網絡量子關聯:理論及應用
楊舒媛,張穎,賀衎
- 出版商: 電子工業
- 出版日期: 2026-06-01
- 定價: $414
- 售價: 8.5 折 $351
- 多買優惠 簡體書新到貨|2書75折 ( 11/14-11/22 )
- 滿減折扣 天瓏日|滿千折百
- 語言: 簡體中文
- 頁數: 240
- ISBN: 7121529432
- ISBN-13: 9787121529436
-
相關分類:
量子計算
立即出貨 (庫存 < 3)
簡體書新到貨|2書75折 ( 11/14-11/22 ) 詳見活動內容 »
-
85折
$402VibeCoding 氛圍編程一本通 -
75折
$224LangChain 與大語言模型應用開發實踐 -
VIP 95折
BPF 之巔:洞悉 Linux 系統和應用性能 (BPF Performance Tools)$1,194$1,134 -
85折
$407電子遊戲視覺藝術史 -
85折
$458Claude Code Agentic 編程與項目開發實戰 -
79折
$611動手學 AutoML 從NAS到大語言模型優化實戰 -
85折
$560CodeBuddy領航:AI輔助編程應用·架構·交付 -
VIP 95折
重構個體:AI 時代如何打造個人競爭力$414$393 -
75折
$355養龍蝦:OpenClaw 與 AI 智能體時代 -
85折
$453AI 編程實戰 : Cursor 輔助 C++ 開發 -
79折
$374RAG 落地之道:從工作流到企業級 Agent -
85折
$509AI汽車:純視覺自動駕駛 -
75折
$621圖解 Linux 網絡編程 -
75折
$355LangChain 與 LangGraph 實戰工具鏈集成 , 多 Agent 編排及工作流設計 -
75折
$494動手構建大模型 -
75折
$449JavaScript 從入門到實踐 -
75折
$404扣子 (Coze) 從入門到精通:輕松搭建 AI Agent -
75折
$355無界形塑:ZBrush BJD 娃頭與身體建模 -
75折
$625AI 驅動開發:企業級機器學習與自動化編程實戰 -
75折
$310一本書學會 Manus (AI智能體實戰指南) -
75折
$445深入 Linux GPU:AMD GPU 渲染與 AI 技術實踐 -
75折
$386MCP 開發從入門到實戰 -
75折
$445扣子開發AI Agent智能體應用 -
75折
$445MCP 原理與實戰:高效 AI Agent 智能體開發 -
75折
$314大模型實戰 : 從零實現 RAG 與 Agent 系統
相關主題
商品描述
本書著重介紹作者在網絡量子關聯理論方面的近期研究成果以及相關未解決的前沿課題.本書對量子信息技術的進一步推廣有積極的影響,將推動量子信息產業的發展,為讀者提供量子計算與量子信息研究領域的前沿視角.本書可作為量子信息學研究方向的高年級本科生、研究生的專業教材或參考書,還可作為量子信息領域研究人員的工具書.
目錄大綱
引言...................................................................................1
第1 章 網絡量子關聯的基本概念.................................................... 8
1.1 貝爾非局域性................................................................8
1.2 量子網絡中的非局域性......................................................10
1.2.1 量子雙局域性.........................................................10
1.2.2 鏈型網絡非局域性....................................................12
1.2.3 星形網絡非局域性....................................................15
1.2.4 樹狀網絡非局域性....................................................16
1.2.5 任意網絡場景中的非局域性...........................................19
1.2.6 層次網絡非局域性....................................................19
1.3 量子操控性.................................................................21
1.4 網絡中的量子操控性........................................................23
1.5 量子關聯的共享.............................................................24
第2 章 不同網絡拓撲結構中的量子關聯.............................................28
2.1 不同網絡拓撲結構對量子網絡非局域性的影響...............................28
2.1.1 利用量子網絡非局域關聯區分網絡拓撲結構...........................28
2.1.2 區分Werner 態型網絡拓撲結構.......................................36
2.1.3 見證星形網絡拓撲結構............................................... 39
2.1.4 見證三角形網絡拓撲結構.............................................45
2.2 量子網絡非局域性的分層見證...............................................50
2.2.1 k 分叉樹狀網絡場景..................................................51
2.2.2 不定分叉樹狀網絡場景............................................... 59
2.2.3 環形網絡場景.........................................................60
2.2.4 任意網絡場景.........................................................63
2.3 一類樹狀網絡操控性的數學模型.............................................67
2.3.1 3 層2 分叉樹狀網絡操控性的定義....................................67
2.3.2 資源態對網絡操控性的影響分析...................................... 69
2.3.3 3 層2 分叉樹狀網絡操控性的判據....................................71
2.3.4 n 層2 分叉樹狀網絡操控性...........................................79
2.4 一般量子網絡操控性的數學模型.............................................84
2.5 小結與相關前沿課題介紹................................................... 88
第3 章 基於機器學習的網絡量子關聯識別.......................................... 91
3.1 網絡非局域性的度量........................................................91
3.1.1 測量誘導的非雙局域性............................................... 92
3.1.2 對於一類特殊混合態的上界..........................................108
3.1.3 基於Hellinger 距離定義的非雙局域性度量...........................111
3.2 基於神經網絡識別量子操控性..............................................125
3.2.1 數據集.............................................................. 125
3.2.2 訓練和測試的過程...................................................127
3.2.3 優化廣義Werner 態的可操控邊界................................... 129
3.2.4 四個特征訓練的分類器的對比....................................... 132
3.3 基於集成深度學習的鏈型網絡非局域性識別................................ 134
3.3.1 一個非n 局域性量化................................................134
3.3.2 使用集成算法預測非3 局域量化值...................................136
3.4 小結與相關前沿課題介紹.................................................. 153
第4 章 噪聲場景中量子關聯共享與網絡關聯的持續性..............................156
4.1 含噪非局域性共享......................................................... 156
4.1.1 共享條件............................................................156
4.1.2 數值分析............................................................171
4.2 含噪量子糾纏共享......................................................... 176
4.2.1 共享條件............................................................176
4.2.2 數值分析............................................................183
4.3 星形網絡非局域關聯的持續性..............................................187
4.3.1 噪聲來源............................................................187
4.3.2 含噪聲的非n 局域不等式判據.......................................189
4.3.3 星形網絡非局域性的抗噪聲能力..................................... 192
4.3.4 星形網絡非局域性部分一致噪聲下的持續性..........................196
4.4 樹狀網絡非局域關聯的持續性..............................................198
4.4.1 k 分叉樹狀網絡場景.................................................198
4.4.2 不定分叉樹狀網絡場景.............................................. 209
4.5 小結與相關前沿課題介紹.................................................. 217
參考文獻............................................................................218
