耦合量子比特退纠缠的研究

在马尔科夫环境下,利用共生纠缠度,研究了耗散环境中耦合量子比特纠缠态及纠缠突然死亡的性质。研究结果表明：(1）纠缠动力学演化与系统的温度、初始纠缠度及初始量子态密切相关;（2）在一般情形下,由于环境的影响,纠缠突然死亡总会发生;通过数值模拟,发现存在一个特定的区域,在这区域内系统的纠缠度衰减的很慢。在零温度近似下,给出了具体的纠缠突然死亡条件和计算纠缠突然死亡时间的表达式。     

Delaunay三角网格的自适应生成方法

首先介绍了自适应有限元的研究背景和研究现状。其次,在新型协同转动3节点三边形壳单元的有限元计算方法上,基于有限元后验误差估计方法和Delaunay三角网格生成算法,设计了一套自适应网格生成方法,并采用MATLAB和Fortran编写了程序。最后,利用程序对产生大位移与大转角变形的板壳问题进行了非线性分析,并与均匀加密后的网格进行比较,进一步验证了自适应网格生成方法在提高计算效率的同时,也保证了计算所需的精准度。     

超欧姆型热库环境下互感效应对磁通量子比特退相干的影响

在二能级近似下运用Bloch-Redfield方程,研究了超导量子电路中的磁通量子比特退相干在超欧姆热库环境下受互感效应的影响。研究结果表明：（1）在超欧姆热库环境下,提高环境指标系数有利于延长超导磁通量子比特的退相干时间;（2）构建超欧姆型热库环境可以改进固态量子比特的退相干;（3）电感元件间的互感耦合对量子电路系统退相干的影响是比较复杂的,调控好电感元件间的互感耦合有利于提高退相干时间。     

基于鞅论的灰狼优化算法全局收敛性分析

灰狼优化(grey wolf optimization,GWO)算法是一种基于群体智能的随机优化算法,已成功地应用于许多复杂的优化问题的求解.尽管GWO算法有很多改进形式,但缺少严谨的收敛性分析,导致改进后的算法不具备理论支撑.对此,运用鞅论分析其收敛性.首先,根据GWO算法原理建立其基本的数学模型,通过定义灰狼状态空间及灰狼群状态空间,建立GWO算法的Markov链模型,并分析该算法的Markov性质;其次,介绍鞅理论,推导出一个上鞅作为最优适应度值的群进化序列;然后,运用上鞅收敛定理,并结合其Markov性质对GWO算法进行收敛性分析,证明GWO算法能以1的可能性达到全局收敛;最后,通过数值实验验证其收敛性能.实验结果表明,GWO算法具有全局收敛性强、计算耗时较低、寻优精度高等特点.