量子算法及其在图像处理中的应用

量子计算与量子信息是涉及物理学、计算机科学、数学以及信息科学等多个学科的新兴综合性交叉研究领域,是量子力学理论和经典计算理论完美结合的产物.由于其强大的计算能力及广阔的应用前景,使得其在国际学术界以及政府科研机构中引起巨大的兴趣.在量子计算的研究中,计算性能的优越性主要体现在算法的有效性上.目前为止,被公认的最具代表性的量子算法有Shor的大数质因子分解算法以及G rover提出的数据库搜索量子算法.集合运算是科学技术很多领域的基础,如数据库操作、信号处理、图像压缩等等都可最终归结为对集合的操作.但是对于包含了高维无序向量的集合,要对其进行有效快速的集合运算,在经典电子计算机上是困难的.因此,需要新的原理和新的算法来有效操作集合.量子图像处理(QIP)就是利用量子计算机来处理图像信息从而希望获得比电子计算机更好的处理效果.量子图像处理研究才刚刚起步,在不久的将来可能会成为一个受关注的研究热点.对目前的量子算法研究进展、量子集合运算、量子图像处理以及量子Hopfield神经网络研究作一个综述性论述.

旋转迭代量子搜索算法

为提高Grover算法的搜索效率,基于Grover算法,提出了一种新的量子搜索算法.该算法充分利用各状态之间的结构信息,根据不同的初始量子态和所搜索的基态设计旋转量子门,并用提出的量子门进行旋转迭代.结果表明,与Grover算法相比,该算法的搜索迭代次数减少.实例分析验证了算法的可行性和有效性.

单层量子感知器网络及其性能

目前人工智能的体系结构普遍比较复杂,所以它的广泛应用受到了很大的限制。利用量子计算的一些优点特别是量子并行计算特性提出一个单层量子感知器网络,该网络充分利用量子相位,使得它具有传统的单层感知器所无法具有的计算能力。对单层量子感知器进行实例分析、性能分析和仿真实验,表明单神经元量子感知器能实现单神经元经典感知器无法实现的XOR功能。即简单的网络结构实现了相对复杂的网络功能,这一特点有利于降低网络体系结构的复杂性,它必将对人工智能和控制领域的研究产生重大的影响。