近日，物电学院谭庆收教授与广州工业技术研究院量子精密测量研究中心、中国科学院精密测量科学与技术创新研究院、郑州大学等研究机构合作， 在《自然》杂志的子刊《通讯-物理》（Communications Physics）上发表题为“Single-atom exploration of optimized nonequilibrium quantum thermodynamics by reinforcement learning”的学术论文。谭庆收教授为该论文的第一通讯作者。
实际的量子过程会不可避免地与外部环境耦合，因而量子信息处理及其相应的热力学过程都会受到耗散和退相干等破坏性因素的影响。在该实验中，研究人员基于超冷40Ca+离子实验平台，利用机器学习中的强化学习技术，实验展示了强化学习对量子热力学过程的优化效果, 实验方法和步骤如图一所示。
图一、实验方法与步骤。(a)强化学习（RL）方法的示意图，代理（即网络）通过反复的动作和奖励与环境（即量子比特）进行交互。(b) 40Ca+离子的能级方案图，其中双箭头和波浪箭头分别代表激光照射和耗散，从三能级配置中近似了一个可控制的驱动和衰减的有效两能级系统（TLS）。通过开启854nm激光实现耗散量子比特。（c）量子比特与离子振动度量自由度之间的Jaynes-Cummings（JC）相互作用，描述了量子比特与量子库的耦合。(d) RL控制的实验步骤，包括TLS 和 JC 模型。
实验显示：无论是在封闭的量子体系还是存在经典环境或量子环境的干扰，在强化学习的辅助下，量子体系的非平衡热力学过程都具有更高的保真度以及更低的相对熵消耗和功消耗。这项研究是首次在离子阱量子实验中展示了强化学习技术对于量子非平衡热力学的优化效果。该研究的技术和结果有望应用于更大量子体系的非平衡热力学过程，研究量子热机的效率提升以及探索量子信息技术带来的新的热力学问题。
物电学院谭庆收教授是这项工作的共同通讯作者（理论部分），第一作者为广州工业技术研究院量子精密测量研究中心博士后章嘉伟。该研究得到国家自然科学基金和湖南省自然科学基金的资助。
据悉，《Communications Physics》是Nature Research 的一本开放获取期刊，发表物理科学所有领域的高质量研究成果和评论。该期刊发表的研究论文代表了重大进展，为物理学的专业研究领域带来了新的见解。该期刊为中科院一区期刊。
论文链接：https://www.nature.com/articles/s42005-023-01408-5.pdf
（责编/熊胜男 初审/李宏民 终审/周畅）
