控制理论与应用

作者：丛爽,汪涛,张坤

单位：中国科学技术大学自动化系,中国科学技术大学自动化系,中国科学技术大学自动化系

关键词：量子态在线估计; 连续弱测量; 矩阵指数梯度算法; 自适应学习速率

基金：国家自然科学基金项目(61973290)资助.

针对连续弱测量中存在高斯噪声的情况, 提出一种带有自适应学习速率的矩阵指数梯度在线量子态估计算法. 将量子态估计问题转化为含量子约束的凸优化问题, 通过引入Von Neumann散度(量子相对熵), 在一阶最优条件下, 推导出指数型的量子态迭代公式, 保证量子态密度矩阵的半正定性. 再通过对迭代结果进行迹为1的投影, 得到最终的量子态估计值. 同时在迭代公式中设计自适应的学习速率, 进一步加快算法的收敛速度. 将所提出的算法分别在1, 2, 3和4个量子位系统上, 进行了在线量子态估计的数值仿真实验, 并与现有的在线量子态估计算法进行了性能对比. 实验结果表明, 所提出的算法具有更好的快速收敛性, 以及更高的状态估计精度.

来源：2021年第8期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第8期