The present invention discloses a fast convergent quantum state reconstruction method with sparse perturbation. Considering the quantum state constraints, the close neighbor gradient algorithm is used to solve the subproblem of the density matrix and the sparse interference to obtain the closed solution. The Lagrange multiplier is updated by the adjustable step length to speed up the convergence speed. Under the premise of ensuring the accuracy of reconstruction, the algorithm greatly reduces the reconstruction time and achieves the goal of optimizing the quantum state reconstruction algorithm. One
【技术实现步骤摘要】
快速收敛的带有稀疏扰动的量子态重构方法
本专利技术涉及量子态估计
,尤其涉及一种快速收敛的带有稀疏扰动的量子态重构方法。
技术介绍
一个n量子位的量子系统的状态密度矩阵ρ是一个在希尔伯特空间里的d×d(d=2n)矩阵,具有d×d=2n×2n=4n个参数,所以,所要估计的量子态参数的数量是随着n的增长呈指数增加,换句话说,一个标准的量子态估计需要O(d2)次的测量配置。实际实验中人们感兴趣的量子状态往往是纯态或者近似纯态的,此时ρ是一个秩为r低秩的厄米矩阵。利用这一先验信息,人们将由Candes、Donaho等人在2006年提出的压缩传感理论应用到量子态估计中:先通过一个测量矩阵A,将原始信号投影到低维空间;再通过求解一个优化问题,从少量的测量值中,精确重构出原始信号。压缩传感理论将测量次数减少为Ο(rdlogd)。在基于压缩传感的量子态估计中,有两个重要问题需要解决:1)测量次数至少为多少时可以保证所选出的测量矩阵满足压缩传感所要求的低秩RIP条件,以至于能够在选中的少量测量数据中包含足够多的信息,重构出密度矩阵ρ;2)需要设计一个高效,并且鲁棒性强的重构算法,以便能够以压缩传感理论给出的最小测量率,达到高精度的优化问题的解。对于问题1),根据压缩传感相关理论,人们已经得到结论:当测量次数M满足理论研究出的下界条件时,就可以使观测矩阵A以很高的概率满足秩RIP理论。此时人们可以将测量次数从完备测量的O(d2)减少到O(rdlogd)。对于问题2),基于压缩传感的量子态估计的凸优化算法,由于所涉及到的参数维数很大,一般的算法很难有效求解。例如,Smit ...
【技术保护点】
1.一种快速收敛的带有稀疏扰动的量子态重构方法,其特征在于,包括:
【技术特征摘要】
1.一种快速收敛的带有稀疏扰动的量子态重构方法,其特征在于,包括:步骤1、获取测量矩阵A和与之对应的测量矢量b;步骤2、初始化密度矩阵ρk、稀疏矩阵Sk、拉格朗日乘子yk与迭代次数k=1;步骤3、更新密度矩阵ρk、稀疏矩阵Sk、拉格朗日乘子yk:对于密度矩阵的子问题中加入量子态约束条件,获得第k+1次迭代时的密度矩阵ρk+1的特征值,从而得到第k+1次迭代时的密度矩阵ρk+1;对稀疏干扰相关子问题,利用邻近梯度算法将问题进行转化,并引入软阈值收缩算子,从而得到第k+1次迭代时的稀疏矩阵Sk+1;结合ρk+1与Sk+1计算第k+1次迭代时的拉格朗日乘子yk+1;步骤4、判断当前是否满足预定的停止条件;若是,则转入步骤5;如否,则转入步骤3继续迭代运算;步骤5、将第k+1次迭代时的密度矩阵ρk+1作为密度矩阵的估计值并计算归一化密度矩阵估计误差error。2.根据权利要求1所述的一种快速收敛的带有稀疏扰动的量子态重构方法,其特征在于,对于密度矩阵的子问题中加入量子态约束条件,获得第k+1次迭代时的密度矩阵ρk+1的特征值,从而得到第k+1次迭代时的密度矩阵ρk+1的过程如下:首先,加入任意量子态ρ必须满足的约束条件:ρ≥0和tr(ρ)=1;其中,为求解矩阵的共轭转置符号;tr(·)为求迹运算;然后,计算邻近密度矩阵其中,τ1为与密度矩阵相关的邻近梯度步长,vec(X)表示按列将矩阵X展开为一个列向量,α为大于0的惩罚参数;再对进行特征值分解,得到特征值{ai},进而在的条件下求解从而得到第k+1次迭代时的密度矩阵ρk+1的特征值{xi};其中,d为待估计量子态维数;在求解中的{xi}时,设置中间变量β,依次令β=ai,i=1,2,…d;找出满足和的t值,代入t求解β的最优值为最终代入β的最优值得到xi=max{ai-β,0};最后,利用下式计算第k+1次迭代时的密度矩阵ρk+1:其中,diag{xi}表示特征值{xi}为对角矩阵;为一个酉矩阵,表示复数域。3.根据权利要求1所述的一种快速收敛的带有稀疏扰动的量子态重构方法,其特征在于,对稀疏干扰相关子问题,利用邻近梯度算法将问题进行转化,并引入软阈值收缩算子,从而得到第k+1次迭代时的稀疏矩阵Sk+1的过程如下:首先,对稀疏干扰相关子问题,利用邻近梯度算法将问题转化为:其中,τ2为与稀疏矩阵相关的邻近梯度步长,||.||F表示F范数,α为大于0的惩罚参数,γ>0,表示权重值;vec(X)表示按列将矩阵X展开为一个列向量;然后,引入软阈值收缩算子计算第k+1次迭代时的稀疏矩阵Sk+1:4.根据权利要求1所述的一种快速收敛的带有稀疏扰动的量子态重构方法,其特征在于,结合ρk+1与Sk+1计算第k+1次迭代时的拉格朗日乘子yk+1的公式为:yk+1=yk-κα(A(vec(ρk+1+Sk+1))-b);其中,vec(X)表示按列将矩阵X展开为一个列向量,α为大于0的惩罚参数,κ>0为调节拉格朗日乘子更新步长的参数;设矩阵最大的特征值为λmax,令λmax、调节拉格朗日乘子更新步长的参数κ、与密度矩阵相关的邻近梯度步长τ1以及与稀疏矩阵相关的邻近梯度步长τ2满足如下关系:λmaxτ1<1,且τ2λmax+κ<2。5.根据权利要求1-4任一项所述的一种快速收敛的带有稀疏扰动的量子态重构方法,其特征在于,预定的停止条件为:||A(vec(ρk+Sk))-b||2/||b||2<10-7或k>kmax;其中,vec(X)表示按列将矩阵X展开为一个列向量,kmax为设定的最大迭代次数。6.一种快速收敛的带有稀疏扰动的量子态重系统,其特征在...
【专利技术属性】
技术研发人员:丛爽,胡志林,张娇娇,李克之,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。