【摘 要】
：
.Bell态测量是量子信息研究中的重要组成部分.之前的研究表明,只基于线性光学操作不能实现完全Bell态测量,但通过引入辅助光子对或多自由度,可以提高Bell态的区分效率.文章利
【机 构】
：
山西大学理论物理研究所,量子光学与光量子器件国家重点实验室,极端光学协同创新中心,山西太原030006
论文部分内容阅读
.Bell态测量是量子信息研究中的重要组成部分.之前的研究表明,只基于线性光学操作不能实现完全Bell态测量,但通过引入辅助光子对或多自由度,可以提高Bell态的区分效率.文章利用混合分束器耦合不同的自由度可以将普通分束器不能区分的两个Bell态分辨出来的作用,提出一种新的Bell态测量方案:在对待测Bell态成功制备的前提下,基于两种分束器的互补作用,我们用混合分束器和普通分束器对Bell态进行联合测量,根据不同探测器的响应结果,分析出四个Bell态,从而实现了100％的Bell态测量.
其他文献
研究一类分数阶微分方程边值问题,利用集合Ph,e上新的不动点定理给出了这类边值问题解的存在性与唯一性结论,并构造了迭代序列来逼近唯一解.最后以一个分数阶三点边值问题为
针对传统的多分类模型学习效率较低,对于复杂的多类别数据无法进行高效分类的问题,提出了一种基于支撑向量机(Support Vector Machine,SVM)的主动多分类方法.该方法通过引入
在许多实际应用领域,特征随时间逐个流进特征空间并需及时进行在线选择,称为在线流特征选择.现有基于邻域粗糙集的在线流特征选择算法,仅考虑条件属性子集正域中包含的信息,
K-近邻技术被广泛用于分类、推荐等热点问题,但针对多元时序数据状态预测问题的解决方案相对较少.文章在三支决策思想的指导下,提出了一种新的状态预测算法及其三支划分策略,
高性能的软件缺陷预测模型可为软件自动化测试奠定重要的基础.当前的软件缺陷预测模型主要采用机器学习分类算法进行构建.其中,基于集成学习的软件缺陷预测模型通常可以达到
文章研究了一类食饵具有避难和强Allee的时滞捕食者-食饵扩散模型.首先,考虑对应的常微分系统,计算出其平衡点的表达式并讨论了这些平衡点的类型及稳定性,其次,讨论了时滞和
针对基本萤火虫算法存在局部开采能力不强,并且容易陷入局部极值等问题,提出一种多样性增强的混合萤火虫算法(diversity-enhanced hybrid firefly algorithm,DeHFA).为提高萤
文章研究了圆局部竞赛图的最小控制集.通过对非强连通圆的纯粹局部竞赛图、强连通的圆的纯粹局部竞赛图,以及圆的竞赛图三个子图类的分析,完全刻画了圆局部竞赛图最小控制集
深度神经网络可以极大地提高单图像超分辨率的质量,盲目地增加网络的深度不能有效地改善网络。文章针对单图像超分辨率任务提出了一种新颖的深度多尺度递归密集网络(multi-scale recursive dense network,MSRDN),首先构造一个浅层特征提取模块来初步提取粗糙特征,然后将粗糙特征输入到多尺度密集模块(multi-scale dense blocks,MSDBs)群中。每个MS
文章建立了一个考虑部分免疫和环境传播的肺结核模型.为得到该模型平衡点的稳定性,使用下一代矩阵法,并构造Lyapunov函数,研究结果表明,当基本再生数R0＜1时,模型的无病平衡点