量子控制策略與學習控制算法研究.pdf

1、在量子控制論的指導下探索更普遍化、更實用化的量子控制技術和方法，是我們邁向量子信息產業(yè)時代不可逾越的一步，對選鍵化學、基因工程、納米科技的發(fā)展也具有重要意義。當前，量子調控研究已經成為國際研究熱點，量子控制策略和控制算法已成為量子調控中的重要研究內容。本文在綜述量子控制主要研究成果的基礎上，從信息論和控制論的角度研究量子系統(tǒng)的調控問題，重點研究了量子控制策略和學習控制算法。本文的主要工作和貢獻如下： (1)對量子控制系統(tǒng)的狀態(tài)表

2、示方法進行了闡述，討論了幾種描述量子態(tài)演化的量子控制一般模型，重點介紹了有限維雙線性模型和主方程模型。在此基礎上，分析了建立特定量子控制系統(tǒng)模型的機理建模法和量子化建模法，提出了一種類比量子化建模方法。 (2)針對電子自旋的量子控制問題，提出了一種時間量子控制方案，通過控制所加外部控制場的作用時間能有效的控制電子自旋到達給定的目標量子態(tài)，得到了量子態(tài)與作用時間的解析關系。針對量子振子控制系統(tǒng)，將攝動理論用于量子控制分析與設計中，

3、得到了一類量子控制問題的攝動模型，該方法得到的控制解是近似值，適用于對弱輸入情況下的量子控制問題進行分析。這兩個例子可用于演示量子控制的開環(huán)控制設計過程。 (3)利用模式識別方法，將每個量子比特編碼狀態(tài)看作一個量子信息模式，提出了基于模式距離的聚類和識別算法。在該方法中，模式距離被用作不同量子態(tài)的相似性度量。對目標模式己知的情況，給出了簡單的識別算法和幾何上的直觀解釋。對目標模式未知的情況，給出了一種有效的量子信息聚類算法。在聚

4、類和識別算法中，將量子態(tài)的相似程度與相應特征態(tài)的發(fā)生概率和相位因子密切聯(lián)系起來，符合物理上的直觀解釋。文中將其用于量子反饋控制方案的設計，此外，該方法也可以用到量子控制的性能指標設計、量子仿真結果的有效性檢驗等問題，并有可能為量子信息與模式識別的融合開辟一條新的渠道。 (4)提出了一種基于識別與克隆的量子反饋控制方案。方案中，輸出信息經量子克隆機放大得到多個副本，對一部分副本進行測量和識別獲取反饋信息，另一部分副本用于反饋，雖然

5、被識別的副本由于測量而變?yōu)榻浀湫畔?，但反饋部分的副本避免了測量而保持量子特性，達到了反饋環(huán)中量子信息流的暢通，從而建立了信息獲取與干擾引入間的一個平衡。它是帶經典反饋環(huán)的量子控制與相干量子反饋控制的一種折衷，既保持了相干量子反饋策略中反饋信息具有相干性的優(yōu)點，也保持了一般量子反饋策略中有效獲取信息的優(yōu)點，該方案也是對量子克隆技術用于量子相干控制的一種探索。 (5)將量子態(tài)疊加原理與傳統(tǒng)的強化學習結合，提出亍一種全新的量子強化學習

6、算法。在該算法中，兩個關鍵的思想是：將傳統(tǒng)強化學習中的狀態(tài)--動作用量子疊加態(tài)表示；用Grover迭代來強化具有較大報酬值的動作。通過仿真實驗檢驗了它的有效性和優(yōu)越性，結果顯示，量子強化學習作為模擬算法也具有比傳統(tǒng)強化學習算法優(yōu)越的性能，概率幅的思想則自然的解決了傳統(tǒng)強化學習中探索與利用之間平衡這一難題。如果量子計算機進入實用階段，它的優(yōu)勢將會更加明顯，特別是對復雜大規(guī)模問題，很可能有效解決傳統(tǒng)強化學習中的維數災難問題。同時分析了量子強