连续变量相干态量子神经网络模型的构建

• 作者: 陈珊琳 黄春晖
• 来源期刊: 量子电子学报
• 学科: 工学
• 关键词: 量子信息 量子神经网络 学习训练 连续变量 量子隐形传态
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 量子光学
• 页码范围: 467-472
• 页数: 6页
• 分类号: TP391.4
• 字数: 2867字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-5461.2017.04.015

摘要

为了将功能强大的神经网络应用到连续变量量子信息处理中,需要建立连续变量的量子神经网络(QNN)模型.以相干态量子逻辑门为基元,基于QNN原理构建了由输入层、隐藏层和输出层组成的量子线路,实现了连续变量相干态量子神经网络(CSQNN)功能.模型通过多控CNOT门实现量子态操作,利用相位旋转门完成网络参数的学习训练.仿真结果表明在CSQNN辅助下,阻尼系数为0.5的振幅阻尼信道的量子隐形传态保真度显著提高,趋近1,说明提出的CSQNN模型能有效处理连续变量量子信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄春晖	福州大学物理与信息工程学院	45	242	8.0	14.0
2	陈珊琳	福州大学物理与信息工程学院	1	4	1.0	1.0