基于分布式压缩感知的量子过程层析

发布时间：2018-01-01 16:37

本文关键词：基于分布式压缩感知的量子过程层析　出处：《清华大学学报(自然科学版)》2017年10期 　论文类型：期刊论文

【摘要】：量子过程层析是量子信息科学研究的基础之一,但其所需的实验资源会随着量子比特的增加而指数增长。考虑到过程矩阵的稀疏性,近年来一种压缩感知量子过程层析方法可以大大降低量子过程层析的成本和后处理时间。但量子通道研究需要同时层析多种量子门,并且每个量子通道在层析过程中都会存在野点数据。该文提出一种分布式压缩感知量子过程层析方法,通过组合稀疏学习的模式能同时进行多量子通道层析,并有效地剔除野点数据。仿真结果表明:相对于单通道的压缩传感量子过程层析,该方法重构的量子过程矩阵保真度高且对野点数据有较强的鲁棒性,改善了层析性能。
[Abstract]:The quantum process tomography is one of the bases of quantum information science research , but the experimental resources needed are exponentially increased with the increase of the quantum bit . In consideration of the sparsity of the process matrix , in recent years , a compression - sensing quantum process chromatography method can greatly reduce the cost and post - processing time of quantum process chromatography .

【作者单位】：清华大学自动化系;
【基金】：国家自然科学基金资助项目(61134008)
【分类号】：O413
【正文快照】： 在近二十余年里,随着量子信息研究的兴起,量子过程层析(quantum process tomography,QPT)[1-3]研究受到了许多研究者的关注,它是量子信息科学研究的基础问题,与量子计算、量子通信等研究领域紧密相关。量子过程层析担负的作用有2个方面:首先,可用于评价所设计量子通道的质量;

【相似文献】