基于宽度神经网络的2比特量子态的估计
本文通过设计含有两个隐含层，且隐含层的神经元节点数为300的宽度神经网络实现对量子态密度矩阵的重构。通过量子密度矩阵与系统输出测量值之间的对应关系，构造出训练和验证神经网络的输入与输出样本对，分别设计并训练出量子本征态、叠加态和混合态的神经网络，并用训练好的宽度神经网络估计器对随机产生的密度矩阵进行估计验证。数值仿真实验结果表明，所提出的神经网络估计器能够高精度的实现量子态估计。
量子态估计 人工神经网络 量子态密度矩阵 测量算符 样本构造
潘成威 丛爽
中国科学技术大学自动化系,安徽合肥,中国,230027
国内会议
第22届中国系统仿真技术及其应用学术年会(CCSSTA2021)
合肥
中文
80-84
2021-07-01（万方平台首次上网日期，不代表论文的发表时间）