自由演化量子态的一种在线估计算法

目前,对量子状态估计的算法大都采用离线批处理的方式进行,但离线量子态估计的方法对演化的量子系统难以实时估计。为了解决这一问题,提出一种在线优化算法,用于从具有测量随机噪声的量子系统中,通过连续弱测量估计该自由演化量子系统的状态密度。该算法基于在线邻近梯度法和交替方向乘子法提出,通过1、2、3和4位量子系统的仿真实验,验证了该算法计算高效,对测量随机噪声具有更高的鲁棒性。     

线性矩阵不等式在并联机构中的应用

线性矩阵不等式(LMI)是一种数学工具,常用来描述约束条件。将LMI应用于并联机构的分析与设计中,分别从奇异性,工作空间,灵巧度,刚度,最优控制等几个方面,用LMI来处理并联机构中的约束条件并以此为基础将并联机构的分析与设计以及控制问题转化为基于LMI的优化问题采解决。     

K型局部连接神经网络

提出了一种新型局部连接网络——K型局部连接网络。首先给出所提网络的结构与算法,然后对所提网络隐含层激活函数——K型函数的性质,以及网络的性能进行了理论上的分析。最后将K型网络应用到函数逼近以及建模上,通过与其他局部连接网络的性能对比验证K型网络所具有的优越性。     

开放量子系统中消相干及其控制策略

从开放量子系统的起因入手,就量子系统中消相干现象的产生、类型以及所产生的影响进行了分析和阐述。在此基础上,针对不同类型抑制消相干控制研究的方法与策略,进行了比较详细的综述,并以对比的方式揭示了开放量子系统消相干控制策略中的优缺点。最后对抑制消相干研究的发展方向进行了展望。     

Non-Markovian开放量子系统的特性分析与状态转移

针对时间无卷积的二能级Non-Markovian开放量子系统, 分别研究了环境截断频率、耦合系数和系统振荡频率对系统衰减系数、相干性和纯度的影响, 并根据不同数值对系统性能影响的分析结果来确定合适的系统仿真实验的参数; 基于李雅普诺夫稳定性定理设计了用于系统状态转移的控制场; 在Matlab环境下进行了系统数值仿真实验,研究了Non-Markovian系统自由演化轨迹的特性, 以及在所设计的控制器作用下纯态到纯态的状态转移,并通过性能对比实验, 验证了所提出的量子李雅普诺夫控制方法应用于Non-Markovian系统状态转移的有效性, 同时分析了控制参数、截断频率参数对控制系统性能的影响.     

单量子比特系统状态的在线估计

针对具有退相干效应与测量反馈随机噪声的随机开放量子系统, 采用对状态影响较弱的连续弱测量在线获取一系列状态的部分信息, 实现量子状态的在线估计.由泡利矩阵构造初始测量算符, 并推导出在线的随时间变化的测量算符; 基于压缩传感理论来减少测量次数; 采用最小二乘优化算法对自由演化中的量子密度矩阵状态进行重构, 完整地给出了量子态在线估计的过程.所提出的在线量子态估计方案, 在一个量子位系统上进行了系统仿真实验.数值仿真实验结果表明, 在满足压缩传感理论的条件下, 仅需2次连续弱测量所得到的测量值之后, 就可以高精度地实现在线变化的单比特量子密度矩阵估计.     

量子系统中状态估计方法的综述

从广泛用于实验量子领域的典型状态估计方法,到基于系统论观点、可用于量子反馈控制的状态估计方法,详细综述了4种测量方式下的相应量子状态估计方法及其适用背景.通过其发展历程的叙述,从本质上阐述了估计的基本原理,从技术上对各种方法进行了相应的分析和比较.同时,对量子状态估计和经典状态估计进行了相应的比较,并对量子系统中的状态估计方法作了总结.     

基于状态距离的量子控制策略

基于Bures距离,选择一个表征量子系统期望态和实际态间距离的Lyapunov函数.考虑到初始态与期望态分别正交和不正交的情况,提出一类带有状态反馈的控制策略,它可以保证闭环控制系统的稳定性.特别详细地分析、推导和证明了系统的渐进稳定性.最后,在一个自旋1/2粒子系统上进行了仿真实验,分析了不同参数情况下系统的状态演化时间和控制值间的关系.研究结果对于量子系统的控制具有一般理论意义.     

相互作用的量子系统模型及其物理控制过程

在充分考虑量子系统中粒子之间的相互作用以及可能需要的几何控制的基础上,建立了一个变量在李群的SU(4)上变化的、两个具有相互作用的自旋1/2粒子系统的数学模型.详细地描述了对具有相互作用的量子系统的物理控制过程.为进一步对量子系统有关的可控性、操纵以及反馈控制做好了准备工作.     

典型人工神经网络的结构、功能及其在智能系统中的应用

人工神经网络已在各个领域得到广泛的应用, 尤其是在智能系统中的非线性建模及其控制器的设计、模式分类与模式识别、联想记忆和优 化计算等方面更是得到人们的极大关注．本文从网络在智能系统中建模及控制器设计的具体 训练结构入手,详细介绍了BP网络在系统控制中的典型应用方式,并根据不同网络所具有的 功能,从性能对比的角度对人工神经网络在上述各方面的应用给予综述．