基于机器学习的量子层析数据降噪研究

发布时间：2022-01-21 21:30

　　量子层析是量子信息处理中的关键技术之一,它通过针对不同观测量进行重复测量和统计平均获取数据,并根据这些数据重构状态或演化过程的矩阵描述。由于单次量子测量得到的信息受限,测量次数会随着量子系统维度和所需测量精度的增加而快速增加。因此,如何提高效率是量子层析实验中的核心问题。本文针对获取测量数据需要大量重复测量的问题,提出基于机器学习设计通用的量子层析数据降噪模型,并利用数值仿真研究了不同噪声下的降噪效果。具体成果如下:（1）利用机器学习的神经网络思想设计了基于普通型和反卷积型降噪自动编码机模型用于量子层析数据分析。对比两个模型的仿真结果,本文表明恰当的神经网络结构有能力学习到高维物理量的结构信息,因而可以利用它来设计量子层析实验的降噪模型。这种学习能力并不局限于特定的量子系统,是降噪模型在提高量子层析实验效率上具备通用性的基础。（2）针对量子态层析问题,训练出了在多种噪声类型、复杂度、强度下均能实现一定降噪效果的反卷积降噪自动编码机模型。仿真结果表明,基于该模型,可以从足够多已有实验数据中训练出一个降噪模型,在进行新的同类型量子态层析实验时,可以用较少的测量次数得到一个含较大噪声的数据,... 

【文章来源】：清华大学北京市 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 引言
    1.2 传统机器学习
        1.2.1 什么是机器学习
        1.2.2 主要类别和应用场景
        1.2.3 算法举例
    1.3 量子机器学习
        1.3.1 量子信息与量子计算
        1.3.2 传统机器学习在量子物理中的应用
        1.3.3 量子增强学习
    1.4 本文研究内容的安排
第2章 相关基础知识
    2.1 量子层析基础知识
        2.1.1 量子比特和密度矩阵
        2.1.2 量子纠缠和退相干
    2.2 自动编码机
    2.3 多层神经网络自动编码机
    2.4 深度自动编码机的变体
        2.4.1 稀疏深度自动编码机
        2.4.2 收缩深度自动编码机
        2.4.3 变分深度自动编码机
        2.4.4 降噪深度自动编码机
    2.5 本章小结
第3章 量子态层析问题中的降噪研究
    3.1 引言
    3.2 量子态层析
        3.2.1 什么是层析
        3.2.2 什么是量子态层析
        3.2.3 量子态层析实验的估计方法
    3.3 数值仿真设计
        3.3.1 整体思路
        3.3.2 前期的数据准备
        3.3.3 仿真工具和环境介绍
    3.4 基于普通降噪深度自动编码机的数值仿真
        3.4.1 仿真使用的神经网络模型
        3.4.2 简单的高斯噪声
        3.4.3 仿真结果分析
    3.5 基于反卷积降噪深度自动编码机的数值仿真
        3.5.1 仿真使用的神经网络模型
        3.5.2 七个噪声组
        3.5.3 仿真结果分析
    3.6 结论
    3.7 本章小结
第4章 量子过程层析问题中的降噪研究
    4.1 引言
    4.2 量子过程层析
    4.3 数值仿真设计
        4.3.1 整体思路
        4.3.2 数据准备
        4.3.3 模型搭建
        4.3.4 数值仿真结果
    4.4 结论
    4.5 本章小结
第5章 工作总结与展望
    5.1 工作总结
    5.2 未来展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]人工神经网络在数据挖掘中的应用[J]. 韩彦峰,段向前.  西安建筑科技大学学报(自然科学版). 2005(01)



本文编号：3600994