딥 강화학습을 이용한 양자 임계 상태 빠른 준비

초록

**
본 논문은 딥 강화학습(DRL) 에이전트를 활용해 양자 라비 모델의 임계점 근처에서 고충실도(>0.999)로 목표 임계 상태를 단시간에 도달시키는 제어 프로토콜을 제시한다. 시간‑의존 제어 해밀토니안을 최적화하고, 주요 제어 필드 하나만을 남겨 자원 효율성을 높이며, 시스템 잡음과 감쇠에 대한 강인성도 검증한다.

**

상세 분석

**
이 연구는 양자 임계 현상이 나타나는 라이트‑매터 상호작용 시스템을 빠르게 제어하는 문제를 최적화 문제로 전환하고, 전통적인 그라디언트 기반 최적 제어가 적용되기 어려운 비선형·강결합 영역에 딥 강화학습을 도입한다는 점에서 혁신적이다. 저자는 전체 해밀토니안을 (H_{\text{tot}}(t)=H