基于Rényi-α熵的参数化纠缠度量

与各种非参数化纠缠度量相比,参数化纠缠度量显示了其优越性.并发纠缠被广泛用于描述量子实验中的纠缠.作为一种纠缠度量,它与特定Rényi-α熵有关.本文提出了一种基于Rényi-α熵的参数化两体纠缠度量,命名为α-对数并发纠缠.与现有的参数化度量不同,首先定义了纯态的度量,然后推广到混合态.进一步验证了α-对数并发纠缠满足纠缠度量3个条件.展示了对纯态的度量是容易计算的,然而对于混合态,解析计算只适用于特殊的双量子位态或特殊的高维混合态.因此,本文致力于建立一般两体态α-对数并发纠缠的一个下界.令人惊讶的是,这个下界是这个混合态的正部分转置判据和重排判据的函数.这表明了3种纠缠度量之间的联系.有趣的是,下界依赖于与具体态相关的熵参数.这样我们可以选择适当的参数α,使得Gα(ρ)≫0用于特定态ρ的实验纠缠检测.此外,计算了isotropic态的α-对数并发纠缠的表达式,并给出了d=2时isotropic态的解析表达式.最后,讨论了α-对数并发纠缠的的单配性.建立了两个量子比特系统中并发纠缠和α-对数并发纠缠之间的函数关系,然后得到了该函数的一些有用性质,并结合Coffman-Kundu-Wootters(CKW)不等式,建立了关于α-对数并发纠缠的单配性不等式.最终证明了单配性不等式对于α-对数并发纠缠是成立的.

具有仿反馈机制的图像模式分类认知

目的模仿人类认知事物反复推敲比对的过程,探索了一种具有仿反馈机制的图像模式分类认知方法和计算模型,通过认知结果分析评价指标体系在不同认知需求下逐级优化特征空间,实现从全局到局部的仿反馈认知模式,并成功应用于回转窑火焰图像的烧成状态认知。方法首先,提出了训练层和认知层耦合运行的具有仿反馈机制的图像模式分类认知模型,阐述了模型的目标、结构和功能;其次,设计了基于认知结果分析评价的仿反馈运行机制,建立了认知结果分析评价指标体系;然后,针对火焰图像烧成状态认知的应用,采用核主成分分析技术(KPCA)构建初始火焰图像特征空间,以建立最大认知信息量意义下的图像模式分类认知信息系统,继而基于属性核计算和马氏可分性评价指标建立压缩的认知信息系统;最后,在不同认知需求下,基于分析评价指标体系评估认知结果,更新压缩认知信息系统,实现烧成状态仿反馈智能认知。结果对采集的火焰图像进行了仿真实验研究,平均认知精度达到91.78%。结论实验结果表明,相对于已有的开环认知方法,本文方法可以通过仿反馈机制对难以区分相似样本进行反复认知,有效改进了认知精度。