作者：陈珊琳; 黄春晖量子信息量子神经网络学习训练连续变量量子隐形传态
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。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
