基于卷积神经网络的高效量子态层析方法

摘要

通过系统梳理多种量子态层析技术的重构算法，并结合MATLAB数值模拟，比较并分析了线性重构与回归估计、极大似然估计，以及基于深度神经网络量子态层析方法的重构效果.结果表明：基于卷积神经网络重构算法在1～3量子比特时，能够用较短时间均实现>99.5%的保真度；相较于其他经典重构算法，基于卷积神经网络重构算法在算法复杂度及保真度上具有显著优势；又因其对复杂模型具有较好的拟合能力，且辅助解决了估计密度矩阵中出现负本征值的问题，使得重构所得估计密度矩阵全部具有物理意义.

关键词

量子态层析 / 密度矩阵 / 卷积神经网络 / 保真度 / 负本征值