量子Hopfield神经网络及图像识别

传统的Hopfield网络的存储容量是神经元个数的0·14倍(P=0·14N)。由于它在识别大量的图像或模式时遇到了巨大的困难,所以研究人员一直在寻找新的方法。由量子计算和神经网络结合而产生的量子神经网络是新兴和前沿的学科之一。为了提高图像识别的速度和增加图像识别量,在分析了量子线性叠加特性的基础上,提出了一种用于存储矩阵元素的基于概率分布的量子Hopfield神经网络,它在存储容量或记忆容量上提高到了神经元个数的2N倍,比传统的Hopfield神经网络有了指数级的提高。通过图像识别的实例分析和仿真试验的结果表明,该量子Hopfield神经网络能有效地识别图像或模式,并且工作过程符合量子演化过程。

基于Valued ERGMs模型的核心技术网络成长机制研究——以量子计算领域为例

对核心技术网络及其成长机制的研究有助于梳理核心技术之间的依赖和促进关系,为研究核心技术演化提供新的理论视角和方法。以技术演化相关理论为基础,归纳核心技术网络成长的影响因素,基于量子计算领域专利数据,识别以技术概念和技术关系为基础的量子计算领域核心技术网络,并基于Valued ERGMs模型构建核心技术网络成长机制模型。结果表明,技术要素中心性、专利技术研发能力、与TRIZ进化法则匹配程度以及技术要素同配性对核心技术网络成长具有正向促进作用;在技术路径方面,核心技术网络成长受到技术要素路径依赖性和技术突破的双重影响。最后,根据量子计算领域核心技术网络成长机制的实证研究结果,从技术研发层面、企业层面、政府层面为相关领域技术发展提出策略建议。

一种新型复合指数型局部有源忆阻器耦合的Hopfield神经网络

由忆阻耦合的神经网络模型,因其能更真实地反映生物神经系统的复杂动力学特性而被广泛研究.目前用于耦合神经网络的忆阻器数学模型主要集中在一次函数、绝对值函数、双曲正切函数等,为进一步丰富忆阻耦合神经网络模型,且考虑到一些掺杂半导体中粒子的运动规律,设计了一种新的复合指数型局部有源忆阻器,并将其作为耦合突触用于Hopfield神经网络,利用基本的动力学分析方法,研究了系统在不同参数下的动力学行为,以及在不同初始值下多种分岔模式共存的现象.实验结果表明,忆阻突触内部参数对系统具有调控作用,且该系统拥有丰富的动力学行为,包括对称吸引子共存、非对称吸引子共存、大范围的混沌状态和簇发振荡等.最后,用STM32单片机对系统进行了硬件实现.

无线传感器网络中基于量子郊狼优化的分簇路由协议

为进一步均衡无线传感器网络能耗,延长网络寿命,本文提出了一种基于量子郊狼优化的分簇路由协议。基于量子郊狼优化的分簇路由协议服务于静态部署网络,使用结合量子计算与郊狼优化算法优势的量子郊狼优化动态集中式搭建簇,并在簇有效期内综合考虑传感器能量、到基站距离和到虚拟簇首距离3种因素动态分布式轮换簇首,再通过簇首本地广播的形式动态分布式搭建数据中继传输链。仿真结果表明:与分布式低能耗自适应集群层次协议、基于粒子群优化模糊C均值的分簇路由算法和能量有效非均匀分簇路由协议相比,基于量子郊狼优化的分簇路由协议能有效平衡网络负载与能耗,在保证网络服务质量的同时最大化延长网络寿命。

神经网络通过测量数据刻画量子系统

在日新月异的量子计算与量子信息领域,如何“读懂”量子系统内存储的量子信息成为科学家们关注的焦点。可以想象,想要准确了解一个复杂的量子系统,就像从拼图的碎片中复原一幅巨大的全景图。然而,量子系统的“全景图”因为其信息量的爆炸,往往超越了传统实验方法的能力。

最简结构神经网络的量子态估计及其性能对比

本文提出并设计两种具有最简结构的前向神经网络,来高精度实现对量子态密度矩阵的估计.训练出具有函数逼近功能的反向传播(BP)神经网络和径向基函数(RBF)网络进行量子密度矩阵估计的应用.根据量子态密度矩阵与量子系统实验装置的输出测量值之间的关系,建立并构造出训练神经网络的输入/输出样本对;通过对网络的归一化处理,获得满足量子密度矩阵条件的网络输出.分别对2量子位的本征态、叠加态和混合态的估计设计和训练出不同网络,并在给定的性能指标下,与采用深度学习算法的具有两个隐含层的宽度网络(WNN)的量子密度矩阵估计性能进行对比分析.在此基础上,采用RBF神经网络对高量子位密度矩阵进行估计实验.分别在最少隐含层节点数、最少训练样本数、最短训练时间,以及对非样本输入数据的泛化能力方面,通过仿真实验对所设计网络的量子密度矩阵估计的优越性能进行对比研究.

多源非对称星型量子网络及其非定域性

作为Bell定理的一种推广,基于多纠缠源的量子网络及其非定域性被人们广泛关注。本文基于独立源假设研究多源星型量子网络,构建具有5个独立源和8个节点的非对称星型网络模型,并探究其量子非定域性。结果表明,对于分发到网络节点的一组指定的纠缠纯态,该量子网络模型下得到的5-local定域关联不等式将会被违背,当前量子网络模型具有明显的非定域特性。

基于量子遗传算法的通信网络资源分配优化方法

常规的通信网络资源分配优化方法以吞吐量优化为主,并未考虑到通信网络的环境需求,降低了网络资源分配的合理性。因此,文章设计了基于量子遗传算法的通信网络资源分配优化方法。该方法将通信需求、通信设备带宽限制、通信网络类型考虑在内,基于量子遗传算法构建通信网络资源分配优化模型,对网络资源分配优化目标进行量子编码,评估网络资源分配的适应度,从而得到网络资源分配优化的最优解。通过调整通信网络资源分配调度因子,根据网络负载、通信行为等实时变化情况,引入动态调整机制,以适应不同情况下的资源分配需求。经对比实验,验证了该方法的有效性,与传统方法相比优化性能更佳。

网络空间安全技术发展趋势研究

网络空间安全是一个长期演进、发展和变化的过程,在这个过程中,新问题随着新场景、新技术不断出现.而新的问题出现以后就需要思考如何解决,主要来自2个方面:一个是新的场景,主要是应用场景、计算场景;另一个是新的技术,如人工智能技术、量子计算技术.在解决新问题的过程中,网络空间安全技术得到了新的发展.

多域跨协议量子网络的域间密钥业务按需提供策略

现有的城域量子网络大多基于单一的量子密钥分发协议实现,将不同协议实现的城域量子网络进行互联是大规模量子网络的发展趋势,但其域间密钥业务提供仍存在成功率低、密钥供需不适配等问题.针对以上问题,本文面向多域跨协议量子网络提出了两种域间密钥业务按需提供策略,分别是基于BB84(Bennett-Brassard-1984)旁路优先的按需提供策略和基于测量设备无关(measurement-device-independent,MDI)旁路优先的按需提供策略.同时,设计了内嵌两种策略的域间密钥业务按需提供算法.仿真结果表明,所提策略能够在双域和三域量子网络中高效完成域间密钥业务的按需提供.相比传统策略,两种按需提供策略可将多域量子网络的密钥供需均衡度提高1个数量级以上,MDI旁路优先策略在低密钥率需求下可将域间密钥业务请求成功率提升30%.此外,所提策略可在一定程度上降低域间密钥业务提供的成本,提高现实安全水平.

美国量子网络技术研究进展及军事应用展望

详细综述美国量子网络的主要发展历程和国家战略蓝图,总结美国军方量子网络资助情况和研究现状,以及量子网络相关的军事应用构想,对量子网络的发展趋势进行展望。量子通信是一种利用量子叠加和量子纠缠等量子特性,以量子态为载体进行信息传输的新型通信技术。量子网络以量子通信技术为基础,在军事信息安全通信和协同作战等方面具有重要的潜在应用价值。随着美国量子网络技术的发展,以对微观体系量子特性主动精确操纵技术为核心的“第二次量子革命”正在重塑战争形态和作战样式。

基于量子遗传算法优化Hopfield神经网络军事训练效果评价

新兵入伍训练是提升战斗力的基础,对新兵入伍训练成绩进行科学评价,将入伍训练19个指标作为评估因子,选取8个班平均训练成绩进行模糊聚类分析,按照得分情况制定了4个等级的划分方法,提出了一种基于量子遗传算法优化离散型Hopfield神经网络的评估模型,然后将待分级的4名士兵训练成绩进行Hopfield编码评估,并用实例对模型进行验证,为基层部队强化智能化军事训练方法手段提供了理论依据。

5G网络量子安全算法应用研究

随着5G网络的广泛应用,数据传输速度与容量显著提升,推动了物联网、自动驾驶、远程医疗等领域的创新发展,同时也对网络安全提出了更高要求。量子计算的进步对传统公钥密码体系构成重大威胁,Shor算法和Grover算法可分别破解基于大整数分解和离散对数问题的公钥密码,并提高对称加密算法和杂凑算法的破解效率。为应对这一挑战,全球多个标准化组织正积极推进量子安全密码的研究与标准化工作。首先概述了5G网络架构及其安全需求,并分析了量子计算对传统密码体系的影响。随后,介绍了量子安全密码算法的最新进展,并探讨了这些算法在5G网络终端接入与数据传输安全中的集成方式。最后,提出了量子安全密码应用策略,并验证了其技术可行性,以期为构建更加安全可靠的5G网络提供理论和技术参考。

基于量子计算的城市轨道交通网络末班车衔接优化

针对城市轨道交通网络化运营下,各条线路运营时间存在差异性而导致乘客无法成功换乘的问题,本文开展面向城市轨道交通末班车衔接优化问题的研究,选取末班车到发时间为决策变量,以最小化失败换乘乘客数量为目标,构建了混合整数线性规划模型。考虑到线网规模扩大导致模型复杂度高的问题,本文率先将量子计算应用于上述优化模型求解中。首先将原始模型重构为计算规模更小的两阶段问题;进而将第一阶段优化模型转换为可以运行在量子计算机上的二次无约束二值化优化问题(quadratic unconstrained binary optimization,QUBO)模型,并基于相干伊辛机的光量子计算技术完成了算法开发和真机实测。为了验证所提方法的有效性,以北京地铁为例,将量子计算结果与商业求解器进行比较,验证了本文提出模型转换方法和量子计算方法的可行性,为进一步应用量子计算解决轨道交通行业复杂优化问题提供了技术支撑。

基于集成量子神经网络的大地构造环境判别与分析

量子地球科学是一门崭新的跨学科前缘专业,量子计算和量子机器学习算法为地学大数据的深度挖掘与分析带来了新的契机。其中,量子神经网络是目前最具代表性的研究方向之一,在复杂多源数据处理方面的效率与准确率尤为突出。本文以大地构造环境判别这一关键问题为切入点,利用堆叠集成算法对量子神经网络(Stacking Quantum Neural Network,S-QNN)进行了改进,并分别实现了玄武岩、辉长岩和尖晶石的构造环境智能判别;同时与四种传统算法(SVM、RF、KNN和NB)、经典神经网络(ANN)和传统量子神经网络(QNN)进行对比。结果表明,集成后的S-QNN模型在3类情况下的准确率较最优的传统算法分别提升5.67%、6.19%和13.34%,较普通的QNN模型提升3.11%、4.99%和3.84%,且更具鲁棒性和通用性。该研究反映了所提出的S-QNN在数据处理中的优势,更证实了量子机器学习算法在地球科学研究中的适用性与潜力,为量子科学与地球科学的交叉融合提供了新思路。

基于量子生成对抗网络的数据重构

使用神经网络实现数据重构是人工智能领域一项十分重要的研究课题。生成对抗网络(generative adversarial network,GAN)作为近年来人工智能的热门算法,在完成数据重构任务中有较好的表现。量子计算作为一种能够加速经典计算的新型计算模式,正不断地与经典人工智能算法相融合。其中,量子生成对抗网络(quantum generative adversarial network,QGAN)在图像相关任务中具有良好的表现,但是量子模型的拟合能力还有待提高。故此,提出了一种基于GAN框架的量子-经典混合生成对抗网络(Q-CGAN)用于实现数据重构任务。该框架利用经典网络的非线性提高拟合效果,利用量子特性提供量子加速。使用MNIST手写数据集对比验证了量子模型和混合模型的重构效果,结果显示,Q-CGAN较纯量子生成器在数据重构过程中具有更好的表现。此外,还研究了混合模型中使用不同量子编码方案和不同参数化量子线路对数据重构效果的影响。

基于卷积神经网络的高效量子态层析方法

通过系统梳理多种量子态层析技术的重构算法,并结合MATLAB数值模拟,比较并分析了线性重构与回归估计、极大似然估计,以及基于深度神经网络量子态层析方法的重构效果.结果表明:基于卷积神经网络重构算法在1~3量子比特时,能够用较短时间均实现>99.5%的保真度;相较于其他经典重构算法,基于卷积神经网络重构算法在算法复杂度及保真度上具有显著优势;又因其对复杂模型具有较好的拟合能力,且辅助解决了估计密度矩阵中出现负本征值的问题,使得重构所得估计密度矩阵全部具有物理意义.

基于离散Hopfield网络对英文字母识别的研究

中国的车牌有三部分构成,第一部分为汉字,表示该车户口所在省的简称。第二部分为英文字母,表示该车所在地的地市一级代码。第三部分为数字和英文字母的组合。随着公路上交通压力越来越大以及汽车管理效率的低下,提出了针对车牌中的英文字母的识别方法。定义了标准英文字母,鉴于车牌识别中遇到的各种情况,进行模拟。比如对字母进行模糊处理,模拟实际生活中车牌的污点情况;对字母进行倾斜处理,模拟实际生活中遇到的车牌倾斜情况;对字母进行遮挡,模拟实际生活中车牌的遮挡情况。加入的噪声情况可以远大于或者远小于实际情况,然后测试各种情况下,离散Hopfield网络的识别效果。这样可以更好地测试网络性能。实验结果表明:离散Hopfield网络对英文字母具有较好的识别效果。

基于金融领域的量子贝叶斯网络应用研究

随着国内外金融创新的深入和金融市场的拓展,传统的贝叶斯算法已不能处理大量的复杂金融数据和业务场景。文章以传统贝叶斯算法为切入点,对贝叶斯网络的量子转化过程展开介绍,形成量子贝叶斯算法,并围绕该算法在金融应用面临的挑战,提出了金融机构发展和应用量子贝叶斯算法的建议和展望。

基于Hopfield网络“伪吸引子”与交替量子随机行走的抗攻击彩色图像加密方案

近年来,图像信息的安全传输已成为互联网领域的重要研究课题.本文提出了一种将Hopfield网络伪吸引子特性与交替量子随机行走概率分布矩阵相结合的抗攻击彩色图像加密方案.研究发现,若控制Hopfield网络状态矩阵的精度参数,将交替量子随机行走产生的概率分布矩阵4分块中的1个子块M1作为伪随机数矩阵参与加密,Hopfield网络的训练矩阵与输入矩阵分别为矩阵M1的4分块中的2个对角子块之一时,能产生伪吸引子.该伪吸引子的矩阵形式通过张量运算、进制转换等处理后,能作为密钥矩阵对原始图像进行基于空间域上的像素值排序自适应置乱以及元素数值的混淆,生成加密图像.其中,密钥矩阵是图像加密中的关键部分,具备优异统计学属性的密钥矩阵能极大的提高图像加密的效果.本文所提加密方案在统计学特性测试中,实现了平均信息熵为7.999 4,像素数改变率的平均值为99.621 8%,统一平均变化强度的平均值为33.537 9%,平均相关性为0.003 9等.同时本文还对所提加密方案进行了各种噪声模拟测试以验证其实际应用中遇到常见噪声及攻击干扰情况下的鲁棒性.