Landauer's erasure principle puts a fundamental constraint on the amount of work required to erase information using thermal reservoirs. Recently this bound was improved to include corrections for finite-sized thermal reservoirs. In conventional information-erasure schemes, conservation of energy plays a key role with the cost of erasure. However, it has been shown that erasure can be achieved through the manipulation of spin angular momentum rather than energy, using a reservoir composed of energy-degenerate spin particles under the constraint of the conservation of spin angular momentum, in the limit of an infinite number of particles. In this case the erasure cost is in terms of dissipation of spin angular momentum. Here we analyze the erasure of memory using a finite-sized spin reservoir. We compute the erasure cost to compare it with its infinite counterpart and determine what size of finite reservoir gives similar erasure cost statistics using the Jensen-Shannon Divergence as the measure of difference. Our findings show that erasure with finite-sized reservoirs results in the erasure of less information compared to the infinite reservoir counterpart when compared on this basis. In addition we discuss the cost of resetting the state of the ancillary spin particles used in the erasure process, and we investigate the degradation in erasure performance when a finite reservoir is repeatedly reused to erase a sequence of memories.


翻译:Landauer的消化原则从根本上限制了用热水层抹去信息所需的工作量。 最近, 这一约束得到了改进, 包括了对有限热水层的校正。 在常规信息侵蚀计划中, 节能在消化成本中起着关键作用。 但是, 已经表明, 利用由节能- 淡化旋流粒子组成的储油层, 以节能- 淡化角动力为制约, 以无限粒子数量为限, 通过操纵一个由节能- 淡化旋流粒子组成的储油层, 能够实现消化。 在这种情况下, 消化成本是用旋转角动力的消散。 在此情况下, 我们用一个有限的螺旋储油层储油层分析记忆的淡化过程。 我们利用Jensen-Shannon Divergence作为衡量差异的尺度, 压缩储油层的大小可以得出类似的消化成本统计。 我们的研究结果显示, 与无限储油层相对而言, 消化信息减少, 与无限储油层相对而言, 消化。 此外, 我们讨论的是, 不断研究 不断 的 不断 递毁 的 不断 的 的 蒸化 的 的 的 层 的 的 的 的 不断 的, 我们的 的 不断 不断 不断 的 的 的 的 不断 不断 不断 的 的 不断 重新 的 的 重新 的 的 的 的 的 的 的 重新 不断 重新 的 的 的 的 不断 的 的 不断 重新 的 重新 的 的 的 的 的 的 重新 的 的 的 的 的 重新 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 重新 的 的 的 的 的 的 的 的 的 的 不断 不断 的 的 的 的 的 的 重新 的 的 的 的 的 的 的 的 的 的 的 的 的 不断 不断 的 的 的 的 不断 不断 不断 的 的

0
下载
关闭预览

相关内容

第26届SPIN研讨会旨在将对软件分析和软件模型自动化工具技术感兴趣的研究人员和实践者聚集在一起,以进行验证和确认。研讨会特别关注并发软件,但不排除对顺序软件的分析。提交的资料包括理论结果、新算法、工具开发和经验评估。官网链接:https://conf.researchr.org/track/spin-2019/spin-2019-papers
【干货书】深度学习数学:理解神经网络,347页pdf
专知会员服务
264+阅读 · 2022年7月3日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
195+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
VIP会员
相关资讯
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员