基于通用量子门的量子遗传算法及应用

为加快量子遗传算法的参数更新速度,简化遗传操作步骤,提出了一种基于通用量子门的量子遗传算法(Quantum Genetic Algorithm with Universal Quantum Gate,UQGA)。该方法以通用量子门为逻辑计算单位,对染色体进行遗传操作。利用Hadamard门进行基础变换;通用量子门通过新的旋转角度函数,对各个基因位进行选择、变异操作;通过求解适应度函数,得到全局最优解;同时,算法经数学证明是收敛的。该算法应用到函数极值搜索和Iris数据集特征选择中。实验结果表明,UQGA具有较好的全局搜索和特征选择性能,尤其是在收敛速度、运算时间和分类准确率方面明显优于普通量子遗传算法和普通遗传算法。

通用量子门神经网络在齿轮故障诊断中的应用

为进一步提高齿轮故障诊断能力,结合目前神经网络机理的研究进展,建立了一种基于通用量子门的量子神经元模型,提出了通用量子门神经网络(universal quantum gate neural network,UQGN)算法。首先,该算法将转换后的量子态训练样本作为输入。然后,利用量子旋转门和通用量子门完成旋转、选择、翻转和聚合等一系列操作,并完成网络参数的更新。最后,将训练后的结果输出。在数学上,证明了UQGN算法的泛化能力。利用该算法对齿轮的正常、齿面磨损、齿根裂纹和断齿4种情况进行了模式识别。实验结果表明,与普通神经网络和普通量子神经网络相比,UQGN算法在泛化性能、鲁棒性、准确率和执行时间等方面具有较好的效果。

海森伯XXZ自旋链的通用量子门解法

在海森伯XXZ自旋链上找到了通用量子门的解法,通用量子门可以由动力学相位和几何相位组合,由于几何相位门有容错的特性,因此它将有助于提高量子信息处理的能力.

基于量子门组的量子神经网络模型及其应用

为进一步提高量子神经网络的性能,结合目前神经网络机理的研究进展,提出了一种基于量子门组的量子神经元模型,建立了量子门组量子神经网络(Quantum Gate Set Neural Network,QGSNN)。该算法由输入层、隐含层和输出层组成,该算法将转换后的量子态训练样本作为输入。利用量子旋转门和通用量子门完成旋转、选择、翻转和聚合等一系列操作,并完成了网络参数的更新。将训练后的结果输出。QGSNN算法的泛化能力在数学上得到了证明,并利用两个仿真实验对该方法进行验证。实验结果表明,与普通神经网络和普通量子神经网络相比,QGSNN算法在泛化性能、鲁棒性、准确率和执行时间等方面具有较好的效果。

自旋链在量子信息中的应用

介绍了自旋链在量子信息过程中的应用,包括在量子密码和隐形传输中以及量子计算中的应用,自旋链可以充当量子通道用来传输量子态,自旋链也可以用来实现量子通用门。