务是将信息存储在系统中，即使系统要任意长时间发展，也可以完美地检索信息。我们表明，这是不可能的（分别是量子）当动力学混合时精确信息（分别渐近纠缠破裂）。此外，我们在最小时间内提供了紧密的通用上限，此类动态将“争夺”超出完美检索点的编码信息。另一方面，对于不具有这种动态的动态，我们表明信息必须在与动态相关的外围空间内部编码，以便将来随时可以完全恢复。这使我们能够根据动力学的外围空间的结构来推导最大信息的明确公式。
噪声信道中双模高斯态的可提取量子功
我们研究了一种基于高斯态的 Szilard 引擎，该系统由两个玻色子模式组成，位于一个噪声通道中。系统的初始状态为纠缠压缩热态，通过对两个模式之一进行测量来提取量子功。我们使用马尔可夫 Kossakowski-Lindblad 主方程来描述开放系统的时间演化，并使用基于二阶 Rényi 熵的量子功定义来模拟引擎。我们表明，可提取的量子功随着库的温度和模式之间的压缩、热光子的平均数量和模式的频率而增加。功也随着测量强度的增加而增加，在异差检测的情况下达到最大值。同样，随着噪声通道的压缩参数的增加，可提取的功也在减少，并且它随着压缩热库的相位而振荡。
压缩热环境中高斯熵不协的时间演化
摘要。我们描述了由两个非耦合玻色子模式组成的系统的高斯量子不和谐的马尔可夫动力学，分为两种情况：当它们与一个共同的压缩热浴接触时，以及当它们各自与自己的压缩热浴相互作用时。这项研究是在基于完全正量子动力学半群的开放量子系统理论框架下进行的。我们取初始压缩热态，并表明高斯量子不和谐的行为取决于浴参数（温度、耗散系数、压缩参数和压缩相）以及系统的初始状态（压缩参数和平均光子数）。我们表明，由于环境的影响，高斯量子不和谐随时间衰减，渐近趋于零。我们还将高斯量子不和谐与高斯几何不和谐进行了比较。
因果序叠加的不成立定理
事件的因果顺序不必固定：在某个站点，一辆公交车是先于另一辆公交车到达还是晚于另一辆公交车到达可能取决于其他变量，比如交通状况。因果顺序的相干量子控制也是可能的，而且是多种任务的有用资源。然而，量子控制意味着控制系统携带着哪种顺序的信息——如果控制被追踪，事件的顺序将保持概率混合。两个事件的顺序可以是纯叠加，与任何其他系统不相关吗？这里我们表明，对于一类广泛的过程来说，这是不可能的：任何一对具有相同局部维度和不同因果顺序的马尔可夫幺正过程的纯叠加都不是有效过程，即当用某些操作探测时，它会导致非正则化概率。这一结果对量子信息处理的新资源和量子引力理论中的可能过程施加了限制。
