连续变量相干态量子神经网络模型的构建

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.

关键词：量子信息、量子神经网络、学习训练、连续变量、量子隐形传态

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

资助基金：National Natural Science Foundation of China国家自然科学基金,61177072

在线出版日期：2017-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：467-472