一种量子纠缠转化效率的优化方法、系统、终端及存储介质
本发明涉及量子信息处理,尤其涉及一种量子纠缠转化效率的优化方法、系统、终端及计算机可读存储介质。
背景技术:
1、量子纠缠是量子信息处理中的重要资源,可应用于量子计算、量子通信、量子密码和量子精密测量等应用领域。为了保证量子纠缠在相关应用中的实际效果,在真正投入使用之前,需要将给定的初始纠缠态转化为满足特定任务要求的目标纠缠态。
2、现有相关方法具有不同的技术目的。对于给定催化剂,vidal 公式能够计算仅要求催化剂在成功分支返还时的最优 slocc 转化概率;由于该公式不要求催化剂在失败分支中保持原状态,所得概率仅构成逐分支返还型 e-slocc 最优成功概率的上界,并可能高于实际可实现值。固定维数催化剂设计方法则用于在给定维数范围内搜索近似全局最优催化剂。该方法输出的 pl仅为针对所输出催化剂验证可行的逐分支返还型成功概率下界,并不必然等于该催化剂自身的最优成功概率。因此,二者均不能直接确定给定催化剂在逐分支返还约束下的最优 e-slocc 转化成功概率。
3、因此,现有技术还有待于改进和发展。
技术实现思路
1、本发明的主要目的在于提供一种量子纠缠转化效率的优化方法、系统、终端及计算机可读存储介质,旨在解决现有技术的方法无法直接且准确地确定给定催化剂在逐分支返还约束下的最优转化成功概率,导致转化协议所采用的成功概率参数可能不可实现或者过于保守,进而难以充分发挥给定催化剂对主系统纠缠转化的辅助作用的问题。
2、为实现上述目的,本发明提供一种量子纠缠转化效率的优化方法,所述量子纠缠转化效率的优化方法包括如下步骤:
3、确定目标量子节点,构建所述目标量子节点的初始态向量、目标态向量以及催化剂态向量,并对所述初始态向量、所述目标态向量以及所述催化剂态向量进行施密特分解处理,得到初始态施密特向量、目标态施密特向量以及催化剂态施密特向量;
4、根据所述初始态施密特向量和所述催化剂态施密特向量构建输入态施密特向量,将所述输入态施密特向量按非增次序排列,得到所述初始态施密特向量的第一尾和;
5、根据所述目标态施密特向量和所述催化剂态施密特向量构建成功分支输出态施密特向量,将所述成功分支输出态施密特向量按非增次序排列,得到所述目标态施密特向量的第二尾和;
6、确定固定乘积态的施密特向量,根据所述固定乘积态的施密特向量和所述催化剂态施密特向量构建失败分支输出态施密特向量,并将所述失败分支输出态施密特向量按非增次序排列,得到所述固定乘积态的施密特向量的第三尾和;
7、根据所述第一尾和、所述第二尾和以及所述第三尾和计算催化剂逐分支返还约束下的最优成功概率。
8、可选地,所述的量子纠缠转化效率的优化方法,其中,所述确定目标量子节点,构建所述目标量子节点的初始态向量、目标态向量以及催化剂态向量,并对所述初始态向量、所述目标态向量以及所述催化剂态向量进行施密特分解处理,得到初始态施密特向量、目标态施密特向量以及催化剂态施密特向量,具体包括:
9、确定目标量子节点,其中,所述目标量子节点包括第一量子节点和第二量子节点;
10、所述第一量子节点包括第一主系统和第一辅助系统,所述第二量子节点包括第二主系统和第二辅助系统;
11、根据所述第一主系统和所述第二主系统构建初始态向量和目标态向量,并根据所述第一辅助系统和所述第二辅助系统构建催化剂态向量;
12、对所述初始态向量进行施密特分解处理,得到初始态施密特向量;
13、其中,所述初始态向量经施密特分解后的表达式为:
14、;
15、其中,为定义在复合量子系统上的初始双体纯态的态向量,为第一主系统,为第二主系统,为施密特向量的长度,为初始态向量对应的施密特系数,为第一主系统上的一组正交归一向量组,为第二主系统上的一组正交归一向量组,为初始态施密特向量,为初始态施密特向量的第一个分量,为初始态施密特向量中的第个分量;
16、对所述目标态向量进行施密特分解处理,得到目标态施密特向量;
17、其中,所述目标态向量经施密特分解后的表达式为:
18、;
19、其中,为定义在复合量子系统上的目标双体纯态的态向量,为目标态向量对应的施密特系数,为目标态施密特向量,为目标态施密特向量的第一个分量,为目标态施密特向量中的第个分量;
20、对所述催化剂态向量进行施密特分解处理,得到催化剂态施密特向量;
21、其中,所述催化剂态向量经施密特分解后的表达式为:
22、;
23、其中,为催化剂态向量,为目标催化剂,为催化剂态施密特向量的长度,为第一辅助系统上的一组正交归一向量组,为第二辅助系统上的一组正交归一向量组,为催化剂态施密特向量,为催化剂态施密特向量中的第一个分量,为催化剂态施密特向量中的第个分量。
24、可选地,所述的量子纠缠转化效率的优化方法,其中,所述确定目标量子节点,构建所述目标量子节点的初始态向量、目标态向量以及催化剂态向量,并对所述初始态向量、所述目标态向量以及所述催化剂态向量进行施密特分解处理,得到初始态施密特向量、目标态施密特向量以及催化剂态施密特向量,之后还包括:
25、比较所述初始态施密特向量的长度和所述目标态施密特向量的长度;
26、若所述初始态施密特向量的长度小于所述目标态施密特向量的长度,则在所述初始态施密特向量的向量末尾增加零分量,直到与所述目标态施密特向量的长度相同;
27、若所述初始态施密特向量的长度大于所述目标态施密特向量的长度,则在所述目标态施密特向量的向量末尾增加零分量,直到与所述初始态施密特向量的长度相同。
28、可选地,所述的量子纠缠转化效率的优化方法,其中,所述第一尾和的表达式为:
29、;
30、其中,为阶第一尾和,是输入态施密特向量,是将输入态施密特向量按非增次序排列后的向量,是将输入态施密特向量按非增次序排列后的向量的第个分量,为第阶尾和,为输入态施密特向量的分量总数,为张量积符号。
31、可选地,所述的量子纠缠转化效率的优化方法,其中,所述第二尾和的表达式为:
32、;
33、其中,为阶第二尾和,是成功分支输出态施密特向量,是将成功分支输出态施密特向量按非增次序排列后的向量,是将成功分支输出态施密特向量按非增次序排列后的向量的第个分量。
34、可选地,所述的量子纠缠转化效率的优化方法,其中,所述第三尾和的表达式为:
35、;
36、其中,为阶第三尾和,为固定乘积态的施密特向量,为催化剂态施密特向量中第个分量。
37、可选地,所述的量子纠缠转化效率的优化方法,其中,所述最优成功概率的表达式为:
38、;
39、其中,为最优成功概率。
40、此外,为实现上述目的,本发明还提供一种量子纠缠转化效率的优化系统,其中,所述量子纠缠转化效率的优化系统包括:
41、施密特分解处理模块,用于确定目标量子节点,构建所述目标量子节点的初始态向量、目标态向量以及催化剂态向量,并对所述初始态向量、所述目标态向量以及所述催化剂态向量进行施密特分解处理,得到初始态施密特向量、目标态施密特向量以及催化剂态施密特向量;
42、第一尾和计算模块,用于根据所述初始态施密特向量和所述催化剂态施密特向量构建输入态施密特向量,将所述输入态施密特向量按非增次序排列,得到所述初始态施密特向量的第一尾和;
43、第二尾和计算模块,用于根据所述目标态施密特向量和所述催化剂态施密特向量构建成功分支输出态施密特向量,将所述成功分支输出态施密特向量按非增次序排列,得到所述目标态施密特向量的第二尾和;
44、第三尾和计算模块,用于确定固定乘积态的施密特向量,根据所述固定乘积态的施密特向量和所述催化剂态施密特向量构建失败分支输出态施密特向量,并将所述失败分支输出态施密特向量按非增次序排列,得到所述固定乘积态的施密特向量的第三尾和;
45、最优成功概率计算模块,用于根据所述第一尾和、所述第二尾和以及所述第三尾和计算催化剂逐分支返还约束下的最优成功概率。
46、此外,为实现上述目的,本发明还提供一种终端,其中,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的量子纠缠转化效率的优化程序,所述量子纠缠转化效率的优化程序被所述处理器执行时实现如上所述的量子纠缠转化效率的优化方法的步骤。
47、此外,为实现上述目的,本发明还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有量子纠缠转化效率的优化程序,所述量子纠缠转化效率的优化程序被处理器执行时实现如上所述的量子纠缠转化效率的优化方法的步骤。
48、本发明中,确定目标量子节点,构建所述目标量子节点的初始态向量、目标态向量以及催化剂态向量,并对所述初始态向量、所述目标态向量以及所述催化剂态向量进行施密特分解处理,得到初始态施密特向量、目标态施密特向量以及催化剂态施密特向量;根据所述初始态施密特向量和所述催化剂态施密特向量构建输入态施密特向量,将所述输入态施密特向量按非增次序排列,得到所述初始态施密特向量的第一尾和;根据所述目标态施密特向量和所述催化剂态施密特向量构建成功分支输出态施密特向量,将所述成功分支输出态施密特向量按非增次序排列,得到所述目标态施密特向量的第二尾和;确定固定乘积态的施密特向量,根据所述固定乘积态的施密特向量和所述催化剂态施密特向量构建失败分支输出态施密特向量,并将所述失败分支输出态施密特向量按非增次序排列,得到所述固定乘积态的施密特向量的第三尾和;根据所述第一尾和、所述第二尾和以及所述第三尾和计算催化剂逐分支返还约束下的最优成功概率。本发明选取能够通过局部操作制备的固定乘积态作为统一失败态,并在给定催化剂于成功分支和失败分支中均被精确返还且与主系统解除关联的约束下,直接计算对应量子纠缠转化的最优成功概率,从而为相应转化协议的概率参数配置提供准确依据,并充分发挥该催化剂对主系统纠缠转化的辅助作用。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com