13、开放系统中量子态的演化与退相干

开放系统中量子态的演化与退相干

1. 引言

在量子物理的研究中,量子态在不同环境下的演化与退相干是一个重要的研究方向。本文将探讨量子态在激光通道中的演化规律,特别是压缩数态和压缩热态的相关特性。

2. 量子态在激光通道中的一般演化

2.1 Wigner分布函数的演化

当知道内积 $\langle\chi| \rho\rangle$ 并对式 (6.126) 中的 $\chi$ 进行积分时,可直接得到态 $\rho$ 的Wigner分布函数。通过一系列推导,得到激光通道中演化后的Wigner分布函数 $W(\alpha, \alpha^ ; t)$ 与初始函数 $W(\alpha, \alpha^ ; 0)$ 的关系:
$W(\alpha, \alpha^ ; t) = \frac{2}{A} \int \frac{d^2z}{\pi} \exp\left(-\frac{2}{A} \left|\alpha - ze^{-(\kappa - g)t}\right|^2\right) W(z, z^ ; 0)$
其中,$A = (\kappa + g) \left(1 - e^{-2(\kappa - g)t}\right) / (\kappa - g)$。

在不同条件下,该公式有不同的简化形式:
- 当 $g \to \kappa\bar{n}$ 且 $\kappa \to \kappa (\bar{n} + 1)$ 时,$A \to (2\bar{n} + 1) T$,$T = 1 - e^{-2\kappa t}$,公式变为热环境下Wigner分布函数的解析演

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函 适应度函 适应度函由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值