低维自旋体系中量子导引及其退相干

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:fakemario
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
过去几十年间,量子纠缠和Bell非局域性这种对称量子关联,引起了人们的广泛关注,并取得了丰硕的研究成果。然而,直到最近几年,量子导引这种非对称量子关联才开始进入人们的视野。它是一种介于量子纠缠和Bell的非局域性之间的量子关联形式。由于其独特的不对称特性,使得它在量子通信、量子计算和量子密码等许多领域发挥着不可替代的作用。然而,在量子领域,一个不可避免的问题是,量子系统会与周围环境彼此耦合,导致量子非局域关联的迅速衰退,即所谓的量子退相干行为,这严重阻碍了量子关联的应用。因此,本文基于一维自旋链模型,主要研究了量子导引的非对称性和量子导引的退相干行为。首先,本文研究了非均匀磁场中基于一维XXZ自旋链模型的量子导引,采用熵的不确定关系作为度量方式。重点研究了量子导引的非对称特性。结果表明,外加磁场、温度和耦合参数都能显著改变量子导引及其非对称性,外加磁场或温度的增大可以抑制量子导引。特别是,当温度或磁场超过临界点时,量子导引就会消失。然而,随着温度的升高或磁场的非均匀性b的增加,量子导引的非对称性增强。此外,随着各向异性耦合参数JZ的增加,量子导引增强,同时非对称性减弱。其次,分别研究了一维XY自旋链模型下了量子导引的内禀退相干以及一维XYZ自旋链模型下的量子导引的环境诱导退相干。探讨了不同初始状态下磁场、各向异性参数对量子导引鲁棒性的影响。研究发现,内禀退相干并不会激发量子导引的非对称性,而对于环境诱导退相干在特定初始态情况下则会表现出非对称性行为。并且,通过调节参数以及改变初始状态可以加速或者减缓量子退相干。
其他文献
在5G网络时代,业务需求和应用场景逐渐多样化,如果运营商为不同的业务创建不同的专用网络是不现实的,建设、运营和维护的成本会很高,网络运营商在收益和网络资源分配方面面对巨大挑战。因此,如何合理分配网络资源并改善网络运营商的收益将具有重要的研究意义。针对这一问题,本文提出基于对网络服务提供商的资源需求进行分析学习的网络资源分配技术,通过对网络资源的合理定价,优化网络运营商的收益,并以价格为杠杆达到合理
学位
近年来随着脑科学与计算机技术的不断发展,脑机接口作为新型人机交互技术逐步成为社会界与学术界的热门话题。从最初仅在医疗与科学领域的应用,到近来的商业民用化,再到未来连接元宇宙虚拟世界的畅想,脑机接口技术正快速进入到人们的日常生活中,尤其在残障人士的肢体恢复与改善、人员行动辅助与补充等场景下具有广阔的应用前景。本课题使用便携式单导脑电波采集设备,主要利用脑电伪迹信号特征,在低成本、低功耗嵌入式处理器平
学位
随着移动业务的快速发展,计算、存储和电池资源有限的用户设备已经无法满足高复杂度和高能耗服务的需求。移动边缘计算(Mobile Edge Computing,MEC)通过将计算、存储和服务功能迁移到网络边缘,使得用户设备可以将任务卸载到边缘服务器,从而减少用户设备任务的完成时延与能耗。如何进行高效的卸载决策和资源分配以降低任务的完成时延与能耗已成为重要的研究课题。本文对异构蜂窝网络中用户任务卸载以及
学位
随着移动网络技术的发展和广泛应用,无线网络不仅需要满足海量移动数据的使用以及高速率,同时还要提高服务质量,因此网络的高效管控是一个巨大的难题。传统网络的管控需要大量的人力物力,且效率也是一个问题。数字孪生技术使物理空间与虚拟空间相互交互,综合利用感知、运算、模型等技术,并利用软件定义,对物理空间实现了描述、诊断、预测、决策。可以为现代网络的管控提供的强大的技术支持。针对这些问题,本文深入研究了5G
学位
作为应对移动互联网和海量物联网日益增长的接入需求最具前途的技术之一,非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术近年来受到了积极的关注。与传统的正交多址接入(Orthogonal Multiple Access,OMA)技术相比,NOMA系统具有更高的频谱效率、更快的传输速率以及保障更多的用户接入。NOMA主动引入用户间的干扰,其高频谱效率是通过增加
学位
智能反射面(intelligent reflecting surface,IRS)是一种新兴的,很有前途的B5G(6G)无线通信技术。它是由大量无源的或者有源的反射元件组成的大型二维阵列,可以通过改变信号的相位和幅度改善信号传输的环境,减少信道干扰。毫米波属于甚高频段,单跳通信距离较短,因此多跳的接力通信是毫米波通信的研究前景。IRS可以有效地控制信号的传递途径,包括相位,振幅,频率甚至偏振,而无
学位
大数据时代,充足的训练数据给机器学习带来了巨大的性能提升。大量的数据也意味着需要大量的人工标注,然而人工标注往往耗时耗力,这催生了迁移学习(Transfer learning,简称TL)的发展。迁移学习旨在借助相关源域的知识辅助目标域学习,以解决目标域数据或标记稀缺的问题。域适应(Domain Adaptation,简称DA)学习是迁移学习中的重要研究方向。域适应方法通常利用基于距离或者对抗的方式
学位
雾霾天气下,由于空气中存在大量漂浮着的粒子,光线传播过程中与这些悬浮粒子相互作用,使得光线发生散射,最终到达成像设备的场景光信息受损。所以拍摄得到的图像存在对比度较低、清晰度低、细节丢失等问题,影响后续对图像的进一步处理应用。因此,对有雾图像进行去雾工作,使其能够应用于高级别的图像处理任务。本文基于深度学习对单幅图像去雾算法进行了研究,主要工作如下:(1)针对基于深度学习的非端到端图像去雾算法对模
学位
随着社会经济的不断发展和人民消费水平的提升,消费者对物质生活水平的需求不再仅仅体现在数量上,同时对商品的质量也有了更高的要求。供应链溯源技术是保障商品质量的首要方案,但在传统中心化存储的供应链溯源系统中存在信息孤岛、恶意企业对溯源信息进行修改不易被察觉和溯源难的问题。区块链具有去中心化、不可篡改性和可追溯性等特点,这些特点使其在商品溯源方面具有不可替代的优势。然而由于供应链溯源管理的参与方较多且存
学位
随着移动通信与多媒体技术的发展,多媒体服务正在从传统单一、平面、应答式的内容服务,向沉浸、立体、交互式的技能服务演进。触觉互联网在传统多媒体通信的基础上,加入新的触觉类媒体,实现了物体感知模式的进化,能够在远端敏锐地感知细微的变化,提升用户服务体验。然而,触觉互联网对通信环境提出了更高的要求,网络延迟必须低至毫秒级别,网络通信可靠性必须至少高达99.9999%。如何保障超可靠低时延通信成了触觉互联
学位