量子計算的特性精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的量子計算的特性主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：量子計算的特性范文
自1982年理查德·費曼（Richard Feynman）提出“量子計算機”的概念之后，人們對它頗為關注，眾多研究機構更是試圖借此開辟計算機時代的新紀元。但是，任憑人們千呼萬喚、前赴后繼，都沒能夠徹底揭開量子計算機的面紗。那么，量子計算機到底發展到了什么樣的階段？遇到了什么障礙？此次諾貝爾獎會對量子計算機的研發起到什么推動作用？量子計算機一旦面世，隨之而來的會是什么？
量子計算機是大勢所趨
所謂量子計算機，簡單來說就是利用量子攜帶信息、存儲數據，遵循量子算法進行高速的數學和邏輯運算的物理設備。我們熟知的傳統計算機的“心臟”依賴的是硅芯片，但是一個芯片的面積總是有限的。
硅晶體管作為在芯片上傳輸信息、處理信息的微型開關，每年都在縮小，但是，由于硅的特性和物理原理，尺寸縮小（現已達到納米級）將限制性能的提升。所以，對晶體管進行傳統的尺寸的擴展和收縮操作，不能再產生行業已經習慣的更低功耗、更低成本、更高速度的處理器的效果。雖然英特爾的22納米處理器已經面世，還計劃于2013年推出14納米處理器，對于10nm、7nm以及5nm的制程研發路線圖也已敲定，但是，只要粒子的尺度到了10的負10次方米以下，就會明顯出現量子特性，所以大部分物理學家堅持認為，摩爾定律不可能無限維持。
為了突破這道瓶頸，
IBM一直致力于研發碳納米管芯片，其研究人員在一個硅芯片上放置了1萬多個碳納米晶體管，從而能夠獲得比硅質器件更快的運行速度。IBM聲稱這一成果有望讓摩爾定律在下一個十年中繼續生效。但是，如何獲得高純度的碳、如何實現完美的制造工藝又是不可避免的問題。
因為量子計算機是利用量子攜帶信息的，所以，傳統計算機面臨的挑戰恰恰是量子計算機的優勢所在。量子計算機中的每個數據由不同粒子的量子狀態決定，根據量子力學原理，粒子的量子狀態是不同量子狀態的疊加。所以，量子計算機計算時采用的量子比特在同一時間內能夠呈現出多種狀態——既可以是1也可以是0，傳統計算機在運算中采用的傳統比特在特定時間內只能代表一個狀態——1或者0。這就是量子計算機與傳統計算機最大的不同之處。由于量子疊加狀態的不確定性，量子計算可以同時進行大量運算，它的潛在應用包括搜索由非結構化信息構成的數據庫，進行任務最優化和解決此前無法解答的數學問題。所以，量子計算機是大勢所趨。
實現方案眾多
量子計算機以其獨特的運算邏輯和強大的運算性能吸引了無數研究機構和科學家對其進行研究，也相繼取得了一些成果。量子計算機以處于量子狀態的原子作為中央處理器和內存，所以研制量子計算機，關鍵在于成功操控單個量子。相信大家一定對“薛定諤的貓”這一理論并不陌生，關在密閉籠子里的貓，由于量子狀態的不確定性，人們永遠不知道它是活著還是死亡。所以，處于宏觀世界的我們如何才能夠有效操控微觀世界的粒子，是極大的難題。從理論上講，量子計算機有幾十種體系，從實驗上也有十幾種實現方法。
阿羅什帶領他的團隊利用微米量級的高反射光學微腔實現了單個原子輻射光子的操作；瓦恩蘭的團隊則利用可結合激光冷卻技術，在離子阱中實現了單個離子的囚禁；IBM的托馬斯·沃森研究中心組建了一支龐大的研究團隊，依賴耶魯大學和加州大學圣巴巴拉分校過去幾年在量子計算領域取得的進展，意欲基于微電子制造技術實現量子計算；美國普林斯頓大學物理副教授杰森·培塔表示，他和加州大學圣巴巴拉分校的科學家利用電子的自旋特性，尋找到了操控電子的方法；利用聲波和超導材料，也可以實現量子計算機的拓展；總部位于加拿大的D-Wave公司的量子芯片使用了特殊的鈮金屬（元素符號Nb，一種類似于銀，柔軟的、可延展的金屬）材料，在低溫下呈超導態，其中的電流有順時針、逆時針以及順逆同時存在的混合狀態，而這正可以用來實現量子計算。
眾多方法中，最值得一提的便是阿羅什和瓦恩蘭的做法。阿羅什構造了一個腔，把單個光子囚禁在光腔里，實現量子的操控，再往腔里放入單個原子，使原子和光子相互作用，通過腔的損耗來調控它們的狀態。瓦恩蘭捕獲離子的方法，是用一系列電極營造出一個電場囚籠，離子如被裝進碗里的玻璃球，而后，用激光將離子冷卻，最終，最冷的一個離子安靜地待在碗底。他們獨立發明并優化了測量與操作單個粒子的實驗方法，而且單個粒子在實驗過程中還能保持量子的物理性質。
中國科學院院士郭光燦這樣評價阿羅什和瓦恩蘭的成就：量子計算這個領域已經取得了飛速發展，現在的技術已經超過當初的技術，但是起點是他們。我們現在關注的不是單個離子，而是多個離子的糾纏，比如兩個腔怎么連在一起，這是將來要做的，此外，還會有各種各樣的腔，比如光學腔、物體腔和超導腔等。現在做量子計算機，實際上就是做芯片，把很多離子糾纏在一起，分到各個區里面，如果這一步能實現，量子計算機有希望在這方面實現實質性突破。
過程艱難 但前景樂觀
自“量子計算機”的概念提出到現在的30年間，科學家們紛紛涉足，不管是在理論方面，還是實踐方面，都取得了一些不可忽視的成就。
近幾年來，量子計算機的領域更是全面開花，量子計算機不再是人們“只聞其名，不見其形”的概念型產品。英國布里斯托爾大學等機構以奧布賴恩為領導的研究人員更是在新一期美國《科學》雜志上宣布，成功研發出一種可用于量子計算的硅芯片。奧布賴恩表示，利用這種芯片技術，10年內可能就會研制出超越傳統計算機的量子計算機。
想要研制出實用的量子計算機，需要面臨科學技術方面的多重挑戰，其中最主要的兩大障礙就是：如何讓粒子長時間保持量子狀態，即保持相干性；如何讓盡量多的粒子實現共同計算，即實現量子糾纏。阿羅什和瓦恩蘭給出的實驗方法均成功地打破了這些障礙，實現了基礎性的突破。近幾年來，研究人員以他們的研究成果為出發點，不斷探索，取得了快速進展，可謂前景樂觀。
需要注意的是，量子計算機的出現會將網絡安全置于非常危險的境地，給現有的社會和經濟體系以及國防帶來潛在威脅。目前大部分的網絡保密是使用“RSA公開碼”的密碼技術。想要破譯這種密碼，就要對大數分解質因子，這是極其困難的。按照現有的理論計算，分解一個400位數的質因子，用目前最先進的巨型計算機也需要用10億年的時間，而人類的歷史才不過幾百萬年。然而，量子計算機能夠借助其強大的運算功能瞬間完成密碼破譯，這嚴重動搖了RSA公共碼的安全性。
目前，量子計算機給人們的印象不過類似于一個玩具，娛樂價值似乎更高一些，但是在不久的將來，它一定能夠引領計算機世界的潮流。
相關鏈接
量子計算機發展簡史
1982年，諾貝爾獎獲得者理查德·費曼（Richard Feynman）提出“量子計算機”的概念。
1985年，英國牛津大學的D. Deutsch進一步闡述了量子計算機的概念，并且證明了量子計算機比經典圖靈計算機具有更強大的功能。
1994年，貝爾實驗室的專家彼得·秀爾（Peter Shor）證明量子計算機能夠完成對數運算，而且速度遠勝傳統計算機。
2005年，世界第一臺量子計算機原型機在美國誕生，它基本符合了量子力學的全部本質特性。
2007年2月，加拿大D-Wave系統公司宣布研制成功16位量子比特的超導量子計算機。
2009年，世界第一臺通用編程量子計算機在美國國家標準技術研究院誕生。
2010年1月，美國哈佛大學和澳洲昆士蘭大學的科學家利用量子計算機準確算出了氫分子所含的能量。
2010年3月，德國于利希研究中心發表公報：該中心的超級計算機JUGENE成功模擬了42位的量子計算機。
第2篇：量子計算的特性范文
關鍵詞:量子力學 量子計算機
中圖分類號:TP39 文獻標識碼:A文章編號:1007-3973 (2010) 02-106-01
1量子力學對計算機技術發展的影響
自1646年第一臺電子計算機問世以來,其芯片發展速度日益加快。按照芯片的摩爾定律 ,其集成度在不久的將來有望達到原子分子量級。在享受計算機飛速發展帶來的種種便利的同時,我們也不得不面臨一個瓶頸問題,即根據量子力學理論,在芯片發展到微觀集成的時候,量子效應會影響甚至完全破壞芯片功能。因此,量子力學對計算機技術發展具有決定性作用。
1.1量子力學簡介
量子力學是近代自然科學的最重要的成就之一. 在量子力學的世界里,一個量子微觀體系的狀態是由一個波函數來描述的,而非由粒子的位置和動量描述,這就是它與經典力學最根本的區別。
1.2量子力學與量子計算機
量子力學的海森堡測不準原理決定了粒子的位置和動量是不能同時確定的()。當計算機芯片的密度很大時(即很小)將導致很大,電子不再被束縛,產生量子干涉效應,而這種干涉效應會完全破壞芯片的功能。為了克服量子力學對計算機發展的限制,計算機的發展方向必然和量子力學相結合,這樣不僅可以越過量子力學的障礙,而且可以開辟新的方向。
量子計算機就是以量子力學原理直接進行計算的計算機.保羅•貝尼奧夫在1981年第一次提出了制造量子計算機的理論。量子計算機的存儲和讀寫頭都以量子態存在的,這意味著存儲符號可以是0、1以及它們的疊加。
2量子計算機的優點
近年來的種種試驗表明,量子計算機的計算和分析能力都超越了經典計算機。它具有如此優越的性質正在于它的存儲讀取方式量子化。對量子計算機的原理分析可知,以下兩個個特性是令量子計算機優越性的根源所在。
2.1存儲量大、速度高
經典計算機由0或1的二進制數據位存儲數據,而量子計算機可以用自旋或者二能級態構造量子計算機中的數據位,即量子位。不同于經典計算機的在0與1之間必取其一,量子位可以是0 或者1,也可以是0和l的迭加態。
因此,量子計算機的n個量子位可以同時存儲2n個數據,遠高于經典計算機的單個存儲能力; 另一方面量子計算機可以同時進行多個讀取和計算,遠優于經典計算機的單次計算能力。量子計算機的存儲讀取特性使其具有存儲量大、讀取計算速度高的優點。
2.2可以實現量子平行態
由量子力學原理可知,如果體系的波函數不能是構成該體系的粒子的波函數的乘積,則該體系的狀態就處在一個糾纏態,即體系的粒子的狀態是相互糾纏在一起的。而量子糾纏態之間的關聯效應不受任何局域性假設限制,這使兩個處在糾纏態的粒子而言,不管它們離開有多么遙遠,對其中一個粒子進行作用,必然會同時影響到另外一個粒子.正是由于量子糾纏態之間的神奇的關聯效應, 使得量子計算機可以利用糾纏機制,實現量子平行算法,從而可以大大減少操作次數。
3量子計算機發展現狀和未來趨勢
3.1量子計算機實現的技術障礙
到目前為止,世界上還沒有真正意義上的量子計算機,它的實現還有許多技術上的問題。
量子計算機的優越性主要體現在量子迭加態的關聯效應. 然而,環境對迭加態的影響以及迭加態之間的相互作用會使這種關聯效應減弱甚至喪失,即量子力學去相干效應.因此應盡量減少環境對量子態的作用。同時,萬一由于相干效應引入了錯誤信息,必需能及時改正,這需要進一步的研究和實驗。
另一方面,量子態不能復制,使得不能把經典計算機中很完善的糾錯方法直接移植到量子計算機中來.由于量子計算機在計算過程中不能對量子態測量, 因為這種測量會改變量子態, 而且這種改變是不可恢復的,因此在糾錯方面存在很多問題。
3.2量子計算機的現狀
由于上述兩種原因,現在還無法確定未來的量子計算機究竟是什么樣的, 目前科學家門提出了幾種方案.
第一種方案是核磁共振計算機. 其原理是用自旋向上或向下表示量子位的0 和1 兩種狀態,重點在于實現自旋狀態的控制非操作,優點在于盡可能保證了量子態和環境的較好隔離。
第二種方案是離子阱計算機. 其原理是將一系列自旋為1/2 的冷離子被禁錮在線性量子勢阱里, 組成一個相對穩定的絕熱系統,重點在于由激光來實現自旋翻轉的控制非操作其優點在于極度減弱了去相干效應, 而且很容易在任意離子之間實現n 位量子門。
第三種方案是硅基半導體量子計算機. 其原理是在高純度硅中摻雜自旋為1/2的離子實現存儲信息的量子位,重點在于用絕緣物質實現量子態的隔絕,其優點在于可以利用現代高效的半導體技術。
此外還有線性光學方案, 腔量子動力學方案等.
3.3量子計算機的未來
隨著現代科學技術的發展,量子計算機也會逐漸走向現實研制和現實運用。量子計算機不但于未來的計算機產業的發展緊密相關,更重要的是它與國家的保密、電子銀行、軍事和通訊等重要領域密切相關。實現量子計算機是21 世紀科學技術的最重要的目標之一。
參考文獻:
[1]胡連榮. 速度驚人的量子計算機[J].知識就是力量
[2]付剛.“量子計算機”解密[N].中安在線-安徽日報
[3]譚華海.量子計算機研究的最新進展[J].教育部科技發展中心內刊.
第3篇：量子計算的特性范文
關鍵詞：量子信息論；信道容量；光通信
中圖分類號：N031 文獻標識碼：A
文章編號：1005-913X（2012）08-0163-01
一、引言
信息論或者稱為通信的數學理論，是研究信息的傳輸、存儲和處理的科學。Shannon信息論是其主要代表。而在量子世界里，信號的物理特性與其所傳輸的信息完全緊密聯系，從而產生了量子信息論。近年來，量子密碼技術、量子通信、量子計算、量子模擬、量子度量學等方面都取得了很大進展[1]如今，光通信中有關信息論的相關理論已成為人們關心的課題。本文將對量子信息學在光通信中的應用進行分析和比較。
二、Shannon信息論
（一）信息熵的概念
Shannon從研究通信系統傳輸的實質出發提出了信息熵H（X）的概念 [2]
I（X；Y） = H（X）-H（X/Y） （1）
也可表示為：
■ （2）
（二）信道容量
信道容量C，它反應了信道傳輸信息的能力，是信道特性的參量。
C=max{I（X；Y）} （bit/event） （3）
Shannon對信道研究后發現由高斯信道可推導出Shannon公式[2]
C=Bln=Bln
■ （4）
N0是每單位頻率的信噪比，B是帶寬。
高斯信道中的信息量達到極限時[6]：
C=limB ln（1+S/（N0*W））=■lne=1.44■（bit） （5）
三、量子信息論
量子信息論采用與信息論相類似的方式向前發展。 [3] 在量子信息論中常用量子位或者量子比特表示信息單位。如|Ψ>=α|0>+β|1>（|α|2+|β|2=1），|Ψ>，又稱為疊加態。
量子比特之所以與比特有如此大的差異是因為量子態是相互糾纏的。
（一）馮諾依曼（Von Neumann）熵
與經典信息論相似，量子信息論定義了馮諾依曼（Von Neumann）熵為：
S（ρ）=-Trρlogρ （6）
當組成混合態系統的每個純態是相互正交時，（6）式退化為
S（ρ）=-Trρlogρ=■pilogpi （7）
馮諾依曼（Von Neumann）熵等于Shannon熵；而當各純態相互不正交時，可證明系統的馮諾依曼熵將小于Shannon熵。
（二）量子信道與信道容量
在量子信息論中有三種信道容量概念：①無經典輔助條件下傳輸完整量子信息的信道容量Q（N）②只傳輸經典信息時的信道容量C（N）③在一般信道輔助下傳輸量子信息的信道容量Q2（N）。Q（N）與C（N）的定義形式相同；如Q（N）定義為：對于任意大的n和任意小的ε，當n個量子比特的每個量子態|φ>經過編碼、信道傳輸和解碼后的保真度都大于1 -ε 時的量子信道的最大傳輸速率；用數學公式可精確地表示為
Q（N）=■■sup{■：■m，E，D
■ψ∈H2n>1-ε （8）
但是，對于絕大多數的有噪聲量子信道，這種容量并不能計算出具體值，而僅是一個取值范圍。
在信息論中，Q（N）可通過干信息來描述，而C（N）完全由可獲信息來確定。
四、光纖通信中的信息量
在光量子信道中，對于頻率fi，輸出信號的平均量子數為
yi=xi+ni （9）
假設xi與ni 統計獨立。設xi，ni，yi的概率密度函數為p（xi），p（ni），p（yi），則p（yi/xi）=p（ni）。[5]在特定頻率fi上，光量子信道的平均互信息[4]
I（yi；xi）=H（yi）- H（ni） （10）
因為固定時間間隔t，t=■，所以單位時間內的平均互信息
I（X；Y）=■■I（yi；xi）=H（Y）-H（n） （11）
在fi上，假設接收信號的光量子的離散能譜為
EI=hfi （h是普朗克常數） （12）
由于熱輻射，光量子的波動服從Gibb分布
P（ni）=■ （13）
可得光量子的波動引起的噪聲熵
H（nI）=π2Kt/3hln2 （14）
由（12）式，可得單位時間內信號的平均能量
S=EI=■■■xi ρ（xi）hfi （15）
而輸出信號的平均功率是
■■■yi ρ（yi）hfi
=S+■■■ni ρ（ni）hfi （16）
所以，對于窄帶的光量子信道，帶寬f
就等于Shannon信道容量公式。
五、結束語
Shannon信息論是一套數學理論，而在物理效應非常明顯的量子世界里討論信息問題時，量子信息論起著支柱作用。它的實用性在量子密碼通信和量子計算機已經初步實現。[7]現代信息論的理論與方法變得更加全面和深刻。必將在包括光通信在內的廣闊通信領域發揮重要作用。
參考文獻：
[1] 周正威，等.量子信息技術縱覽[J].科學通報，2012（17）.
第4篇：量子計算的特性范文
關鍵詞：智能信息處理技術；量子計算智能導論；教學實踐
人類正被數據淹沒，卻饑渴于知識。面臨浩瀚無際而被污染的數據，人們呼喚從數據中來一個去粗取精、去偽存真的技術。而數據挖掘就是從大量數據中識別出有效的、新穎的、潛在有用的，以及最終可理解的知識和模式的高級操作過程，所以數據挖掘也可以說是一個模式識別的過程，因此模式識別領域的許多技術經過一定的改進便可以在數據挖掘中起重要的作用。計算智能(Computational Intelligence-CI)方法是傳統人工智能(Artificial Intelligence，AI)的擴展，它是模式識別技術發展的新階段[1]。
科學家預言：“21世紀，人類將從經典信息時代跨越到量子信息時代”。創立了一個世紀的量子力學隨著20世紀90年代與信息科學交叉融合誕生的量子信息學，已成為量子信息時代來臨的重要標志[2]。量子計算智能導論作為信息科學、計算機科學、智能信息處理、人工智能等相關專業的研究生專業課程，已經在越來越多的高等學校開設。
由于量子計算智能是一門跨越包括物理學、數學、計算機科學、電子機械、通訊、生理學、進化理論和心理學等學科在內的深奧科學，因此量子計算智能導論的教學內容和側重點的安排目前仍處在探索階段，尤其作為研究生課程如何使得學生在掌握深奧理論的基礎上結合實際應用，將理論轉化為技術與工具，從而提高動手能力，這是每個研究生專業課任課老師的核心探索所在，因此就要求老師在授業解惑的同時關注前沿，以該學科的前沿領域為教學指引，進而更好的培養研究生主動探索知識的能力。
1教材選擇
一本好的教材為教學起到了畫龍點睛的作用，因此教材的選擇即是老師對教學內容，教學目標和教學方法的選擇。我們選擇教材，期望該教材由淺入深、深入淺出、可讀性好，具有系統性、交叉性、前沿性等特點。由于量子計算智能導論為全校研究生的專業課程，而量子計算智能是一門多學科交叉的綜合型學科，因此我們要考慮到來自學校不同專業背景，以及在物理，數學，工程優化和進化理論基礎有限的兩難困境，所以首先選擇了一本關于量子計算的英文原版書作為教材之一，Michael Nielsen等人所著的《Quantum Computation and Quantum Information》[3]，2003年高等教育出版社出版，該書全面介紹了量子計算與量子信息學領域的主要思想與技術。到目前為止，該領域的高速進展與學科交叉的特性使得初學者感到困惑而不易對其主要技術與結論有綜合性的認識，而該書特色在于對量子機制和計算機科學給予了指導性介紹，使得那些沒有物理學或計算機科學背景的學生對此也易于接受，為學生提供了詳實的關于量子計算的物理原理和基本概念；另外考慮到這門課程面向研究生，無論將來他們是直接就業還是繼續深造，都要注重實踐動手能力的培養，要能夠將自己所學的書本知識轉化為技術和工具，去解決實際的工程和科研問題，因此我們還選擇了另外一門書，由李士勇教授所著的《量子計算與量子優化算法》[4]，哈爾濱工業大學出版社于2009年出版，該書著重講解了量子優化算法，為實際工程應用提供了新的思路，并啟發大家在量子計算機沒有走出實驗室的今天，如何利用現有的數字式計算機構造具有量子特性的快速算法。當然考慮到全校研究生的專業知識背景不同，我們也推薦了中南大學蔡自興教授等編著，2004年由清華大學出版社出版的《人工智能及其應用：研究生用書(第三版)》[5]，該書是蔡自興為主講教授的國家精品課程人工智能的配套教材，該本書中系統全面的講解了高級知識推理、分布式人工智能與艾真體、計算智能、進化計算、群智能優化、自然計算、免疫計算以及知識發現和數據挖掘等近年的熱點智能方法，從而輔助學生了解人工智能，以及人工智能如何發展到計算智能，使得學生全面認識學科的發展和傳承性，為今后學習量子計算智能打下堅實的理論基礎。
2教學內容
本課程從量子計算的基本概念和原理出發，重點講解量子計算基礎和基本的量子算法；并從量子優化算法拓展開來。該門課程我們安排了46學時，具體安排如下：第1章，量子力學基礎(2學時)；第2章，量子計算基礎(4學時)；第3章，基本量子算法(4學時)；第4章，Grover量子搜索算法的改進(4學時)；第5章，量子遺傳算法(8學時)；第6章，量子群智能優化算法(8學時)；第7章，量子神經網絡模型與算法(8學時)；第8章，量子遺傳算法在模糊神經控制中的應用(8學時)。
3教學方法
3.1理論與實踐相結合的教學方法
量子計算智能導論是一門多學科交叉的綜合型學科。選課的同學來自全校，各個的專業背景不同，但是大家的共同需求是一樣的，就是從課程中掌握一種用于解決實際問題的工程技術，但是工程技術的掌握也需要理論的支撐，因此我們在教學實踐中總結出了一套方法，具體做法是將教學內容劃分為：理論型和實踐型。
理論型教學指的是發展完善的量子計算基本原理和方法。其內容包括：量子位、量子線路、量子Fourier 變換、量子搜索算法和量子計算機的物理實現等。而其中量子位、量子線路以及量子算法都是以量子相對論為基礎的，這也是量子計算的本質原理，而較之我們熟悉的數字式計算機和計算方式有著本質的區別。我們在教學中由淺入深，通過PPT授課，采取理論與實例相結合的講授方式。下面給出了一個我們在教學中的實例：將量子計算問題形象化。具體內容如下。
讓我們想象一下下面這個問題。我們要找一條穿過復雜迷宮的路。每次我們沿著一條路走，很快就會碰到新的岔路。即使知道出去的路，還是容易迷路。換句話說，有一個著名的走迷宮算法就是右手法則――順著右手邊的墻走，直到出去(包括繞過絕路)。這條路也許并不很短，但是至少您不會反復走相同的過道。以計算機術語表述，這條規則也可以稱作遞歸樹下行。現在讓我們想象另外一種解決方案。站在迷宮入口，釋放足夠數量的著色氣體，以同時充滿迷宮的每條過道。讓一位合作者站在出口處。當她看到一縷著色氣體出來時，就向那些氣體粒子詢問它們走過的路徑。她詢問的第一個粒子走過的路徑最有可能是穿過迷宮的所有可能路徑中最短的一條。當然，氣體顆粒絕不會給我們講述它們的旅行。但是 量子算法以一種同我們的方案非常類似的方式運作。即，量子算法先把整個問題空間填滿，然后只需費心去問問正確的解決方案(把所有的絕路排除在答案空間以外)。這樣以來，一個枯燥晦澀的量子算法就被很形象的解釋，因此增強了學生的記憶也加深了理解，從而提高了學生的學習興趣。
實踐型教學指的是正在發展中的量子計算智能方法的熱點問題。其內容包括：量子遺傳算法，混沌量子免疫算法，量子蟻群算法，量子粒子群算法，量子神經網絡模型與算法，和這些算法在實際工程優化中的應用。這部分內容屬于本學科的前沿，但也是熱點問題，因此這部分我們在教學中忽略理論推導，重點強調實際操作，在PPT課件中增加仿真實例的講解；并在課下布置相應的上機操作習題，配合上機實踐課程，鍛煉學生的動手能力，同時也引導學生去關注這些前沿，從而培養他們的科研素養。
為了體現該門課的教學特點，我們在考核方式上，采取考試與報告相結合的方式，其中理論部分我們采取閉卷考試，占總考評分數的40%；實踐部分采取上機技術報告考核，內容為上機實踐課程布置的大作業，給出詳實的算法流程圖和仿真結果與分析，占總考評分數的40%；出勤率占總考評分數的20%。
3.2科研素養的培養與實踐能力的提高
科研素養的最核心部分，就是一個人對待科研情感態度和價值觀，科研素養的培養不僅使學生獲得知識和技能，更重要的是使其獲得科學思想、科學精神和科學方法的熏陶和培養。正如溫總理說的那樣：“教是為了不教，學是為了會學”，當學生將課本內容遺忘后，遺留下來的東西即是他們所具備的科研素養。因此，在教學中，我們的宗旨也是提高學生的科研素養，量子計算智能導論是一門理論和實踐緊密結合的學科，該學科的發展日新月異，在信息處理領域的關注度也越來越高。在教學實踐中，我們采用了上機實踐和技術報告相結合的教學方式。掌握各種量子計算智能方法的原理和流程是這門課程教學的首要任務，因此學生結合各自研究方向實現量子智能算法在實際科研任務中的優化問題求解。在上機實踐中，學生不僅要掌握該智能算法的流程而且重點關注學生對
自己科研任務的建模，學會系統分析問題，建立合理的數學模型，并給出理論分析。上機實踐驗收中，我們不但考察其結果展示，更增加了上機實踐的技術報告，用來分析模型建立的合理性，從而培養學生對待科研問題的分析素養和建模素養。在技術報告中，我們要求學生給出幾種可供參考的建模模型，并分析各自的優勢，和選擇這一解決方案的依據。由于量子計算智能導論是面向研究生開設的課程，在教學中，我們更佳關注其分析問題的能力，和解決問題的合理性的思考能力，從而培養學生的科研素養。
4結語
把教學當做一門藝術，是我們作為高校老師畢生追求的目標，如何做到重點講透，難點講通，要點講清，這也是我們多年教學中一直關注的關鍵點。我們在教學中反對“灌輸式”，強調“啟發式”，以實際應用先導教學是非常可取的，也收到了良好的效果。量子計算智能導論是一門綜合型交叉學科，且面向研究生開設，因此在教學實踐中，我們十分重視學生科研素養的培養。通過上機實踐和技術報告的形式引導學生積極動手，積極思考。希望這些教學中的點滴供同行們交流探討。
參考文獻：
[1] 焦李成,劉芳,緱水平,等. 智能數據挖掘與知識發現[M]. 西安:西安電子科技大學出版社,2006.
[2] 田新華. 跟蹤國際學術前沿迎接量子信息時代:《量子計算與量子優化算法》評介[J]. 科技導報,2010,28(6):122.
[3]Michael A. Nielsen ,Isaac L. Chuang. Quantum Computation and Quantum Information [M]. 北京:高等教育出版社,2003.
[4] 李士勇,李盼池. 量子計算與量子優化算法[M]. 哈爾濱:哈爾濱工業大學出版社,2009.
[5] 蔡自興,徐光v. 人工智能及其應用:研究生用書[M]. 3版. 北京:清華大學出版社,2004.
Exploration on Introduction to Quantum Computational Intelligence
LI Yangyang, SHANG Ronghua, JIAO Licheng
(School of Electronic Engineering, Xidian University, Xi’an 710071, China)
第5篇：量子計算的特性范文
美國天體物理聯合研究實驗室的物理學家與德國馬爾堡大學的理論學家合作，發現了一類新的準粒子：他們利用超快激光，讓半導體內部的多個電子和空穴以新的方式排列組合，凝結成類似于液體的“量子液滴”。盡管壽命只有短暫的25皮秒（1皮秒=萬億分之一秒），但“量子液滴”的穩定性卻足以用于研究光和物質的特定形式如何相互作用。
當電子在半導體中流過時，在原本的位置留下一個空穴。電子可以與空穴結合成對，被稱為激子，屬于準粒子的一種。而新發現的準粒子是電子和空穴以非成對的方式排列而成的微觀復合體。研究人員稱之為“量子液滴”，因為它既具有量子特性，比如井然有序的能級，同時也擁有一些液體的特性，比如可以產生漣漪。它不同于我們所熟悉的液體水，因為“量子液滴”的大小非常有限，超過這一限度后，電子和空穴之間的這種相關性就會消失。
在這項實驗中，研究小組向砷化鎵半導體發射每秒約1億脈沖的超快紅色激光。激光脈沖首先產生的是激子，隨著脈沖強度增加，更多的電子和空穴對被創建出來。但當激子的密度達到一定水平時，原本綁定的電子和空穴就會解散。電子繼而繞空穴形成環形波，就像液體中原子的排列一樣。在周圍等離子體的壓力下，帶負電的電子和帶正電的空穴被“擠壓”成為呈中性的“液滴”。研究人員發現，4個電子和4個空穴就足以構成一滴“液滴”，最多時“液滴”中的電子和空穴數量均可以達到14個。研究人員稱，他們獲得的關于單個“液滴”能級的實驗數據與理論計算是吻合的。調整激光脈沖的量子特性，可以讓能級與“液滴”內部粒子的相關性匹配。“液滴”似乎也足夠穩定，有助于未來系統性研究光和物質狀態之間相互作用。而且，準粒子通常擁有其組成粒子所不具備的獨特性質，可以在控制較大的系統和設備方面發揮作用。
美國天體物理聯合研究實驗室的物理學家史蒂芬?坎迪夫說：“說到實際用處，沒人打算去研制一個‘量子液滴’小設備，但這確實可以間接地加深我們對電子在不同的情況下，包括在光電子器件中如何相互作用的認識。”
第6篇：量子計算的特性范文
【關鍵詞】量子通信；量子信息學；量子信道；光子探測
1.引言
量子通信是量子力學和通信科學相結合的產物，可以實現經典信息論不能完成的信息處理任務。量子通信以量子力學為基礎，其研究包括：量子隱形傳態、量子安全直接通信等研究方向，對現有信息技術帶來了重大突破，引起了學術界高度重視。近年來，有關量子計算機、量子相干性、量子通信、量子密碼等理論和研究大熱，其中，量子通信作為量子信息研究的內容之一，成為物理學等領域最活躍的研究熱點。量子通信理論上可以實現絕對安全的通信過程，最初是利用光纖完成的，但由于光纖受地理和自身限制，無法實現遠距離的量子通信，不利于全球化量子通信。1993年，6位來自不同國家的科學提出了利用量子隱形傳送方案，構建了一種脫離實物的量子通信系統，以量子態作為信息載體，通過量子態的傳送完成了大容量信息的傳輸，實現原則上不可被破譯的通信技術。由于存在不可避免的環境噪聲，量子的糾纏態品質會隨著傳送距離的增加而變得越來越差。因此，量子通信不可避免地首先要解決傳輸距離的限制才能具有良好的應用前景。空間量子通信技術利用分發糾纏光子的方法為遠程量子通信的研究提供了一種途徑。
2.空間量子通信技術原理
量子通信具有“容量大、速度快、保密性好”的優點，其過程遵從量子力學原理。典型的量子通信系統包括：量子態發生器、通道和量子測量裝置。具有量子效應的粒子如：光子、電子、原子等，都可以作為實現量子通信的量子信號[1]。由于光信號具有良好的傳輸特性，我們現在通常所說的量子通信系統均為量子光通信系統。單光子（糾纏光子對）的分發是實現空間量子通信的前提，空間量子通信技術可以通過空間技術實現全球化的量子通信，克服自由空間鏈路帶來的距離限制，圖1給出了典型量子通信實驗系統組成。
使用糾纏量子信號的量子態隱形傳輸技術是未來量子通信網絡的核心技術[2]，其原理如下：根據量子力學理論，由兩個光子組成的糾纏光子對（薛定諤將多體量子狀態的不可分的相互關聯稱為量子糾纏），無論其在宇宙中相隔多遠，其狀態均不可分割。單獨測量其中一個光子狀態，會得到完全隨機的結果，根據海森堡測不準原理，一旦測量了其中一個光子的狀態，即使其發生了變化，那么另一個光子也會發生同樣的變化，即“塌縮”到相同的狀態。利用這一特性，通信者Alice隨機產生一個比特，再隨機改變自己的基來制備傳輸量子態，并重復多次，接收者Bob通過量子信道進行接收，他測量每個光子，也隨機改變自己的基，當兩人的基相同時，就得到了一組互補的隨機數。一旦竊聽者Eve進行竊聽，糾纏光子對的特性就被破壞，Alice和Bob就會發覺，因此利用這種方式的通信是絕對安全的。
3.量子通信的研究進展和趨勢
人們最初對量子的研究是基于對光的研究進行的，由于量子通信可以建立無法被破譯的通信系統，因此受到美國、歐盟、日本等國在內有關科研機構的大力研究和發展，我國在這方面的研究成果也受到了國際上的廣泛關注。特別是在量子通信的演示驗證試驗方面，學術界已經由地面自由空間傳輸試驗向空間傳輸試驗發展[1][3]。
（1）分發協議的發展
1984年，IBM公司的Chales H.Bennet和加拿大蒙特利爾大學的Gilles Brassard提出了第一個分發協議——BB84協議[4]。在1992年，他們又提出了EPR協議，又稱E91協議，將糾纏態首次與量子通信聯系起來[5]。2002年，Bostrom和Felbinger提出了Ping-pong協議[6]，這是一個十分重要的協議，其信息可以被確定性的直接傳輸，明顯提高了傳輸相率，受到人們的重視。目前所有實驗基本上基于上述協議進行的[7]。
（2）地面自由空間量子通信實驗進展
1993年，美國IBM公司基于糾纏態交換的實驗方案實現了世界上第一個量子信息傳輸實驗，傳輸距離32cm，傳輸速率10bps，從此拉開了量子通信實驗研究的序幕[1]。表1給出了現在國內外較著名的地面自由空間量子通信實驗及成果[2][8-10]。
其中，中國科學技術大學潘建偉教授、清華大學彭承志教授等人于2005年至2009年間一系列的研究成果表明量子隱態傳輸穿越大氣層是可行的，糾纏光子在穿透等效于整個大氣厚度的地面大氣后，其糾纏特性仍可以保持，這為未來空間量子通信技術的發展奠定了基礎[7]。2007年，Zeilinger領導的聯合實驗室在奧地利兩海島間實現了跨越144km距離的基于誘騙態和糾纏態量子通信，是目前為止自由空間量子通信實驗距離的世界紀錄[7]。該實驗的單光子源采用弱相干脈沖[10]，鏈路采用雙向主動望遠鏡跟蹤系統，包括一臺光學望遠鏡（可發送單光子同時接收信標激光信號）及一架CCD相機等部件，如圖2所示。這個實驗的成功被認為是實現空間量子通信的重要基石。
由于量子通信的優勢和特點，許多國家都把其列入重點研究范圍，縱觀各國研究現狀，不難發現，美國側重研究量子理論，正在大力研究和發展量子計算機和量子通信的理論和技術，希望在十年內有所突破。歐洲則對星地量子通信等空間應用較感興趣，善于聯合各國力量推動量子通信技術發展，現已開展相關實驗。日本則重點致力于提高量子通信傳輸速率，并致力于量子網絡系統的搭建和研究。我國目前已經在自由空間量子通信上取得了一系列世界領先的科研成果，需要廣大科研人員繼續努力，保持我國在該領域的領先地位。
（3）量子通信在空間的實驗計劃
歐空局（ESA）自2002年以來資助了一系列空間量子通信研究，如QSpace項目（2002年-2003年），ACCOM項目（2004年），QIPS（2005年-2007年）。QSpace項目一來是為了驗證基于量子物理學的空間通信技術的可行性，二來是為了驗證空間量子通信較地面量子通信的優勢，如可避免大氣擾動和吸收的影響等[11]。為此該項目進行了一些列的試驗，獲得了空間量子通信四項主要應用方向，對空間量子通信技術優勢進行了歸納總結。ACCOM項目主要包括一個空-地單向通信實驗，該實驗基于當時的星間光通信技術，利用一個空基發射機對多個分布式地基接收機間進行自由空間量子通信實驗，首次研發出了一種可重復使用光學收發終端。該項目的實驗系統是在經典光學通信系統上進行復雜設計后改建的。QIPS項目即為上面描述的Zeilinger領導的聯合實驗團隊進行的144km量子通信實驗。實驗表明，144km地面水平傳輸實驗量子信道傳輸損耗約為25-30dB，這一數值與低軌衛星與地面間傳輸損耗大致相當，由此可見，同樣的技術應用于空-地系統更具發展潛力和優勢。
基于上述研究成果，維也納大學的研究團隊于2004年提出了Space-QUEST計劃。審核該計劃的ELIPS-2項目組認為該計劃具有非常巨大的優勢并強烈推薦ESA進行資助并實施。Space-QUEST實驗旨在首次驗證如下內容[11]：
1）基于新型量子通信技術（QKD）的全球無條件安全空間信息傳輸技術。
2）利用空間環境優勢，突破地基量子通信瓶頸，實現空間量子通信。
如圖4所示，該計劃擬采用國際空間站（ISS）上搭載的量子通信終端設備向地面發送糾纏態光子來進行，搭載的光學望遠鏡口徑僅10-15cm，載荷總重小于100kg，峰值功率小于250W，收發終端間距離大于1000km，遠遠超過現有地基實驗系統傳輸距離。該計劃最終將于2015年實施完成。
（4）空間量子通信技術存在的主要問題
一是空間量子通信噪聲干擾消除問題。由于現實通訊狀況的不完美和噪聲干擾，所有的量子密碼協議的噪聲干擾如果跟有竊聽者存在所帶來的噪聲沒有差別[1]，通信連路是無法建立起來的；二是自由空間量子信道的傳輸特性問題。不同地面環境對光子傳播的影響，包括大氣衰減和退極化效應。4.總結
如上所述，近年來量子通信由于其安全性引起了研究人員廣泛地興趣，目前在實驗領域取得了一系列進展，其中量子態的隱形傳輸，量子網絡等技術正逐步走向實用。正是因為量子擁有廣袤的實用前景，各國均在量子通信技術方面加大科研投入。但是在降低單光子源成本、加大通信傳輸距離、增強檢測概率等一些關鍵性問題上還需要進一步研究。本文主要闡述了空間量子通信技術的產生、基本原理、發展歷程和現狀，并對空間量子通信技術存在的問題和難點進行了介紹。筆者相信，隨著科學技術的發展，量子通信技術實用化、商用化指日可待。
參考文獻
[1]閻毅.自由空間量子通信若干問題研究[J].西安電子科技大學，2009.
[2]CZ Peng，T Yang，et al.Experimental free-space distribution of entangled photon pairs over 13km：towards satellite-based global quantum communication[J].PhysicalReviewLetters，2005（94）.
[3]金賢敏.遠程量子通信的實驗研究[J].中國科學技術大學學報，2008.
[4]C.H.Bennett and G.Brassard，in Proc.IEEE Int.Conf.on Computers，Systems and Signal Processing Bangalore，India，pp.175-179.
[5]C.H.Bennett，Quantum cryptography using any two nonorthogonal states.Phys.Rev.Lett.68：3121-3124，1992.
[6]Bostrom K，Felbinger T.Deterministic Secure Direct Communication Using Entanglement[J].Phys Rev Lett，2002，89（18）：187-902.
[7]何玲燕，王川.量子通信原理及進展概述[J].中國電子科學研究院學報，2012，7（5）：466-471.
[8]Richard J Hughes，Jane E Nordholt et al.Practical Free-Space Quantum Key Distribution over 10km in Daylight and at Night[J].New Journal of Physics，2002（4）.
[9]RarityJ G，Gorman P M，et al.Secure Key Exchanger Over 1.9km Free-Space Range Using Quantum Crypto-graphy[J].Electronics Letters，2001，37（8）：512-514.
第7篇：量子計算的特性范文
全球著名的密碼專家、EMC技術總裁辦公室全球創新網絡高級總監Burt Kaliski 博士
Burt Kaliski 博士是全球著名的密碼學專家,1991年幫助建立了RSA實驗室,領導了公鑰密碼標準(PKCS)的制定。2006年,EMC公司收購RSA公司后,他作為關鍵人才之一加盟EMC公司,目前,他領導著EMC全球創新網絡。記者就有關密碼技術研究的相關問題對他進行了專訪。
記者: 量子密碼技術一直很熱,由于它采用光學原理,借助光量子一次傳輸并很難復原的特性,加密雙方進行密鑰協商,一旦光量子被黑客截取,接收方就能知道; 并且,截取的光量子很難復原,因此,無論黑客的計算機速度有多快,量子加密都無法被破解,因此,它被認為是不可破解的加密技術,請問您如何看待這一加密技術。
Burt Kaliski: 你問對了人,我是全球比較了解量子密碼技術的人,早在本世紀初,我就是全球第一家提供量子密碼技術的廠商的顧問。你說的確實對,從加密原理和算法上看,量子加密確實無法被破解,它的主要長處就在于任何人如果試圖破解它都能被檢測出來。但是, 一種加密方法能否商用,還要看它的物理特性。天下沒有免費的午餐,一件東西太好,就會增加額外的成本。量子加密也不例外,它增加的是額外的物理成本。它采用的傳輸線路是光纖,只能從一個點到另一個點; 并且,其傳輸距離也有限制,它的最長距離限制大概是100公里,所以我們必須一段一段把線路保護起來,而且每一個中間的部分還必須要用額外的物理保護,這就極大增加了物理成本。否則,如果黑客從物理上攻擊,量子加密同樣會被攻破。
正因為如此,剛開始時,RSA公司曾經想收購那家提供量子密碼技術的公司,但最終放棄了收購。
記者: 請問,國際密碼研究現在有什么進展?現在您研究的一些最新的密碼技術,哪些進入到RSA產品線中應用起來了?
Burt Kaliski: 密碼算法當然是密鑰越長越難以破解。但總體而言,128位的算法,采用當今的計算機是無法破解的。按照今天的計算速度,不要說128位,就是80位的加密算法,也很難破解。摩爾定律說計算機的速度每18個月要翻一番,但密鑰只需要加一位就足以應對。
密碼技術研究只是信息安全技術的基礎,當你設計一個加密系統的時候,必須要考慮各種攻擊的可能性,有的是數學方面的,有的是現實方面的,比如目前的計算能力。因此,目前全球的許多信息安全設備中使用的一些算法,都是很久以前就研究出來的,足以應對當前的安全形勢,相當長的時間內不會被置換掉。
這些是加密技術的數學性質,但事實上,很可能有一些物理方面的攻擊,比如打開硬件設備,將密碼替換掉等等。由于這些原因,如果需要保護一些更重要的應用,應該找到更強的加密方法。
因此,我的建議是: 一密鑰越長越好,二不僅采用一種加密算法,可以采用多種加密算法,三對于特殊需求,可加上更多物理方面的保護。
記者: 您現在領導的EMC全球創新網絡是什么意思?有何意義?目前正在研究哪些前瞻性的技術?
Burt Kaliski: 我到了EMC公司后,研究領域進一步擴展,除了密碼技術外,還進一步研究信息整合、信息管理。
EMC創新網絡是兩年前由EMC首席技術官Jeff Nick領導創立的,主要方法是,項目研究人員可利用電話會議和社交媒體工具向分布于全球的同事們傳播知識。這是在21世紀,公司進行項目研究的非常棒的做法。創新網絡計劃遵循一個簡單的模式: “在當地拓展知識,向全球傳播知識。”
第8篇：量子計算的特性范文
應用于增量式光電編碼器的相關自適應濾波方法??
超二代微光像增強器Na2KSb(Cs)多堿光電陰極熒光譜研究??
電光雙穩態系統的混沌特性分析??
利用交叉克爾效應制備六光子糾纏態?
非線性光學腔中的相位調制光機械動力學??
超高速攝影儀轉鏡運轉可靠性數值與實驗分析??
含耐高溫涂覆層長周期光纖光柵的溫度特性研究?
基于最小二乘支持向量機回歸的背景偏振光譜二向反射分布建模分析?
基于紫外光誘導血漿的三維同步熒光光譜共振能量轉移及能量再吸收的分析
單晶硅表面金字塔生長過程的實驗研究??
微喇曼和紅外光譜法研究化學氣相沉積金剛石多晶膜結晶質量特性
平面光柵支撐結構設計及其面形分析計算
中波紅外景象投影光學系統消熱差設計??
高精度物鏡波紋管致動器的線性度分析
基于同步載波提取的光纖傳感器相位生成載波解調方法??
反射式光學電壓互感器光路建模及偏振誤差分析??
一種改進型視角投影圖像彩色計算全息術的三維重構算法??
基于梯度和運動估計的視頻質量評價?
多尺度無監督彩色圖像分割??
一種多尺度邊緣測度融合加權HD算法
基于強度傳輸方程的相位檢索??
基于改進光線投影算法的混凝土CT三維重建研究?
抗亮度和對比度調整的盲魯棒量化水印算法
液體中光擊穿所激發聲場的理論研究??
基于FournierForand體積散射函數的水中激光脈沖后向散射特性分析模型??
基于古斯-漢欣位移效應的波長傳感研究??
用于觸摸屏的帶有微結構的導光管的設計??
基于slot波導的硅基長波紅外偏振無關定向耦合器分析??
磁鏡陣列像增強器的調制傳遞函數研究??
亞單層黃色有機發光器件制備與光電性能研究?
半導體納米顆粒電子的超快弛豫過程
環境溫度對納米磁流體場誘導光學雙折射的影響??
不同泵浦光下Nd:GdVO4晶體輸出特性??
啁啾超短激光脈沖對二能級體系特性的調控??
LD側面抽運Nd:YAP腔內三倍頻藍光激光器??
660nm單一波長Nd:YAG陶瓷激光器??
300～1100nm寬波段光學系統設計??
雙譜段全景電暈探測光學系統
子孔徑布局對拼接光學系統像質的影響?
基于梯度折射率透鏡的管道內窺鏡設計??
基于光子晶體異質結的高效太陽能電池反射器研究?
利用沖擊波作用光子晶體產生藍光的研究??
二維高效光子晶體偏振分束器
量子隱形傳態的類簇態信道方案
兩量子位Grover量子算法NMR脈沖序列參量的研究??
脈沖激光作用下的量子定位實驗方案的設計及分析??
BR-D96N薄膜共線全息圖像存儲實驗研究??
基于空間光調制器的多層圖像的構建與可視化??
基于互信息的高動態范圍成像系統成像質量分析??
一種背景誤差累積的高光譜圖像異常檢測算法??
基于液體的電控光學成像系統??
微小孔非傍軸衍射光束傳輸特性的研究?
平頂高斯光束經含失調圓孔光闌的失調光學系統的傳輸特性??
大氣信道對垂直發收模式紫外光散射通信性能影響的仿真??
應用耦合模理論研究光在圓對稱雙包層光纖中的傳輸??
磁光光纖中光脈沖的非線性傳播特性研究??
含分壓電阻的光折變屏蔽光伏空間灰孤子??
第9篇：量子計算的特性范文
為降低神經網絡的冗余連接及不必要的計算代價，將量子免疫克隆算法應用于神經網絡的優化過程，通過產生具有稀疏度的權值來優化神經網絡結構。算法能夠有效刪除神經網絡中的冗余連接和隱層節點，并同時提高神經網絡的學習效率、函數逼近精度和泛化能力。該算法已應用于秦始皇帝陵博物院野外文物安防系統。經實際檢驗，算法提高了目標分類概率，降低了誤報率。
關鍵詞：神經網絡；量子免疫克隆算法；目標分類；冗余連接；網絡優化
中圖分類號： TP273
文獻標志碼：A
Quantum-inspired clonal algorithm based method for optimizing neural networks
Abstract：
In order to reduce the redundant connections and unnecessary computing cost， quantum-inspired clonal algorithm was applied to optimize neural networks. By generating neural network weights which have certain sparse ratio， the algorithm not only effectively removed redundant neural network connections and hidden layer nodes， but also improved the learning efficiency of neural network， the approximation of function accuracy and generalization ability. This method had been applied to wild relics security system of Emperor Qinshihuangs mausoleum site museum， and the results show that the method can raise the probability of target classification and reduce the false alarm rate.
Key words：
neural network； quantum-inspired clonal algorithm； target classification； redundant connection； network optimization
0 引言
神經網絡已經被廣泛地應用于模式分類、函數逼近、信號預測等各種領域，是近年來的研究熱點之一[1-2]。在應用過程中，研究人員發現，當神經網絡的規模過大會產生連接數量冗余大、計算代價過高的問題，降低了大規模神經網絡的實用性。針對此問題，研究人員提出了多種方法在保持神經網絡的前提下優化神經網絡的結構和參數權值。Leung等[3-4]改進了傳統的遺傳算法（Genetic Algorithm， GA）并將其應用于神經網絡的結構和權值優化過程，利用遺傳算法的快速收斂性來提高神經網絡的學習速度，其缺點在于當目標函數維數過大時容易陷入局部最優。Xiao等[5]使用混合優點（Hybrid Good Point， HGP）優化前向神經網絡的參數和結構，避免權值陷入局部最優，但其對網絡結構的優化沒有達到最優。Shu等[6]提出正交模擬褪火（Orthogonal Simulated Annealing， OSA）算法， 使用褪火算法和正交算法的優點來同時優化神經網絡結構和參數，其算法收斂速度快、魯棒性好，缺點則在于計算代價較大。杜文莉等[7]提出了使用量子差分進化（Cooperative Quantum Differential Evolution， CQGADE）算法來優化神經網絡權值，使用量子遺傳算法優化網絡結構和隱層節點數，算法綜合了量子遺傳算法和量子差分算法的優點，收斂速度快，但其缺點在于需要同時協同兩種算法的優化結果，算法復雜度較高，且容易陷入局部最優。Tsai等[8]提出混合田口遺傳算法（Hybrid Taguchi Genetic Algorithm， HTGA），將傳統的GA與Taguchi方法結合起來，使得算法具有魯棒性好、收斂性快等優點，但其缺點在于獲得最優解的計算代價較大。
量子免疫克隆算法[9-12]（Quantum-inspired Immune Clonal Algorithm， QICA）也稱為量子遺傳算法（Quantum Genetic Algorithm， QGA），其將量子搜索機制和免疫算法克隆選擇原理相結合，利用量子編碼的疊加性和隨機性構造抗體，利用遺傳算法的克隆操作產生原始種群和克隆子群實現種群擴張，使搜索空間擴大，提高了局部搜索能力；同時借助全干擾交叉操作避免陷入局部最優。QICA采用了多狀態量子比特編碼方式和通用的量子旋轉門操作， 引入動態調整旋轉角機制和量子交叉[11]。QICA在組合優化問題中具有良好的表現。
針對上述問題，提出了使用量子克隆免疫算法對神經網絡的結構和連接權值同時進行優化，通過產生具有一定稀疏度的連接權值對網絡隱層數量和連接權值進行優化，提高了算法的效率和收斂速度，避免了算法陷入局部最優。
1 帶開關權值的神經網絡模型
在經典的神經網絡理論中，網絡結構在初始化后便不再變動，僅通過權值的變化來計算產生結果，這種算法增加了神經網絡的結構復雜性，在實際應用中增加了計算結果的代價。Leung等[3-4]提出了帶開關權值的神經網絡，通過調整開關的通斷就能調整神經網絡的結構和連接數量，從而減少計算代價。帶開關權值的神經網絡模型如圖1所示[7]。
2.2 權值計算及優化方法
根據量子克隆免疫理論，將神經網絡權值計算及優化過程分為以下四個過程。
2.2.1 權值抗體初始化
量子克隆免疫算法是基于量子計算和遺傳算法組成的，其抗體的編碼方式采用量子比特編碼。一個抗體中的量子位的狀態是不確定的，可以為0或1，其狀態表示為式（5）：
3.1 算法復雜度分析
量子克隆免疫算法的實質是通過量子理論的隨機特性提供豐富的種群數量，并通過使用遺傳算法對種群進行淘汰和進化，因此其算法的復雜度等于種群生成算法的復雜度：假設神經網絡有x個輸入，其隱層節點數量為N，輸出為y，則網絡中的輸入與隱層節點間的連接權值ω的數量為：x*N，隱層節點與輸出層的連接權值v的數量為：N*y。種群生成需要對所有節點進行權值初始化，并將隨機位置的n（nN）個節點的權值設置為0， 其算法復雜度為O（n2）。而克隆免疫算法在種群克隆及抗體選擇過程中使用遺傳算法，因此其算法的復雜度與傳統遺傳算法相同，其算法復雜度也為O（n2）。因此，使用量子免疫克隆的神經網絡優化算法的復雜度為O（n2）。
3.2 非線性函數逼近
選取復雜交互非線性函數（Complicated Interaction Function，CIF）：
其中0
選取樣本700組，其中500組用于訓練，其余200組用于檢測性能。神經網絡的初始隱層神經元設置為20個，初始網絡結構為：2-20-1，初始連接權值為隨機值。在此條件下驗證不同稀疏度條件下對CIF的二維逼近效果如圖3所示。
圖3顯示隨著稀疏度的不斷降低，神經網絡的逼近能力有所減弱，逼近誤差則逐漸增大。這主要是因為神經網絡中的連接權值數量降低，造成神經網絡的適應性差。具體逼近效果見表2。
從表2中可以看出，隱層節點數量直接影響著神經網絡的性能。高稀疏度條件下的計算量大，但逼近精度高；低稀疏度條件下的計算量小，但逼近精度較差。實驗表明當稀疏度大于0.6時，算法的逼近精度高于90%，優化后的網絡具有較好的非線性逼近能力。當神經網絡隱層節點數量低于12時逼近精度大幅下降，說明此時神經網絡處理信息的能力也隨之大幅減弱，隱層節點的最合適的數量為12～14個，這也符合文獻[14]的實驗結果。
圖4為不同稀疏度下，算法適應度的收斂情況。可以看出量子克隆免疫算法具有很好的收斂特性，算法收斂速度很快，能夠在很短的進化次數內收斂至極值，且稀疏度越低，神經網絡的連接權值數量越少，算法收斂速度越低，最優適應度越差。
表3為相同條件下，不同算法的最優計算結果，包括目標分類的準確度、隱藏層節點數量等。可以看出，當稀疏度高于0.8時，本文算法收斂性和適應度均優于混沌粒子群（Chaotic Particle Swarm Optimization，CPSO）[15]、粒子群優化算法（Particle Swarm Optimization，PSO）[16]、混合田口遺傳算法[Hybrid Taguchi-Genetic Algorithm，HTGA][8]等其他算法，說明算法具有很好的收斂速度、尋優精度和魯棒性。
3.3 微地震信號目標分類
實驗場地選擇在秦始皇兵馬俑博物館內K9901號坑旁。所有傳感器節點沿公路一側直線部署，距離公路1m左右。可能產生地震波的活動物體包括人員行走、機動車和挖掘活動。將采集到的微地震信號進行濾波、分幀、特征提取等處理后輸入至神經網絡進行模式識別。
系統對傳感器采集到的數據進行分幀，并使用功率譜二次分析[17]算法對其進行處理，最后將經過預處理的數據輸入至神經網絡對其進行分類。根據其活動特點，將輸出目標分為三類：人員活動、挖掘活動以及機動車輛活動。傳感器采集到的三類活動的經典波形如圖5所示。
表6中給出了算法的最優計算結果，包括不同稀疏度條件下神經網絡的隱藏層節點數量、最優適應度以及分類準確率等。可以看出，算法能夠有效減少冗余的隱藏層節點數量，并降低節點連接數量。算法的稀疏度越高，其適應度越好，其分類的準確性越好，但稀疏度高帶來的則是計算代價增大、計算復雜度增加。當稀疏度低于0.7時，算法的適應度變差，目標的識別率為90%，在實際應用過程中帶來了誤判率較高的問題，降低了實用性。因此在秦始皇帝陵博物院野外文物安防系統中使用了稀疏度為0.7的算法對模式識別的神經網絡進行優化。
4 結語
本文提出了基于量子免疫克隆算法的神經網絡優化算法，該算法在訓練神經網絡優化權值的同時刪除了冗余連接和多余的隱層節點，實現了神經網絡結構和網絡權值的優化。通過經典非線性函數逼近和目標識別檢驗，算法能夠有效地優化神經網絡，提高神經網絡的優化效率，減少計算復雜度。使用優化后的神經網絡已經用于秦始皇帝陵博物院野外文物安防系統中。
參考文獻：
[1] QIAO H， ZHOU Y，SHAO N， et al. Software reliability prediction based on learning vector quantization neutral network[J]. Journal of Computer Applications， 2012，32（05）：1436-1438.）（喬輝，周雁舟，邵楠，等.基于學習向量量化神經網絡的軟件可靠性預測[J].計算機應用，2012，32（5）：1436-1438.）
[2] PAN Y， DENG Y， ZHANG Q， et al. Deterministic prediction of wavelet neural network model and its application[J]. Journal of Computer Applications，2013， 33（4）：1001-1005.（潘玉民，鄧永紅，張全柱，等.小波神經網絡模型的確定性預測及應用[J].計算機應用，2013，33（4）：1001-1005.）
[3] LEUNG H F，LAM H F， LING S F， et al. Tuning of the structure and parameters of neural network using an improved genetic algorithm[C]// Proceedings of the 27th Annual Conference of IEEE Industrial Electronics Society. Piscataway： IEEE，2001：25-30.
[4] LEUNG H F， LAM H F， LING S H， et al. Tuning of the structure and parameters of a neural network using an improved genetic algorithm[J]. IEEE Transactions on Neural Network，2003，14（1）：79-88.
[5] XIAO C， CAI Z， WANG Y， et al. Tuning of the structure and parameters of a neural network using a good points set evolutionary strategy[C]// Proceedings of the 9th International Conference for Young Computer Scientists. Piscataway： IEEE， 2008：1749-1754.
[6] SHU L， HO S Y， HO S J. Tuning the structure and parameters of a neural network using an orthogonal simulated annealing algorithm[C]// Proceedings of the 2009 Joint Conferences on Pervasive Computing. Piscataway： IEEE，2009：789-792.
[7] DU W， ZHOU R， ZHOU L， et al. Cooperative quantum differential evolution algorithm based method for optimizing neural networks[J].Journal of Tsinghua University： Science and Technology， 2012，52（3）：331-335.（杜文莉，周仁，趙亮，等. 基于量子差分進化算法的神經網絡優化方法[J].清華大學學報：自然科學版，2012，52（3）：331-335.）
[8] TSAI J， CHOU J， LIU T. Tuning the structure and parameters of a neural network by using hybrid Taguchi-genetic algorithm[J]. IEEE Transactions on Neural Network， 2006，17（1）：69-80.
[9] LI Y， JIAO L. Quantum-inspired immune clonal algorithm and its application[C]// Proceedings of the 2007 International Symposium on Intelligent Signal Processing and Communication Systems. Piscataway： IEEE， 2007：670-673.
[10] JIAO L， LI Y， GONG M，et al. Quantum-inspired immune clonal algorithm for global optimization[J]. IEEE Transactions on Systems， Man and Cybernetics， Part B： Cybernetics， 2008，38（5）：1234-1253.
[11] ZHOU C， QIAN F. Improvement of quantum genetic algorithm and its application[J]. Journal of Computer Applications， 2008，28（2）：286-288.（周傳華，錢峰.改進量子遺傳算法及其應用[J].計算機應用， 2008，28（2）：286-288）
[12] ZHOU Q， JIANG S， ZHAO X， et al. Improved quantum genetic algorithm and its application in test data generation[J]. Journal of Computer Applications，2012，32（2）：557-560.（周綺，姜淑娟，趙雪峰，等.改進的量子遺傳算法及其在測試數據生成中的應用[J].計算機應用，2012，32（2）：557-560.）
[13] QIAO J，LEE Y G， SCOTT D S， et al. Self-organizing radial basis function network for real-time approximation of continuous-time dynamical systems[J]. IEEE Transactions on Neural Networks，2008，19（3）：460-474.
[14] HAN H， QIAO J， BO Y， et al. On structure design for RBF neural network based on information strength[J]. Acta Automatica Sinica， 2012，38（7）：1083-1090.（韓紅桂，喬俊飛，薄迎春，等.基于信息強度的RBF神經網絡結構設計研究[J].自動化學報， 2012，38（7）：1083-1090.）
[15] ZHAO L. Fuzzy identification and neural networks learning based on cooperative PSO algorithm[D]. Shanghai： Shanghai Jiao Tong University，2008.（趙亮.基于協同PSO算法的模糊辨識與神經網絡學習[D].上海：上海交通大學，2008.）
