湖北师范大学 物理与电子科学学院,湖北 黄石 435002
目前一维量子卷积计算不能满足当前机器学习、图像识别等算法的要求。由于量子卷积神经网络模型主要是处理多维信息,有必要将一维量子卷积的维数推广到二维,进行二维量子卷积计算的研究,使得量子卷积计算不受维数的影响,可以更好地应用于量子卷积神经网络。在量子计算中,量子态的叠加和纠缠使量子计算具有并行计算的能力,与一维量子卷积相比,二维量子卷积在并行计算中具有更高的优势,二维量子卷积计算更适合目前量子卷积神经网络中量子卷积层的研究与设计。在一维量子卷积计算的基础上,基于量子图像表示方法,探究了二维量子卷积计算的量子线路设计,设计了通用的二维量子卷积线路模型。由于经典信息不能直接用于量子计算,首先将经典信息进行量子化编码,处理后的量子信息输入到二维量子卷积计算的量子电路中,完成概率幅和加法计算,最后通过测量得到量子卷积的结果。二维量子卷积算法大大减少了卷积计算的步骤,提高了计算速度,增加了信息的存储空间。为量子卷积神经网络模型中量子卷积层的设计规则提供了理论依据,为高维量子卷积计算提供了参考和可能的途径。
量子门 量子线路 量子卷积神经网络 quantum gate quantum circuit quantum convolutional neural network
湖北师范大学物理与电子科学学院, 湖北 黄石 435002
对超短光脉冲的滤波一直是一个难以解决的问题,一般的光学器件很难分辨皮秒级光脉冲。基 于时间透镜技术研究了一种面向超短光脉冲的滤波系统。光脉冲通过一个由标准单模光纤(SSMF)和时间 透镜组成的傅里叶变换系统,经傅里叶变换后通过光开关进行截取,截取后的光脉冲再次经过一个 由时间透镜和SSMF组成的反傅里叶变换系统,得到滤波后的波形,实验结果表明其时间分辨 率达到皮秒级。所提方法采用全光系统,结构简单,实时性好。
傅里叶光学 光滤波 时间透镜 色散 Fourier optics optical filtering time lens dispersion