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