發(fā)布時(shí)間：2022-01-21 21:30

　　量子層析是量子信息處理中的關(guān)鍵技術(shù)之一,它通過(guò)針對(duì)不同觀測(cè)量進(jìn)行重復(fù)測(cè)量和統(tǒng)計(jì)平均獲取數(shù)據(jù),并根據(jù)這些數(shù)據(jù)重構(gòu)狀態(tài)或演化過(guò)程的矩陣描述。由于單次量子測(cè)量得到的信息受限,測(cè)量次數(shù)會(huì)隨著量子系統(tǒng)維度和所需測(cè)量精度的增加而快速增加。因此,如何提高效率是量子層析實(shí)驗(yàn)中的核心問(wèn)題。本文針對(duì)獲取測(cè)量數(shù)據(jù)需要大量重復(fù)測(cè)量的問(wèn)題,提出基于機(jī)器學(xué)習(xí)設(shè)計(jì)通用的量子層析數(shù)據(jù)降噪模型,并利用數(shù)值仿真研究了不同噪聲下的降噪效果。具體成果如下:（1）利用機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)思想設(shè)計(jì)了基于普通型和反卷積型降噪自動(dòng)編碼機(jī)模型用于量子層析數(shù)據(jù)分析。對(duì)比兩個(gè)模型的仿真結(jié)果,本文表明恰當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)結(jié)構(gòu)有能力學(xué)習(xí)到高維物理量的結(jié)構(gòu)信息,因而可以利用它來(lái)設(shè)計(jì)量子層析實(shí)驗(yàn)的降噪模型。這種學(xué)習(xí)能力并不局限于特定的量子系統(tǒng),是降噪模型在提高量子層析實(shí)驗(yàn)效率上具備通用性的基礎(chǔ)。（2）針對(duì)量子態(tài)層析問(wèn)題,訓(xùn)練出了在多種噪聲類型、復(fù)雜度、強(qiáng)度下均能實(shí)現(xiàn)一定降噪效果的反卷積降噪自動(dòng)編碼機(jī)模型。仿真結(jié)果表明,基于該模型,可以從足夠多已有實(shí)驗(yàn)數(shù)據(jù)中訓(xùn)練出一個(gè)降噪模型,在進(jìn)行新的同類型量子態(tài)層析實(shí)驗(yàn)時(shí),可以用較少的測(cè)量次數(shù)得到一個(gè)含較大噪聲的數(shù)據(jù),... 

【文章來(lái)源】：清華大學(xué)北京市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 傳統(tǒng)機(jī)器學(xué)習(xí)
        1.2.1 什么是機(jī)器學(xué)習(xí)
        1.2.2 主要類別和應(yīng)用場(chǎng)景
        1.2.3 算法舉例
    1.3 量子機(jī)器學(xué)習(xí)
        1.3.1 量子信息與量子計(jì)算
        1.3.2 傳統(tǒng)機(jī)器學(xué)習(xí)在量子物理中的應(yīng)用
        1.3.3 量子增強(qiáng)學(xué)習(xí)
    1.4 本文研究?jī)?nèi)容的安排
第2章 相關(guān)基礎(chǔ)知識(shí)
    2.1 量子層析基礎(chǔ)知識(shí)
        2.1.1 量子比特和密度矩陣
        2.1.2 量子糾纏和退相干
    2.2 自動(dòng)編碼機(jī)
    2.3 多層神經(jīng)網(wǎng)絡(luò)自動(dòng)編碼機(jī)
    2.4 深度自動(dòng)編碼機(jī)的變體
        2.4.1 稀疏深度自動(dòng)編碼機(jī)
        2.4.2 收縮深度自動(dòng)編碼機(jī)
        2.4.3 變分深度自動(dòng)編碼機(jī)
        2.4.4 降噪深度自動(dòng)編碼機(jī)
    2.5 本章小結(jié)
第3章 量子態(tài)層析問(wèn)題中的降噪研究
    3.1 引言
    3.2 量子態(tài)層析
        3.2.1 什么是層析
        3.2.2 什么是量子態(tài)層析
        3.2.3 量子態(tài)層析實(shí)驗(yàn)的估計(jì)方法
    3.3 數(shù)值仿真設(shè)計(jì)
        3.3.1 整體思路
        3.3.2 前期的數(shù)據(jù)準(zhǔn)備
        3.3.3 仿真工具和環(huán)境介紹
    3.4 基于普通降噪深度自動(dòng)編碼機(jī)的數(shù)值仿真
        3.4.1 仿真使用的神經(jīng)網(wǎng)絡(luò)模型
        3.4.2 簡(jiǎn)單的高斯噪聲
        3.4.3 仿真結(jié)果分析
    3.5 基于反卷積降噪深度自動(dòng)編碼機(jī)的數(shù)值仿真
        3.5.1 仿真使用的神經(jīng)網(wǎng)絡(luò)模型
        3.5.2 七個(gè)噪聲組
        3.5.3 仿真結(jié)果分析
    3.6 結(jié)論
    3.7 本章小結(jié)
第4章 量子過(guò)程層析問(wèn)題中的降噪研究
    4.1 引言
    4.2 量子過(guò)程層析
    4.3 數(shù)值仿真設(shè)計(jì)
        4.3.1 整體思路
        4.3.2 數(shù)據(jù)準(zhǔn)備
        4.3.3 模型搭建
        4.3.4 數(shù)值仿真結(jié)果
    4.4 結(jié)論
    4.5 本章小結(jié)
第5章 工作總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用[J]. 韓彥峰,段向前.  西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2005(01)



本文編號(hào)：3600994