控制型任意维量子非局域门以及其应用

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:uuvvuu11
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
量子计算是一种利用量子力学规律调控量子信息单元进行计算的新型计算模式。由于量子叠加性和量子相干性的存在,量子算法呈现出比经典计算机更快的处理速度,而量子计算网络的提出和发展也使得普通用户也可以利用经典通信或量子通信技术连入分布式量子计算机群进行量子算法的验证。在广域量子计算网络中,普通用户需要将手中有限的保密资源分发给网络中的量子服务器,并公布各个量子服务器所承担的任务。整个量子计算对网络中的量子处理器而言是完全透明的,毫无疑问,用户将面对巨大的安全隐患。本文提出一种新型的保密量子计算网络模型,该模型允许用户接入的任意维度量子服务器网络,控制量子服务器之间的非局域相位门,监控量子服务器是否有窃听行为,从而实现安全的非局域的量子计算过程。主要成果有:一、利用三体纠缠的量子信道,提出了一种用户控制的、两个量子服务器之间的非局域受控相位门操作方案,针对不诚实量子服务器联合窃听用户算法的行为,给出了用户安全性检测的策略,保证量子服务器不能窃取用户的算法信息,并给出三种不同量子信道下安全性检测阈值。二、提出了计算网络中的量子控制力的概念,量化并计算了三种不同量子信道中用户对非局域门操作控制力的大小,与受控量子隐形传态中的控制力进行了对比。发现在相同信道资源下,用户对非定域门操作拥有更大的控制力。因此对于没有局域量子计算设备的普通用户,利用该方案上传保密算法比上传保密量子态有更大的控制权限。
其他文献
随着互联网技术的发展,每天都会产生海量的数据,而人们也从信息匮乏的时代跃迁到信息过载的时代。推荐系统作为用户与数据提供者之间的桥梁,缓解了信息过载的困境。它能够从用户的行为模式以及其他辅助信息中挖掘出用户的兴趣并为用户推荐信息。另外,随着社交媒体的发展,用户通过微博、微信等社交平台产生丰富的交互关系,如关注、转发、信任等,从而使得用户之间构成了一张巨大的社交网络。同时,用户对信息的偏好容易受到其在
超分辨率算法的目标是将低分辨率的图片重建出高分辨率图片。现实生活中的设备在精度上的不足,导致产生的图片往往无法满足人们对分辨率的需求,例如医学成像设备、遥感卫星、监控设备等。为了解决这个问题,一个解决方法是提升设备的精度。然而这种方法不仅成本较高,而且技术工艺复杂,不利于推广使用。因此有必要利用算法生成高分辨率图片。超分辨率算法需要解决以下几个问题。首先是如何解决图片种类繁多、物体尺寸各异的问题;
近年来,云计算凭借其按需使用、按量付费的特点,以及通过虚拟化技术等完成硬件资源和软件资源的融合,形成了资源池并提供统一调度接口为用户服务,极大地降低了成本并提升了易用性。基于超融合架构的云计算采用分布式存储,在一个单元设备内同时具有信息网络、信息存储以及虚拟化等诸多的资源和技术,降低服务器架构管理难度且多单元设备借助网络聚合来实现其自身模块化横向的扩展,已成为云计算架构的主流。然而,非法用户越权获
图像生成是计算机视觉中的研究热点,如何提高生成图像的真实性和多样性,以及如何降低硬件资源使用和模型存储大小使得更加有利于模型落地,是图像生成算法的研究重点和难点。而且,在实际应用中,许多其他任务与图像生成任务紧密相关,利用生成的图像可以降低数据获取成本,生成图像的质量直接影响其他任务的表现。本文的目的就是提高图像生成算法生成图像的真实性和多样性,降低硬件资源使用和模型存储大小、缩短训练和测试时间,
自旋玻璃的正确描述一直是理论物理中的一个难题,被认为与重整化群(RG)流中混沌的出现密切相关。为了实现这种混沌行为,以前的工作提出了具有复杂或非现实交互作用的模型。在本文的研究中,我们发现,只要保持铁磁和反铁磁相互作用之间的竞争,常用的具有长程关联作用的Potts模型可以在大参数范围内很好地完成这项工作。通过在层级晶格中添加反铁磁的长程关联作用这种简单性的操作,可以观察到混沌的出现敏感地依赖于层级
近几年,我国高度重视大数据对于社会经济发展的地位和作用,充足的政策支撑使得大数据技术与应用得到了显著的发展。与此同时,在线票务得益于移动互联网的普及,业务规模稳定增长,对产生的海量数据进行二次开发分析,为决策提供数据支撑,激发商业模式创新,催生新的业务增长点,最终占据更多的市场份额,成为各大互联网公司的重要驱动力。本文以某公司实际项目为背景,设计并实现了基于Hadoop的票务分析系统。该系统为在线
随着互联网生态的快速发展,推荐系统需要进行数据分析的数据量在近年以指数级增加,这对推荐系统的计算能力提出了越来越高的要求。本课题基于多GPU并行化计算技术搭建全新的高性能大数据并行化推荐系统,论文主要完成以下创新性工作:第一,提出了一种基于矩阵分解的GPU并行化推荐算法。该算法使用哈希表以初始化稀疏特征矩阵,规避了传统算法中对高稀疏性数据集中大量空白数据块的处理缺陷,并且通过在CPU内设置等待队列
互联网以及通信技术的快速发展使得社会中信息的传播形式由文本信息传播为主转变为文本、视频多模态传播。短视频作为多模态传播模式的主要形式之一,正逐渐成为人们闲暇时间的主要娱乐方式。同时,视频传播作为研究热点——传播动力学的类别之一,也受到了学者的广泛关注。研究表明,由于平台推荐以及社交网络的弱化,短视频传播与传统视频的传播存在一定的差异性。因此,揭示短视频传播中流行度的演化机制对信息传播的促进和舆情的
随着深度学习和强化学习技术的发展与成熟,将二者结合在一起的深度强化学习技术在面向单智能体的人工智能决策控制等领域取得了长足的进步,也为更加复杂的多智能体强化学习打下了坚实的基础。但是直接将深度强化学习应用到多智能体领域会面临拓展性、非稳态等严重的问题。为了解决上述的问题,现在一种主流的多智能体强化学习框架为“集中训练分布执行”,本文针对该框架展开研究:当前基于该框架的算法在遇到意外的策略改变时,会
如今,随着大数据、云计算等技术应用越来越广泛,数据中心网络成为了云计算与大数据处理的基础支撑,同时,数据中心网络也在不断地调整改进以适应当前网络高速发展的需求。本文主要对现有的数据中心网络的负载均衡方式进行了研究,并设计了基于轻量级带内全网遥测的网络负载系统,具体包括基于带内全网遥测和源路由的网络遥测框架以及基于Top K算法的选路和负载均衡框架。(1)本文设计的网络遥测框架利用胖树型数据中心网络