[论文解读] Optimal Control to Minimize Dissipation and Fluctuations in Open Quantum Systems Beyond Slow and Rapid Regimes

Yuki Kurokawa, Yoshihiko Hasegawa|arXiv (Cornell University)|Feb 2, 2026

Advanced Thermodynamics and Statistical Mechanics被引用 0

一句话总结

论文提出一个最优控制框架，在时间依赖的 Lindblad 动力学下，最小化开放量子系统的散逸功和 TPM 功率波动，借助一个辅助 Y 算符将历史相关的方差转化为时局部成本，并在慢/快以外的情形应用 GRAPE 风格优化。

ABSTRACT

Optimal control is a central problem in quantum thermodynamics. While control theories in the rapid-driving and slow-driving limits have been developed, to the best of our knowledge there is no general optimization method applicable to intermediate timescales. We introduce an optimal-control framework to minimize dissipated work and work variance, defined via the two-point measurement scheme, in open quantum systems governed by time-dependent Lindblad master equations. By introducing an auxiliary operator, we convert the history-dependent work variance into a time-local integral, enabling efficient gradient-based optimization beyond slow or rapid driving regimes. Applying our method, we find that in the coherent spin-boson model the optimized protocol can switch discontinuously between distinct locally optimal solutions as the relative weight between dissipation and fluctuations is varied. Moreover, for a single-level quantum dot coupled to a fermionic reservoir, the optimized fluctuation-minimizing protocol develops a qualitatively different multi-step structure that is not captured by approaches based on slow- or rapid-driving limits.

研究动机与目标

• 动机：在中等驱动速度下量子热力学中最小化耗散和功的波动的必要性
• 定义 Lindblad 动力学下基于 TPM 的功及其方差
• 通过引入一个辅助算符来处理历史相关的波动，构建时局部优化方法
• 提供可适用于传统慢/快极限之外的基于梯度的协议优化框架

提出的方法

• 为带有时变哈密顿量的 Lindblad 动力学定义 TPM 功及其散逸分量
• 引入一个满足线性运动方程的辅助算符 Y(t)，将方差转化为时局部积分
• 形成复合代价 J，权衡散逸、波动与端点控制约束：J = (1-α)Wdiss + (αβ/2) σw^2 + (κ/2)(u_T - u_T)^2
• 对控制重新参数化为 v(t) = ū˙(t)，使 dot{H}(t) = G(u(t)) v(t)，并通过 Pontryagin 最大原理推导梯度表达式
• 实现 GRAPE 型算法以传播状态变量和伴随量，并使用计算得到的梯度更新控制

实验结果

研究问题

• RQ1 如何在一般时变 Lindblad 动力学下最小化开放量子系统的散逸功与 TPM 功率波动？
• RQ2 时局部优化框架是否能够准确捕捉原本为双积分的方差？
• RQ3 超越慢/快驱动极限的最优协议的结构特征是什么，是否存在跳跃或多步结构？
• RQ4 在具体模型如自旋-声子耦合与量子点系统中，不同的散逸与波动权衡如何体现？

主要发现

• 辅助 Y(t) 将 TPM 功的方差转化为时局部积分，从而实现基于梯度的优化
• 在驱动自旋-声子模型中，优化协议在端点出现跳跃，并且在较长的时长下出现超越快速驱动预测的复杂中间段
• 在相干自旋-声子情形中，最优协议结构随散逸-波动权衡的变化而变化，呈现不同局部最优族之间的切换
• 对于量子点模型，优化得到多步跳跃协议并含有内部跳跃，非快速驱动近似所不能捕捉
• 帕累托前沿在散逸功与 TPM 功的方差之间呈现曲线型权衡，表明改善一个目标会显著影响另一个目标