基于深度学习LDAMP网络的量子状态估计

设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message passing,LDAMP)的深度学习网络,将其应用于量子状态的估计.该网络将去噪卷积神经网络与基于去噪的近似消息传递算法相结合,利用量子系统输出的测量值作为网络输入,通过设计出的带有去噪卷积神经网络的LDAMP网络重构出原始密度矩阵,从大量的训练样本中提取各种不同类型密度矩阵的结构特征,来实现对量子本征态、叠加态以及混合态的估计.在对4个量子位的量子态估计的具体实例中,分别在无和有测量噪声干扰情况下,对基于LDAMP网络的量子态估计进行了仿真实验性能研究,并与基于压缩...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 49; no. 1; pp. 79 - 90
Main Authors 林文瑞, 丛爽
Format Journal Article
LanguageChinese
Published 中国科学技术大学自动化系 合肥230027 2023
Subjects
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c210156

Cover

Loading…
Abstract 设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message passing,LDAMP)的深度学习网络,将其应用于量子状态的估计.该网络将去噪卷积神经网络与基于去噪的近似消息传递算法相结合,利用量子系统输出的测量值作为网络输入,通过设计出的带有去噪卷积神经网络的LDAMP网络重构出原始密度矩阵,从大量的训练样本中提取各种不同类型密度矩阵的结构特征,来实现对量子本征态、叠加态以及混合态的估计.在对4个量子位的量子态估计的具体实例中,分别在无和有测量噪声干扰情况下,对基于LDAMP网络的量子态估计进行了仿真实验性能研究,并与基于压缩感知的交替方向乘子法和三维块匹配近似消息传递等算法进行估计性能对比研究.数值仿真实验结果表明,所设计的LDAMP网络可以在较少的测量的采样率下,同时完成对4种量子态的更高精度估计.
AbstractList 设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message passing,LDAMP)的深度学习网络,将其应用于量子状态的估计.该网络将去噪卷积神经网络与基于去噪的近似消息传递算法相结合,利用量子系统输出的测量值作为网络输入,通过设计出的带有去噪卷积神经网络的LDAMP网络重构出原始密度矩阵,从大量的训练样本中提取各种不同类型密度矩阵的结构特征,来实现对量子本征态、叠加态以及混合态的估计.在对4个量子位的量子态估计的具体实例中,分别在无和有测量噪声干扰情况下,对基于LDAMP网络的量子态估计进行了仿真实验性能研究,并与基于压缩感知的交替方向乘子法和三维块匹配近似消息传递等算法进行估计性能对比研究.数值仿真实验结果表明,所设计的LDAMP网络可以在较少的测量的采样率下,同时完成对4种量子态的更高精度估计.
Author 丛爽
林文瑞
AuthorAffiliation 中国科学技术大学自动化系 合肥230027
AuthorAffiliation_xml – name: 中国科学技术大学自动化系 合肥230027
Author_FL CONG Shuang
LIN Wen-Rui
Author_FL_xml – sequence: 1
  fullname: LIN Wen-Rui
– sequence: 2
  fullname: CONG Shuang
Author_xml – sequence: 1
  fullname: 林文瑞
– sequence: 2
  fullname: 丛爽
BookMark eNrjYmDJy89LZWAQMzTQMzQztjDWz9JLTCzWSzYyNDA0NWNh4DQwMjXRNQGyORh4i4szkwwMDA0NjCwNDTkZjJ7O3_VkV9-z7Ruf7lr2dO2yJzsX-Lg4-gY83zvx-e45z2e1vGzvf7p2wvOubc8aGp_s2fBi3UIeBta0xJziVF4ozc0Q6uYa4uyh6-Pv7uns6KNbDLTXTDfV3NIyKcUw1cDCJNXUItXAKC3FItncyMIw0czU0iDJ3MAgOckMKGiYZJRkYpZiZpwIlDEySk1KNkg2N08xMeZmUIOYW56Yl5aYlx6flV9alAe0Mb4qJaMiycjAyNjA0MDAzBgACYVXSw
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.16383/j.aas.c210156
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Quantum State Estimation Based on Deep Learning LDAMP Networks
EndPage 90
ExternalDocumentID zdhxb202301006
GrantInformation_xml – fundername: (国家自然科学基金); (国家自然科学基金)
  funderid: (国家自然科学基金); (国家自然科学基金)
GroupedDBID --K
-0Y
.~1
0R~
1B1
1~.
1~5
2B.
4.4
457
4A8
4G.
5GY
5VS
5XA
5XJ
7-5
71M
8P~
92H
92I
93N
AAIKJ
AALRI
AAQFI
AAXUO
ABJNI
ABWVN
ACGFS
ACRPL
ADEZE
ADNMO
ADTZH
AECPX
AEKER
AFTJW
AGHFR
AGYEJ
AITUG
ALMA_UNASSIGNED_HOLDINGS
BLXMC
CCEZO
CS3
CUBFJ
CW9
EBS
EJD
EO8
EO9
EP2
EP3
FDB
FEDTE
FNPLU
GBLVA
HVGLF
HZ~
IHE
J1W
JJJVA
M41
MO0
N9A
O-L
O9-
OAUVE
OZT
P-8
P-9
P2P
PC.
PSX
Q38
ROL
RPZ
SDF
SDG
SES
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1016-e799bd1e084e58e02fd8c7281a6590b700cb62fd1b2b46d63a1a622ebc0c77d43
ISSN 0254-4156
IngestDate Thu May 29 04:10:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 1
Keywords 量子状态估计
近似消息传递法
密度矩阵
压缩感知
深度学习
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1016-e799bd1e084e58e02fd8c7281a6590b700cb62fd1b2b46d63a1a622ebc0c77d43
PageCount 12
ParticipantIDs wanfang_journals_zdhxb202301006
PublicationCentury 2000
PublicationDate 2023
PublicationDateYYYYMMDD 2023-01-01
PublicationDate_xml – year: 2023
  text: 2023
PublicationDecade 2020
PublicationTitle 自动化学报
PublicationTitle_FL Acta Automatica Sinica
PublicationYear 2023
Publisher 中国科学技术大学自动化系 合肥230027
Publisher_xml – name: 中国科学技术大学自动化系 合肥230027
SSID ssib001102911
ssib006576350
ssib051375349
ssib007293330
ssj0059721
ssib007290157
ssib023646446
ssib005904210
Score 2.3967931
Snippet 设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message...
SourceID wanfang
SourceType Aggregation Database
StartPage 79
Title 基于深度学习LDAMP网络的量子状态估计
URI https://d.wanfangdata.com.cn/periodical/zdhxb202301006
Volume 49
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR3LbtQw0Fq1FzggnuJND_iEAnYefhyd3SwVahGHFvVWJXFCT4tEtxLaE0hISBx4XBEScOmtCC4gFvib3S78BGLGSdksIF6XaDIejz0e73jGWY8JOR_5wmbCl57OdeiFPAu8NLCBJ2H1SNMcPKQS9zuWr4rF1fDKWrTWan1t_Gtpq59dzAe_PFfyP1oFHOgVT8n-g2a_MwUEwKBfeIKG4flXOqZJRHWXxoYmIT5VQhNBY0ljjkWAMQIB03EA0Ghq2FLHLF-jCVB1qOYOiKluI6CBR0gTTZWkqltX1QyLlKGxQPaKgffpmLVpDEWKmoQa3vRyEQkcjEEOUNEoB7SpbnZHuKJoT-WI0AnV0gECGWCPOCCnJNCqojp2HVIgQHPTojpR7CZYTQgN4QjFKCnUMI7dDx0AcbC9NjWVvCGSTWl-IwiMWwBDd8G1wbA_SO2DSBBwsSoXQW1jIT72MIZtLghVDtWZiV9Z9-ram9pPqG45_WkFAnsWuCUoTWFqQUC9x3w2q_fAbtzOcGQgHsaM8fO-lBys8vzleOm6mTq04P_phgWONBjZhsMmIkwoOH2X-Fm88R0b3oNgGiDibQGisQEQ8QDCVQzAK98lwlxObleyHpY6zSkKdWlGJHfGrVemvRsNd2zlIDlQx1ELpvpRHCKtwcZhsr-RXfMI8cfPh6Phw913b8bD7fHO9uj9Czf1J5-eTD48mzy99-X-o_HO48mDt7t37o4-vv786uVRstpNVtqLXn1FiLeJ205eIbXOLC-YCotIFcwvrcqlr3gqYKgyyVgOlqi0PPOzUFgRpFDi-0WWs1xKGwbHyFzvZq84ThbAs5UlLGehLcOQlWCoeJZKYbnNNCuZPUHO1RKv1yZgc31Wiyf_SHGK7EO42sI7Teb6t7aKM-DU9rOztea_Aa_8dqc
linkProvider Elsevier
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0LDAMP%E7%BD%91%E7%BB%9C%E7%9A%84%E9%87%8F%E5%AD%90%E7%8A%B6%E6%80%81%E4%BC%B0%E8%AE%A1&rft.jtitle=%E8%87%AA%E5%8A%A8%E5%8C%96%E5%AD%A6%E6%8A%A5&rft.au=%E6%9E%97%E6%96%87%E7%91%9E&rft.au=%E4%B8%9B%E7%88%BD&rft.date=2023&rft.pub=%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E6%8A%80%E6%9C%AF%E5%A4%A7%E5%AD%A6%E8%87%AA%E5%8A%A8%E5%8C%96%E7%B3%BB+%E5%90%88%E8%82%A5230027&rft.issn=0254-4156&rft.volume=49&rft.issue=1&rft.spage=79&rft.epage=90&rft_id=info:doi/10.16383%2Fj.aas.c210156&rft.externalDocID=zdhxb202301006
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fzdhxb%2Fzdhxb.jpg