-
公开(公告)号：CN119783843A
公开(公告)日：2025-04-08
申请号：CN202510208652.2
申请日：2025-02-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种神经网络驱动的非对称量子纠错码译码方法，首先利用量子非对称噪声模型，获得所需的量子非对称噪声错误#imgabs0#和错误#imgabs1#，确定量子非对称噪声错误#imgabs2#和错误#imgabs3#的伴随式，基于神经网络译码器预测量子系统中的#imgabs4#错误和#imgabs5#错误，判断预测的#imgabs6#错误和#imgabs7#错误是否满足量子逻辑错误的约束性条件，若均满足约束条件，则译码成功，否则译码失败。本发明的方案利用非对称噪声模型破坏了HGP结构的对称性，使得利用非对称噪声来提高译码性能成为可能；利用神经网络技术显著提升了BP算法在量子纠错码译码中的性能，与现有译码技术相比，本发明的译码方法在处理非对称量子信息时展现出显著的性能提升。
-
公开(公告)号：CN119721275A
公开(公告)日：2025-03-28
申请号：CN202510212991.8
申请日：2025-02-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Epsilon‑greedy策略的量子纠缠链路选择方法，首先设置量子纠缠链路选择过程中的各初始参数，运行网络基准测试得到所有纠缠链路的初始保真度，记录并更新保真度集合，最后基于Epsilon‑greedy策略进行迭代，根据迭代结果确定节点A和节点B之间的最高平均保真度的链路，完成量子纠缠链路选择。本发明的方案利用强化学习中的Epsilon‑greedy策略，通过探索和利用的平衡来优化量子链路的选择和保真度的估计，根据网络基准测试结果更新链路保真度估计，从而完善未来的链路选择，不仅能快速识别最佳量子链路，而且能在较低的量子资源消耗下，提供准确的保真度估计。
-
Search Results
2
records
(took 0.018 seconds)
