量子信息

关键词： 量子 特性

量子信息（精选十篇）

量子信息 篇1

关键词：量子态,量子信息技术,量子通信,量子计算,量子传感

0 引言

十九世纪末二十世纪初, 爱因斯坦创立了相对论, 海森堡、薛定谔等一些科学家创立了量子力学, 由此诞生了现代物理学。相对论和量子论成为现代物理学的两大支柱。量子信息是量子物理与信息技术相结合发展起来的新学科[1]。经典物质和微观粒子的本质差别在于微观粒子具有量子特性, 这些特性包括叠加性、不可克隆、相干性、纠缠性等。量子信息技术重点研究利用这些量子力学特性, 突破基于经典电动力学的信息系统的性能极限。量子信息技术主要包括量子通信技术、量子计算技术、量子成像技术、量子定位技术、量子传感技术等。由于量子信息技术具有经典信息无法比拟的优势和前景, 近年来受到广泛关注和发展。

1 量子态的基本特性

1.1 态叠加原理

1.2 相干性

相干性是态之间的关联性, 是指微观世界的量子态矢之间存在相互干涉。量子态利用其相干性保持其携带的量子信息。环境噪声的影响或测量会破坏量子相干性导致量子信息塌缩为经典信息, 即消相干[2]。

1.3 测不准原理

若两个力学量A和B不对易即AB≠BA, 则它们无法同时精确测量。力学量A和B在量子态|鬃〉下的不确定关系可以描述为

其中驻A和驻B分别为力学量A和B在|鬃〉中的不确定度, 而[A, B]=AB-BA为A与B的对易式。

由海森堡测不准原理可知, 如果将信息编码在一对非互易的物理量上, 接收者是无法将该信息完整的还原出来的, 测量某一个物理量时, 必会对另一个物理量产生扰动[3]。

1.4 不可克隆定理

不可克隆指未知量子态不可以被精确复制。不经过测量, 就不能得到量子系统的任何信息, 这就意味着要从非正交量子态中提取编码信息, 就必须对这些量子态进行破坏性测量。不可克隆定理使得窃听者无法采用克隆的手段获取私密信息, 它是量子协议安全性的重要保障。尽管精确复制未知量子态被不可克隆定理否决, 但概率克隆依然是可能的。量子不可克隆定理断言, 非正交态不可以克隆, 但它并没有排除非精确克隆即复制量子态的可能性。目前主要有两种克隆机:普适克隆机和概率克隆机[4]。

1.5 量子纠缠性

量子纠缠性是一种特殊的量子力学现象, 即对复合系统中的某个子系统测量的结果决定了剩余子系统的可能状态。量子纠缠态存在非定域的远距离关联, 相互纠缠的两个粒子无论被分离多远, 一个粒子状态的变化都会立即使得另一个粒子状态发生相应变化。

2 量子信息技术

2.1 量子通信技术

量子通信是指利用微观粒子 (一般为光子) 的量子态作为编码物理态, 进行信息传递的通信方式, 其特征是通信过程中的信息载体为物理系统的量子态。由于光子量子态不能被分割或复制, 在量子信道上传送的信息不可能被窃听、被截获、被复制, 量子通信具有安全性。利用量子纠缠态进行量子态隐形传输, 量子通信可实现无障碍通信的能力。广义的量子通信技术包含了量子隐形传态、量子密集编码、量子信息论、量子密码等研究分支。量子密码技术又包含量子安全直接通信 (QSDC) 、量子秘密共享 (QSS) 、量子公钥密码 (QPKC) 、量子密钥分发 (QKD) 等技术。

1984年, 美国IBM研究院的C.H.Bennett和加拿大蒙特利尔大学的G.Brassard首次提出了基于量子物理方法的密钥分发协议, 被称为BB84协议。BB84协议的提出标志着量子通信技术及量子密钥分发 (QKD) 技术的诞生。当前技术条件下, 文献资料中所谓量子通信技术通常指QKD技术, 迄今为止世界上几乎所有的“量子网络”都是指“量子密钥分发网络”。其余的量子通信技术的理论或实验基础尚不完备, 仍处于基础研究阶段。美国、欧盟和日本分别在基于自由空间和光纤信道的离散变量QKD技术、基于光纤信道的连续变量QKD技术、基于自由空间信道的纠缠光子对QKD技术上处于世界领先水平。从技术指标上来讲, 目前国际上QKD系统最远传输距离达300公里, 在通信距离为50公里条件下安全码率可达1Mb/s。市场上至少有三家公司销售商用QKD产品, 其中包括瑞士的ID Quantique公司, 美国的Magi Q公司和法国的Smart Quantum公司。2007年瑞士联邦选举中, 日内瓦政府信息部门采用了ID Quantique公司的商用QKD系统进行投票结果和网络保密处理。2010年, 南非世界杯安全信息服务也采用了该公司的商用QKD系统作为安全保障。

2.2 量子计算技术

量子计算是以量子力学原理为基础, 用二能级系统作为信息处理单元 (量子比特, qubit) , 通过对量子态的调控实现信息输入、信息处理及信息提取的并行计算方式。其核心在于以量子态来编码信息, 优势源于量子相干性引起的量子并行。在经典计算中, 基本信息单位为比特, 运算对象是各种比特序列。与此类似, 在量子计算中, 基本信息单位是量子比特, 运算对象是量子比特序列。所不同的是, 量子比特序列不但可以处于各种正交态的叠加态上, 而且还可以处于纠缠态上。从原理上讲, 经典计算是基于经典比特的非0即1的确定特征, 对输入信号序列按一定算法进行变换 (逻辑门操作) 的物理过程。而量子计算则是基于量子比特的|0>和|1>的相干叠加特征, 对可由量子叠加态描述的输入信号, 根据量子的算法要求, 进行量子逻辑门操作的幺正变换, 在得到输出态后, 进行测量得出计算结果。因此, 量子计算对经典计算作了极大的扩充。量子计算机不仅能克服特征尺寸减少引起的热耗效应和量子效应对现有计算机进一步发展的制约, 解决经典计算机制造中面临的摩尔定律失效问题, 而且能够突破经典计算极限, 满足计算速度不断提高的需求, 将成为下一代计算机发展重要方向[5]。

量子计算的基本理论模型已经得到实验验证, 国内外的研究人员正致力于集成更多量子位, 尽可能长时间的保持其量子特性, 以进行更多的量子逻辑门操作。2010年, 加拿大D-wave公司宣布研制成128个量子比特的超导绝热量子计算机。2011年, 奥地利因斯布鲁克大学利用离子阱实现了6个量子位, 并进行了数百个量子逻辑运算。此装置实际上已经可以看做可实现特定功能的专用量子计算机。2012年, IBM采用三维合金波导谐振腔, 使内置的超导量子位将量子态保持了100微秒, 理论上可以完成数百个量子逻辑门操作, 成功率达到95%以上, 展示了超导系统应用于量子计算的巨大潜力。

2.3 量子成像技术

量子成像是一种利用双光子复合探测恢复待测物体空间信息的一种新型成像技术。相对于传统光学成像技术中通过记录辐射场的光强分布从而获取目标的图像信息的方法, 量子成像则是通过利用、控制 (或模拟) 辐射场的量子涨落来得到物体的图像。由于经典电磁波成像技术建立在电磁波的确定性理论模型和经典信息论基础之上;而量子成像技术建立在光场的量子统计的不确定性理论模型之上。因此, 量子成像能够打破经典成像的探测系统量子噪声极限、成像系统分辨率衍射极限、奈奎斯特采样极限, 在成像探测灵敏度、分辨率和扫描成像速率上得到突破。

1995年, 美国马里兰大学史砚华小组首次在实验上实现了双光子纠缠源的“鬼”成像。1999年巴西Fonseca等人利用自发参量下转换产生的双光子态作光源, 观察到了双缝的亚波长干涉效应。鬼像以及鬼干涉实验的研究带动了量子成像的发展。2000年, Boto提出利用N个光子纠缠系统来做N个光子复合探测的量子刻录方案, 可以在不改变光波波长的情况下, 把光学系统的瑞利衍射分辨极限提高N倍。2004年, Bennink小组用经典光源证明了双光子“鬼”成像的实验。2008年, 美国国家标准和技术学院以及马里兰大学的联合研究团队首次实时捕获了被量子纠缠在一起的图像, 两幅在空间上分隔开的随机变动的图像, 但通过它们的互补功能被紧密链接在一起。

2.4 量子定位技术

量子定位技术是基于传统无线电导航定位系统的同步、信息传输、测距 (测角/测时差/测相差/测频差) 和解算 (位置/方向/姿态) 基本原理, 利用量子的纠缠和压缩特性实现超越经典测量中能量、带宽和精度的限制。根据理论分析量子定位技术在定位精度、安全性和抗干扰方面远优于无线电导航定位系统。理论计算表明, 量子定位系统 (QPS) 的定位精度至少是现有经典无线电导航定位系统的M*N倍 (M束光脉冲, 每束光脉冲包含N个光子) , 是经典光学测距的MN1/2倍。量子定位系统可很容易地解决保密通信和防窃听的问题。量子定位系统由于采用量子光信号, 不存在电磁干扰问题, 同时, 量子测不准性保证了噪声干扰的可检测性。

2001年美国麻省理工学院Vittorio Giovannetti博士带领的研究小组最早提出量子定位系统 (QPS) 概念。从理论上证实了量子压缩和量子纠缠时实现高精度量子定位的基础;通过利用脉冲内处于纠缠和压缩态的光子的个数, 可以提高距离测量的精度, 且压缩和纠缠的光子数越多, 对应的精度越高。此外, 还研究了量子纠缠源的制备, 时钟同步等问题, 并实现了基于纠缠双光子对的10米距离量子测距的桌面试验系统。2004年, 美国陆军研究实验室详细给出了采用基线干涉式QPS的构建方案。2008年美国陆军研究实验室正式将陆基QPS和采用地球近轨卫星的星载QPS研究成果申请专利, 对于星载QPS而言, 若忽略大气层效应, 对于地球的绝大多数区域而言, 优于1cm的定位精度是完全可能的, 而且可能会成为定义全球四维参考坐标系的主要系统。

2.5 量子传感技术

量子传感器是利用量子信号对环境变化的极高敏感性, 得到高灵敏度和测量精度的新型传感器。量子传感器可以观察到光子相位的微小变化, 并通过量子态的调控高度压缩光场固有的散粒噪声, 从而实现接近于海森堡测不准原理 (物理学要求的测量极限) 量级的观测。

量子传感技术中最成熟的研究领域是位移传感, 其最早被应用于美国的“干涉探测器” (LIGO) 寻找引力波存在的迹象, 该探测器可以探测10-18米量级的极微量位移, 甚至比光子本身的直径还小一千倍, 充分展示了量子传感器的巨大应用潜力。目前, 已相继开展量子激光陀螺、量子光纤扰动传感和量子光纤水听器等量子传感技术的理论研究[6]。美国国防先期研究计划局DARPA已经专门立项量子传感器的研究专题。2007年, 澳大利亚学者安德鲁·怀特小组制备了6光子以上的纠缠源。2010年, 来自意大利罗马大学的团队证明了存在损耗和噪声的干涉仪中也可以实现高精度的传感和测量, 探索了将量子技术应用于现场环境以实现远距离传感的可能性。

3 结语

量子信息技术是量子力学和信息科学相结合的一门快速发展的新型学科, 基于量子特性的量子信息技术在提高运算速度、确保信息安全、增大信息容量和提高检测精度等方面能够突破现有经典信息系统的极限。近年来量子信息在理论、实验和应用领域都取得重要突破, 随着信息时代的到来, 量子信息技术将越来越广泛的引起人们的关注, 将成为下一代信息技术的先导。

参考文献

[1]郭光灿.量子信息技术[J].重庆邮电大学学报 (自然科学版) , 2010, 10.

[2]何立宏.安全多方量子计算理论与应用研究[D].中国科学技术大学, 2013, 5.

[3]陆鸢.连续变量量子保密通信技术研究[D].上海交通大学, 2011, 12.

[4]肖.量子信息技术-量子密钥[J].湖北教育学院学报, 2005, 3.

[5]Arun G, Vivekanand Mishra, A Review on Quantum Computing and Communication, IEEE, 2014.

量子信息论文 篇2

现如今，量子信息已成为科学领域发展必不可少的要素之一，其实，在20世纪初量子就已经被发现并被人类所利用。在19世纪后期，在科学界出现了许多难题——很多物理现象无法用经典理论解释，包括在当时科学界讨论很激烈的黑体辐射问题（由于物体辐射的电磁波在各个波段是不同的，并且受物体自身特性和温度的影响，为了研究这种规律，科学家定义了黑体来作为热辐射研究的标准物体）。1900年，当普朗克研究黑体辐射时，提出了普朗克辐射定律，量子这一概念就此诞生。量子假设的提出终结了经典物理学的垄断地位，使物理学进入了微观时代，也就是现代物理学的诞生。而经过一个多世纪的发展，量子领域的一些假设仍然不是非常严密，还需在日后的研究中逐步完善，但这并不能否认量子在目前科学领域的领导地位。

量子，即某物质或物理量特性的最小单元，它以qubit为单位，而从中衍生的量子力学，量子力学中的量子通信已经成为当今科技发展的主要领域。

先讨论一下量子力学，上文提到过量子力学是描述微观物质的理论，与相对论紧密结合，成为现代物理学的支柱。它强调微观世界的不确定性以及客观规律，而其中最著名的预测便是量子纠缠态，即使两个粒子在空间上也许会相距很远，但是其中一个粒子会时刻随着另外一个粒子的改变而改变，因此，爱因斯坦将量子纠缠称为“幽灵般的超距作用”，这种粒子的互相影响现象听起来似乎十分玄学，但是它的确是科学家在实际试验中获得的现象。例如，我国量子卫星“墨子号”成功实现了“千公里级”的星地双向量子纠缠分发，在全世界取得领先的地位。值得一提的是，21世纪兴起的量子计算机中的原理正源自于量子之间的纠缠，在量子计算机中，基本信息单位是量子比特，运算对象是量子比特序列。相对于传统计算机，量子计算机拥有其特殊的优越性，量子比特序列不但可以处于各种正交态的叠加态上，而且还可以处于纠缠态上。这些特殊的量子态，不仅提供了量子并行计算的可能，还做到了传统计算机几乎无法完成的工作。但迫于对微观量子态的操纵难度，量子计算机还没有真正意义上的创造出来，在未来几年的发展中量子计算机绝对是一个主要的研究趋向。在量子力学中，泡利不相容原理是一个拥有极大实际意义的原理，由于费米子（反对称状态粒子）的自旋数为半数，因此两个费米子无法占据同一状态，该原理又延伸到原子，电子领域——一个原子轨道上最多可容纳两个电子，而这两个电子的自旋方向必须相反，为元素周期表的解释奠定了坚实的基础。

再来看量子通信领域，量子通信作为一种新型的通信方式，也是基于量子的纠缠态理论，由于这种特殊的原理，使得这种通信方式变得高效、安全。在传统的信息传输过程中，也许会被某些不法分子在中途截获，不仅造成了信息的泄露，被截获后信息的准确度也会大大降低。于20世纪末，量子通信的雏形形成了，当时传送的仅仅是量子的状态，而信息本体并没有被传输。随着量子通信的不断发展，它拥有一套极难被破译的密码系统，这套密码系统抛弃了传统以数学为主体的方案，转而使用物理方式对其加密，而所谓的物理方式就是量子力学，该方案杜绝了信息在传输过程中被随意截取或更改的漏洞。而基于量子力学的密码所具有的随机性更是为信息的安全添加了一层保护伞，即使被截获，也因无法正确读取该密码而无法盗取信息。另外，由于两个粒子纠缠的特性，导致一个粒子被改变时另一粒子也随之改变。量子密码系统一般分为两种：非公开密钥（对称密钥）以及非对称密钥，非公开密钥就是加密密钥和解密密钥相同，例如一次一密，即用一次就作废。后者为公开的加密密钥和保密的解密密钥不同，从而使从公开密钥破解非公开密钥花费大量资源，理论上可以完成但实际上无法做出具有如此强大功能的计算机进行破密，因此实现了其安全性。

尽管量子力学已经对人类做出了杰出的贡献，但是量子力学的潜力远远没有挖掘出来，量子力学还有很多非常深刻的现象，能够超过我们现有技术的的性能。例如，正在从经典调控过渡的量子调控，虽然人类在经典调控方面已经做到非常高的精度，但是在量子世界中的量子调控还不是十分成熟。量子调控为根据量子力学原理，在量子态的层面对所研究的体系进行控制与改变。当我们控制电子时，可以控制它的电荷态，自旋态或是轨道状态，当两种状态耦合时，便会产生许多新的、未发现过的物质特性。当进行量子调控时，必须要明白量子态的三种特性——可叠加性，不可复制性，非局域性，这三种特性会给量子调控带来新的特性。而量子调控的对象，除了上文提到的电子，还有基于光子、声子等复杂体系的高级调控。对于量子调控的方法，就是广泛，综合的对各个领域同时调控，特别是对量子系统环境的调控技术。这些系统环境，包括马尔科夫和非马尔科夫环境，分别对粒子起着不同的作用。马尔科夫环境是指系统信息单向流入环境，而环境无法对其作出反馈，相反，非马尔科夫环境是指信息流到环境里去，在经历一系列的过程后，还可以恢复。因此对环境的调控就是要克服马尔科夫环境的负面影响，使其变成非马尔科夫环境，将该环境作为一个储存空间，将信息放入里面进行储存，之后需要的时候还可以取出。实际上，对于两种环境之间的调控，是控制它们的频谱，前者频谱较宽，后者较窄，当改变其频谱时，也就相当于改变了它们的性质。总的来说，量子调控也是非常重要的一个领域，在量子的发展中不可忽视。

信息安全保护神量子通信解读 篇3

说到数据通信，作为网虫的我们几乎每时每刻都在使用。比如日常的手机通讯、QQ聊天、发送Email，这些操作都在使用通信来传输数据。目前主流的通信加密技术是非对称密码体制（也叫公钥加密技术），不过这种加密主要依赖的是算法加密（如现在的算法加密秘钥体系是RSA体系）。虽然RSA加密目前破解难度大，但是随着电脑计算能力和性能的不断提升，RSA的破解并不是不可能，随着量子计算机的出现，它就能够完全攻破RSA（图1）。

传统RSA加密技术

因此目前通信加密技术仍然存在一定的安全隐患，为了能够获得更为安全的加密，科学家对量子通信进行了研究。那么什么是“量子”？根据科学家的定义，量子并不是一种类似原子、电子之类的物理粒子，而是一种概念。例如，我们说一个“光量子”，是指一个光量子的能量是光能量变化的最小单位（图2）。量子通信加密正是基于光量子的一种先进加密技术，它是结合量子技术与现代通信技术的一种新兴通信技术，在理论上可实现无条件安全的链路数据传输，被认为是保障未来通信安全最重要的技术手段。

光量子示意图

安全加密的背后——认识量子通信加密技术

大家知道，如果要实现高强度的加密，首先我们就要保证数据传输介质的不可复制性，因为如果传输的数据被人为复制，那么他人就可以通过对数据进行分析从而进行破解。比如现在数据传输都是通过网线进行传输，这样很多黑客就是通过抓包就可以获取我们的通信数据。当使用QQ和好友传输文件时，黑客如果侵入我们的电脑，那么理论上黑客只要抓到足够的数据就可以轻易破解出你的传输文件。显然数据可复制性会给我们的通信带来一定的安全隐患（图3）。

黑客通过抓包可以窃取文件

量子通信加密则可以彻底杜绝可复制的安全隐患，在量子通信技术中，发送方和接收方采用单光子的状态作为信息载体来建立密钥。例如我们现在通过QQ传输文件abc给好友B，采用量子通信技术后文件abc的信息被分解为单光子的状态。因为光在传播的同时还在振动，包括沿水平方向振动和沿竖直方向振动。这样我们只要把水平振动状态叫做“0”，竖直振动状态叫做“1”，利用这两个状态就可以加载一个比特的信息，从而将传输文件分解为计算机可以识别的“0”、“1”这种数字信号实现传输（图4）。

光量子文件传输图解

由于光量子是光能量变化的最小单位，它不可再分割，而且不能被复制。因此在文件传输过程中就彻底杜绝了数据被复制的安全隐患。当然光量子在传输过程中可能被窃听者截取，但由于窃听者不能精确地对光子的状态进行测量，如果窃听者对光量子状态进行改变，发送给接收方的光子状态与其原始状态会存在偏差。这样，发送方和接收方利用这个偏差就可以探测到窃听者对光子的测量扰动，从而使得接收者可以知道文件在传输过程中被窃取，密码验证自然失效，从而杜绝了数据泄密的可能。

其次，量子通信加密还使用了“一次一密”的安全加密方式。一次一密是目前最为先进的加密技术，它可以在每次双方通讯（可以精确到每秒甚至万分之一秒）的时候随机产生不同的密码，这种高频率密码数据借助光纤大容量数据吞吐可以轻松实现。在量子通信技术无线通讯中，假设A、B两人在使用量子通信加密的手机通话，那么在A、B两人手机连通的时候，量子通信的密码机会在每分每秒都产生密码，一旦A、B两人的通话结束，这串密码就会立即失效，下一次通话绝对不会重复使用。这样即使黑客知道当前的通信密码，那么在下一秒又会产生新的密码，这种高频率、高强度的密码可以说目前没有什么设备可以进行破解，从而有效保证数据通信的安全可靠（图5）。

量子通信使用一次一密码图解

小知识

RSA加密和量子通信加密有什么区别

RSA加密使一种是用RSA算法进行的非对称加密算法，既能用于加密，也能用于数字签名，我们平时使用的网银、支付宝加密都是这一算法。其公钥和私钥是一对大素数（100到200位十进制数或更大）的函数，然后通过一定的算法实现加密与解密，不过RSA的安全性依赖于大数的因子分解，随着高性能计算机的出现，实现RSA破解并非不可能。量子通信加密则是一种“算法+光量子传输”的加密手段，和RSA只是一种单纯算法加密相比，它除了使用一定算法加密外，还借助光量子不可复制和无法分解的特性实现更为安全的加密。

量子安全通信 人人都需要的加密技术

说到数据通信的泄密，大到国家层面的窃听（如前段时间闹得沸沸扬扬的棱镜计划），小到我们在日常网络活动中泄露的各种隐私数据。随着互联网技术的发展和硬件性能的提升，我们都面临着数据通信泄密的威胁。显然我们都希望能够有更安全的通信加密技术来保护各种重要数据不被人窃取，量子通信加密技术利用光量子不可复制和一次一密的加密技术，可以让我们的通信更加安全。

量子信息学对信息安全的影响浅析 篇4

关键词：量子信息学,信息安全,量子信息处理技术,量子计算机

1 量子信息学和量子信息处理技术

1946年第一台数字电子计算机问世, 1971年第一块计算机硅芯片诞生。此后芯片集成度遵循摩尔定律成指数增长, 到今天, 芯片的能耗问题已凸显, 而其尺寸不久将达到原子分子量级, 根据量子物理理论, 这一微观领域内, 电子将呈现出波粒二象性, 量子干涉效应会导致芯片功能不再稳定[1]。这是研究量子计算机的直接动力。

研究量子计算机离不开对量子算法的研究, 量子算法的研究成果反过来又激励人们对量子计算机的热情。量子计算机和量子算法是量子信息处理技术的一个重要组成部分。

量子力学原理促成量子密码、量子隐形传态和量子通信、量子签名等理论和技术的发展, 后者是量子信息处理技术的又一重要组成部分。

今天的量子信息处理技术还囊括了量子纠错编码、量子密集编码、量子图像处理等领域, 形成了量子信息学。

量子信息处理技术的直接目标是设计和实现量子计算机和量子通信网络。

量子计算机的优势之一是计算能力强[2], 利用芯片内的量子态的线性叠加性完成指数级的并行计算, 可结束摩尔定律的历史。NP (非确定性多项式) 计算难题是传统计算机无法应对的, 量子计算机可将众多此类问题转化为P (多项式) 问题解决, 征服了数学难题, 也动摇了传统密码系统安全性的理论基础;在对非结构化数据库的进行搜索时, 如果运行全新的量子搜索算法, 转眼可从海量的数据库中找出精确的信息。其第二个优势是可以建立量子模拟与仿真系统, 用于武器、飞机仿真测试和模拟核试验。1982年, R.P.Feymann提出一个猜想, 认为量子计算机具有模拟任何局域量子系统的能力, 1996年希斯·罗埃德证明了这一猜想[3,4]。第三个优势是可用于实现计算机视觉。

量子通信网络因高安全性及多端计算的特点成为下一代通信网络的重要发展方向。

未来量子信息学可对网络、检索、建模、预报、调度, 尤其是密码破译等信息安全领域造成强烈影响。

2 量子计算和量子算法

2.1 传统加密算法

基于计算安全性的现代密码学是各国金融和国防等领域的基石, 也是保障网络信息安全的核心。密码算法是保证信息机密性的最有效途径。保密通信、密级存储、身份鉴别及数据完整性等信息安全技术均依赖于现代密码学理论。

传统加密算法分为对称加密算法和公钥加密算法。对称加密算法运算快, 典型代表有的DES、AES和IDEA等。算法较复杂的RSA (基于大整数分解困难性问题) 、NTRU (基于高维格中寻找最短向量困难性问题) 、El Gamal (基于离散对数问题) 、椭圆曲线 (基于椭圆曲线离散对数问题) 和MH背包密码系统是公钥密码体系的代表。

1977年发明的公开密钥加密算法RSA, 是第一个也是对信息安全贡献最大的公钥密码算法[5]。

RSA密钥对生成过程:

(1) 选取两个保密的不同的大素数p、q, 计算乘积

和欧拉乘积

(2) 随机选取一个与欧拉乘积φ (n) 互质的较大的数e, (e, n) 就是加密公钥, 通过e和φ (n) 得到

(d, n) 即为解密私钥。

加密过程:

(1) 发送者将明文M分段, 使其每个分段mi的长度小于log2n。

(2) 对每个明文的分段mi做加密运算, 并合并得到密文

其中

密文C发送给接收者。

解密过程:

接收者收到密文C, 将其分段得

利用仅接收者拥有的私钥来计算明文

其中

大数因子分解相对传统电子计算机而言是难解的, 这一计算复杂性理论是现代密码学的基础[6]136。RSA算法的运算复杂度为O (n3) 。有人计算过, 如果对一个60位的正整数进行因子分解, 最快的超级电子计算机也要耗时若干亿年[2]。

1996年J.Hoffstein, J.Pipher, J.H.Silverman提出基于多项式环的“NTRU”公钥加密体制, 运算复杂度为O (n2) , 比RSA高效且防攻击性好, 有人预测, 只有拥有强大并行计算能力的量子计算机可能攻破它[6]。

2.2 量子算法攻击技术

相对于量子计算机的计算能力, 某些曾经的难题不再难。量子计算机具有强大攻击潜能。量子攻击分为两类[7]:量子物理攻击和量子算法攻击。其中物理攻击技术尚不成熟;算法攻击方面成果颇丰, 最著名的有Shor算法攻击和Grover算法攻击。

2.2.1 Shor算法攻击

主要针对公钥密码体制。

1994年, 美国学者Peter Shor提出了一种量子算法, 以“量子计算可破解离散对数、大整数因子分解难题”为理论基础, 是一个超越传统的高效算法[8,9]。该算法将大数因子分解问题变换为求一个指数函数周期的问题, 经过快速的量子傅里叶变换计算, 求周期仅需多项式步骤即可得解。

Shor算法 (秀尔算法, 大整数质因子分解的量子多项式算法) :

已知:N是两个大素数n1和n2的乘积。求:n1和n2。

(1) 随机选取一个比N小的正整数a, 计算a和N的最大公因子gcd (a, N) 。判断:若

则已成功找到一个因子gcd (a, N) , 输出

进入第4步;否则进入第2步。

(2) 定义f (x) =axmod N, f (x) 是一个周期函数。设周期为r, 即

故有

利用量子算法求r。判断和循环:若r是奇数, 重新取a, 重新求r, 直到r为偶数为止。

(3) 因为

所以

求出ar/2和N的最大公因子gcd (ar/2, N) , 输出

(4) 输出

以上步骤中第二步必须靠量子计算机来完成, 其他步骤可在传统计算机上进行[10]。对一个60位的数字进行因子分解, 采用Shor算法只需一瞬间[2]。这就是量子计算对今天各国采用的主要密码体制和信息安全理论构成巨大威胁的直接原因。应当注意, 此算法是个随机算法, 即不保证每次都成功。

2.2.2 Grover算法攻击

主要针对对称加密算法和大容量数据库。

1995年, 美国人Grover证明出:搜索一个未经整理、容量为N的数据库的时间复杂度, 用量子图灵机为O (N1/2) , 比用传统算法的时间复杂度O (N) 要好, 据此, Grover设计出了一个基于量子态并行计算特性的量子快速搜索算法[8,11,12,13]。Grover算法极大降低了计算的复杂度, 使传统计算机要用百年时间才能完成的破译DES密码的任务在几分钟内即完成, 还可用来探索、搜索最值和均值, 这些理论已通过光学系统、核磁共振 (NMR) 等实验方案验证[14]。与Shor算法一样, Grover算法也是一种随机算法。

受到以上算法的启迪, 许多经优化而提高了成功率的量子攻击算法被先后设计出来。

2.3 抗量子算法攻击的密码体制

寻找防范量子算法攻击的抗量子密码体制成了信息安全领域紧迫的课题。可以遵循以下几条思路:

一是采用与数学难题无关的密码体制。量子算法攻击一些数学难题的计算能力强大, 然而量子密码、DNA密码等新型密码不以数学难题为基础, 量子算法攻击对此将无能为力[15]。

二是采用能防范量子计算攻击的数学难题有关的密码体制[10]。量子计算不是万能的, 目前尚未证明量子计算机可以破解所有已知的数学难题, 因此不排除用“与离散对数问题、大数分解问题无关的算法”来构造防范量子攻击密码体制的可行性, 这方面的成果有:基于纠错编码问题由Robert Mc Eliece发明的Mc Eliece密码体制 (M公钥) 和由Niederreiter创造的代数码公钥密码体制 (N公钥) [16,17]。

3 量子密码、量子隐形传态与量子通信、量子签名

量子密码、量子隐形传态与量子通信、量子签名是量子信息学的又一重要领域。

科学家推测将量子态作为信息加解密的密钥具有的无法窃听和破译的独特性, 利用这种密码实现保密通信网络, 必会提高通信技术的安全程度, 可以规避当今众多信息拦截者的攻击[7]。

未来的量子通信网络可基于卫星或基于光纤组网, 具有无条件安全性、多端计算的优点, 利用“点到点”量子密钥分发装置可组建一个跨全球的量子保密通信网络。

量子保密通信网络的未来趋向[18]:一是出现技术井喷并实现各种技术融合, 量子交换机、量子路由器、不同结构的量子密钥分配 (QKD) 网络逐渐出现;二是向层次化、标准化方向发展, 实现互联互通;三是采用中继技术突破传输距离的局限, 扩展延伸量子保密通信网络, 形成广域网络;四是密钥长度数量逐渐增长, 传输速率亦逐渐提高。

1984年, 第一个可实现安全秘密通信的量子密钥协议BB84协议被提出来, 解决了密钥分配这一带根本性的问题, 5年以后IBM根据这个协议成功进行了第一次传输量子密钥的演示性实验。目前还有BBM92、B92和EPR等量子密钥分发协议[19,20], 其安全性都基于Werner Heisenberg线性叠加 (测不准) 原理和单量子无法克隆的理论。

量子密码还可用在量子数字签名、投票、认证等方面, 国内外一些关于量子签名的仲裁协议方案已经相继被提出来[7]。

量子密码学的另一实现手段是利用量子隐形传态原理进行远距离的中继转发。

4 量子信息学的挑战和进展

4.1 挑战

首先, 需要解决量子脱散现象 (消相干) 的问题[21], 生成稳定的量子位是设计量子计算机的关键问题。从简单量子逻辑门到形成量子逻辑门网络仍有很长一段路要走[22]。其次, 原子难以保持稳定, 观察很困难。观察原子的同时破坏了观察前的不确定状态, 致使实验价值大打折扣。量子纠错方案仍有待分析和改进。再次, 编制算法进行一定数目的量子运算、量子传输技术、单光子源技术同样困难。此外, 研发量子计算相关的各种器件, 统一各类接口的标准, 制定量子保密通信网络的各类协议规范, 更需要长久的研究实践来解决。

以上挑战表明, 量子信息学短期内还不会对现有信息安全体系造成实质性改变。

4.2 进展

4.2.1 理论方面的进展

Shor提出的量子纠错思想等量子纠错理论在解决脱散问题方面取得了根本性的突破。受到Shor算法启发, 科学家们发明了更多量子并行快速算法, 量子复杂性理论随之产生[21]。NMR等技术可以扩展量子位 (昆比特qubit) 信息, 获得间接测量的效果, 并可在相位一致中分析错误并修正, 使量子计算系统稳定可靠。通过量子点操纵、冷阱束缚离子 (ion trap) 、NMR、腔量子电动力学 (QED) 和高温超导约瑟夫森结等[23]技术方案, 可成功推进量子计算实验计划。2002年, 美国政府制定的量子信息科技发展规划提出了光量子计算等八个技术方向[24]。

4.2.2 实践方面的进展

2000年, IBM宣布7量子位量子计算机研制成功, 用一步计算完成了传统计算机需多次循环才能解决的数学题。2010年英、日、荷、以色列等合作制成了一款芯片, 可进行量子计算。2011年加拿大发布了一款能处理经过优化的特定任务的量子计算机。2012年维也纳造出隐秘量子计算机。

中国1995年通过实验展演了BB84协议, 2004年建成世界首个实用光纤量子密码网络[25], 2007年造出量子路由器[26]、实现量子搜索算法和Shor量子分解算法[10], 2009年建成世界首个光量子电话网, 2010年实现16千米距离自由空间量子隐形传态[27], 2011年提高至约100千米, 向全球量子保密通信网络的建立迈出重要一步[28]。

5 结束语

量子信息学是一柄双刃剑, 给信息安全相关领域带来了前所未有的影响。

量子信息 篇5

运用全量子理论研究了大失谐腔QED中任意初态(纯态和混合态)两全同二能级原子的量子信息保真度.讨论了系统初态和原子耦合程度对量子信息保真度的影响;揭示了保真度演化的物理实质.结果表明,系统的保真度呈周期性演化,保真度演化的振幅的.受原子混合度的调制,演化周期受原子耦合系数的控制.恰当选取两原子的初态、控制好相互作用时间,可以获得系统量子信息的高保真输出,产生在量子信息处理中有广泛应用的周期量子回声.

作 者：周并举 易有根 周清平刘小娟 ZHOU Bing-ju YI You-gen ZHOU Qing-ping LIU Xiao-juan 作者单位：周并举,易有根,ZHOU Bing-ju,YI You-gen(湖南科技大学物理学院,湘潭,411201)

周清平,ZHOU Qing-ping(湖南师范大学物理与信息学院,长沙,410081;中国科学院安徽光学精密机械研究所,合肥,230031)

刘小娟,LIU Xiao-juan(湖南科技大学物理学院,湘潭,411201;湖南师范大学物理与信息学院,长沙,410081;中国科学院安徽光学精密机械研究所,合肥,230031)

量子信息 篇6

众所周知，一台电视机最核心的部分就是显示器和机芯。近年来随着数字技术及数字电视的飞速发展，高清晰度数字处理的大规模集成电路就成为电视机核心中的核心了。

量子芯的威力

先来看看长虹“天驭”量子芯4219P最主要的技术靓点，这就是长虹与美国硅谷一家著名科研公司共同研发的“量子芯”技术。据悉，“量子芯”技术是自成立虹微软件公司以来，长虹不断在核心技术上开拓创新下的产物。

“量子芯”是为了解决平板电视显示暗画面、快速移动图象等技术难题而开发的新技术。与长虹原来的“平板显像金三角”技术有所不同，“量子芯”主要进行的是视频信号的优化，它能够使颜色还原更加真实，动态场景更加逼真。“量子芯”采用量子10位叠加精微并行运算，主要工作原理就是对每一帧画面进行千亿次／秒的量子精微处理，这一技术标志着长虹平板电视率先进入了量子精微显像时代。

下面我们就来看看这个著名的“量子芯”到底是如何不简单的。它包括极速处理器、量子芯画质增强引擎、数字影像轮廓识别系统、5区全色域提升技术和MPEG通程降噪。

具体来说，它以千亿次／秒的量子运算速度，针对组成图像的每个像素点进行双程量子10位精微优化，激活盲点，让每一个点真正成为“精”点。为了准确显示图像每个像素点的色度、亮度信号、色相、漂移方向，量子芯要对其周围7×7=4日个像素点进行逐点计算，并将两次结果作对比分析后，进行量子10位精微迭加处理，使每个像素点呈现真正鲜活生动的影像信息。

量子芯通过对实时图像的色彩、对比度、亮度等信号的高速检测、补偿和提升，有效消除图像锯齿、细节表现不够、轮廓模糊、RGB色差等缺陷，从而呈现出量子精微技术生动鲜活的自然影像。其二维轮廓处理器用于提升图像细节，针对实时物体的轮廓和边缘进行目标检测，通过动态模糊逻辑边缘增强器智能识别并对图像与噪声进行界定，而且还能同步扩展黑白影像区域的动态范围，在降噪的同时并行锐化细节，从而获得令人叹为观止的、透亮清晰的图像。采用动态AFC(防闪烁对比度)技术．能把剧烈的场景跳变转变成自然的识别，并进行灰阶延伸，因此不会产生图像闪烁的问题(尤其是当相邻帧图像场景亮度变化剧烈时，一些拙劣的处理算法会导致图像在亮场景与暗场景之间变换时，图像产生明显的闪烁和抖动)，可以获得最佳的视觉对比度。同时，32阶动态直方图算法以及防闪烁对比度进行黑阶延伸，使图像层次分明，保留了画面最暗处的细节。

“天驭”量子芯系列采用五场三维矢量算法，能将1080i高清信号转换成1080p。基于物体的目标检测能智能识别和矢量感知场数据的变化，精确处理前两场、后两场和当前场的像素运动信息，通过量子芯的高速运算器得出新的1080p逐行场的信息，不仅实现了1080i的去隔行，对图像的噪点判断也很准确。运用3D(PAL／NTSC)数字解码技术，消除色斑和串扰，亮度、色度信号分离更彻底，3D降噪效果更好，完整还原1080p／720p等格式的高清晰画质。由于储存了五场信息，运动检测和插补更加准确，清晰度基本无损失。5区全色域增强引擎，在整个色度空间上同时任意选取5个色彩区域进行优化，得到更为自然丰富的色彩表现。

功能丰富弭劲

“天驭”量子芯4219P的操控菜单简单明了。除了常见的亮度、对比度、清晰度、色饱和度调整外，还具有皮肤色彩校正(开／关)、色温3种选择(冷色／正常／暖色)、智能黄金比图像模式快捷方式4种(电影／风光片／体育比赛等)等获得更好画质的调整手段。没有红绿蓝三色的调整功能会让视频发烧友有点失望，不过对大部分普通消费者而言是没什么关系的。双高频头画中画、画外画、双视窗的设计提高了本机的性价比，很有实用价值的菜单位置移动以及菜单、电视频道编辑功能也体现了设计者的匠心。在切换电视节目的时候，原来频道的最后一帧画面会静止1秒钟然后直接显示新换频道的画面。这种方式取代了过去的黑屏方式，减少了黑屏时一暗一亮对人眼的刺激，增强舒适感之余也能有效保护视力。显然，长虹“天驭”量子芯4219P的设计更体贴更先进，由此派生出来的随意静止观看画面的功能也是很有特点的。

“天驭”量子芯4219P还有一些很有特色的功能。比如在开机状态下如果移动机器会有报警提示，如果连续移动就会自动关机，这是很不错的保护设计。此外，这款机器还装备了强大的多媒体功能，机身右侧面的双路USB2．0接口+读卡系统是具有1080i、720p色差分量视频格式输出的全功能方案，具有大多数其它品牌所不能读取和兼容的MP4网络音视频媒体格式文件播放优势，是国内首家成功开发出超越480p标清格式的高清MP4流媒体技术。它支持JPEG、TIFF、BMP、GIF、PNG等格式的图片显示，而且还支持MPEG4的字幕方案，支持的字幕格式多达12种，读卡器兼容CF＼SD＼SM＼MS＼MMC＼MD等多种记忆卡。

插hSD卡，然后按遥控器上的HDMP快捷键就进入了多媒体模式，然后选自己喜欢的照片或者视频。不过观看照片时出现了意想不到的现象：画面失真厉害，色彩溢出现象严重，无法观看细节。这是怎么回事呢？把色浓度降低一半，照片显示就完全正常了，画面清晰细腻，此时画面显示的状态是720p／60Hz。原来在播放不同的信号源时应该针对不同信号进行画面调整，看来是笔者自己犯懒了。

“天驭”4219P的遥控器的各个按钮更简洁清晰，区分更明了，操作起来也很容易上手。各个快捷按钮如画面黄金比。HDMP多媒体、压缩模式等等操作起来都很便利。另外，遥控器反应很灵敏，对电视的操控很自如。

接线端子很完备，设置在机器背板中下方，连接起来还算顺畅。除了常用的RF／AV／S／YPbPr输入外，还添加了两组目前最先进的HDMI输入，而机器右侧面还有一组AV输入，方便连接移动器材。

声画素质出色

了解了这么多“量子芯”的细节，也该来看看实际的效果了。测试播放的软件还是我们常用的《HiVi CAST》。在黑电平的表现上，“天驭”量子芯4219P在默认状态下就能轻松的区分出3％级，而1％级的差别也不需要进一步做调整，可以相当清晰的分辨黑背景和灰黑色衣服的差别。在对比度测试方面，虽然在默认状态下可以轻松分辨3％级的差别，但再进一步的差别就需要做些调整才可以了。

在清晰度测试方面，4219P的表现相当出色，即使很细的线条也能清晰分辨，文字边缘锐利，富有立体感。色彩表现也同样出色，模特的肤色清新红润，皮肤质感很好，真实感很强。各种水果的色彩饱满而鲜艳，不同色彩之间的过渡变化表现得淋漓尽致。对比度很好，画面很有立体纵深感，显得特别清晰通透。这一点，与市面上绝大多数液晶电视比起来，都是非常优秀的。

从测试的结果来看，长虹“天驭”量子芯4219P的表现可以说有得有失，得的分数当然高出失的分数很多了。而高光时细节的丢失似乎是长虹下一次攻关所需要解决的课题。

由于担心高光细节丢失影响实际观看效果，笔者特地通过不同的节目源来进行观看，包括1080i高清信号、普通电视信号、普通DVD信号和SD卡上的图片等等。从观看的结果来看，还是令人满意的。BTV的普通电视信号，画面明亮、干净，色彩鲜艳，黑色再现出奇的好；而对普通DVD信号《黑道当家2》的还原更是没话说，色彩艳丽而不失细节，背景清晰，层次表现出色，而高光时细节丢失的现象则很少遇到。可以看出，长虹的设计师是动了一番脑筋的。“天驭”量子芯4219P的黑色表现以及暗部细节的优秀表现，已经完全颠覆了以往大家对液晶电视的观念。当然也不是十全十美的，高光时偶尔会有细节丢失的缺点，这是需要进一步改进的地方。

经典信息在量子信道传输的研究 篇7

量子通信[1,2,3]是目前通信界研究的一个热点。经典通信的目的是为了从发端到收端可以传输信息,信息传输的上限受香农定理的限制。本论文研究经典信息如何在量子信道传输的问题。假设一种量子版本的香农通信信道,目的是为了从发端到收端可以传输信息。这里的“通信”和“传输”并不是指通过一条线从一点经过一段距离发送到另一个点。而是指,从发端到收端,无论物理传输工具是什么,总体信道被认为是一个量子系统。

在经典通信中,信息被封装为消息X,表示一系列的符号(字母或者码字)。在发送端依据大小为n的序列(或码字)对x进行编码,信息符号与概率px相关。符号通过一个物理“传输管道”传输之后,在接收端将符号解码,并存储为经典信息。然而在量子情形下,信息由量子态携带,这个量子态可以用它的密度算符ρx来表示。简单来说,对于发送端,编码操作由量子态的“准备”——ρx组成,它是通过信息的概率分布px所决定的。“准备”的意思是为给定的量子系统设置情景,让它严格地处在状态ρx。在接收端,译码操作即在每个接收到的量子态上进行“测量”。该测量可通过n个厄米算子{Em}m=,1(43)n进行,也被称为正定算子估值测量(positiveoperator valued measure,POVM)集合。任何测量的结果都是属于某个大小为n的序列Y(或码字)中的某个正数y。由上述可知,我们用X和Y来表示发送和接收到的经典信息,x和y表示与它们相关的随机事件,而通信的信道是量子的。

1. 量子信道的Holevo边界

研究将集中于交互信息场景,H(X;Y)就是与上述量子通信信道相关的交互信息。H(X;Y)的关键特征是交互信息有一个上限最大值χ,也就是Holevo边界[4],定义为

式(1)中,

ρ=∑xpxρx=ρ是均值密度算子,是依编码概率的平均。基于式(1)及熵具有凹性的一般特征[5],Holevo边界可以表示为

该式中,H(X)是发送端信息源的香农熵。在经典信道上,交互信息不能大于源端的熵,也就是说

H(X;Y)≤H(X),故式(1)成立。然而,中间的Holevo边界χ在该式中是非平凡的,除非χ=H(x),相对应的特殊场景也就是ρx是正交态。与此相反的情形下,可以得到χ<H(x),这时H(X;Y)<H(X),在这种情形下,接收端不论对Y采用什么样的测量都不可能完全恢复发送端信息H(x)。

2. 经典信息的量子信道传输

本小结提供一个经典信息在量子信道传输的典型案例,以研究经典信息与量子信息表示的对应关系以及所对应的Holevo边界值。

每个量子符号具有相同的概率p1=p2=1/2,故我们可以计算出均值密度算符为

对于式(4),ρ的特征值为λ1,2=(1±cosθ)/2或者,λ1=cos2(θ/2)和λ2=sin2(θ/2)=1-λ1。发送端的量子源(ρ)的冯·诺依曼熵为

因为对于纯态来说,S(ρ1)=S(ρ2)=0,因此Holevo边界值为

上述Holevo边界值可用图1表示。

3. 结论

综上所述,通过量子信道传输经典信息是可行的,但需要的先决条件是,对信息进行编码的量子符号必须由纯态构成,这样Holevo边界χ就等于冯·诺依曼熵,也是每符号的平均量子信息量(χ=S(ρ))。另外,一个可选的条件是状态之间正交,这种情形下,Holevo边界可最大化至源信息的熵(χ=H(x))。不论在哪种情况下,交互信息H(X;Y),即发送端与接收端共享的信息,都会满足H(X;Y)≤χ。

摘要：本文研究了经典信息在量子信道传输所需要的条件和限制。结果证明,当表征经典信息的量子状态由纯态构成时,经典信息可以在量子信道传递。发送和接收端的信息受Helovo边界值的限制,该值为每符号的平均量子信息量;当纯态之间正交时,该值可以最大化至源信息的熵。

关键词：经典信息,量子信道,传输

参考文献

[1]王中结,阮飞,方旭.基于免退纠缠态的原子态隐形传输[J].光学学报,2015(03):338-343.

[2]周小清,邬云文.量子隐形传态网络的广播与组播[J].物理学报,2012,61(17):170303.

[3]C.H.Bennett and G.Brassard,Proceedings of the IEEE International Conference on Computers,Systems and Signal Processing,Bangalore,India(IEEE,New York,1984),p175.

[4]A.S.Holevo,Bounds for the quantity of information transmitted by a quantum communication channel,Prob.Inf.Transm.(USSR)9,177–83(1973)

世界第一条量子信息保密干线 篇8

野如果第一个耶量子互联网爷将连接成功袁这个网络将是一个超级安全的全球通信网络遥在量子通信领域袁中国用了不到十年时间袁发展成为现在的世界劲旅遥冶

以上是2012 年英国《自然》杂志在评价年度“国际十大科技亮点”时,写给中国量子科技研发团队的一段话。中国科学院院士、中国科学技术大学教授潘建伟是这个团队的带头人。

量子保密通信这个方案,是在30 年之前,由美国科学家提出来的,12 年前,潘建伟离开国际顶尖的量子研究单位回国组建实验室。潘建伟研发团队和美国、欧洲两个团队是同样掌握这项核心技术的三大团队,潘建伟研发团队领先一步,率先建造了全世界第一条量子保密传输干线。从北京到上海,沿途城市的政府公务信息,银行金融系统信息等都可以使用量子保密传输。

为了打造一支顶级的研究团队,从2003年开始,潘建伟把学生陆续送到全世界多个物理研究实验室,奔赴不同国家学‘手艺’。

2011 年前后,所有学生全部如约回国。参与实验室创建的“元老”将潘建伟比作出色的“棋手”,因为他对研究方向的战略统筹,因为他对人才的排兵布阵。

如果把实现量子通信比做一场长跑竞赛,中国已经成为“第一方阵”选手。在京沪量子保密干线开工的同时,美国一条长600公里的保密干线也通过了立项,发达国家对这一领域非常重视。

央视新闻:

量子信息 篇9

据了解, 量子保密通信技术基于量子力学原理, 能确保两地之间密钥分配的绝对安全性, 从而保证通信的绝对安全。但量子信号在商用光纤上传输的不稳定性是量子保密通信技术实用化的主要技术障碍, 量子信号的绝对安全的路由问题则是实现量子通信网络的主要难题。因此, 量子通信系统长期停留在实验室内, 未实现其应用价值。

在科技部、中科院等部门的联合支持下, 中国科技大学潘建伟研究小组经过多年的努力, 成功研发了“城域网络量子通信技术”。该技术基于已有商用光纤, 已具备量子通信关键器件研制和生产能力, 成果达到了实用化、产业化的要求。据专家介绍, 量子通信技术在信息安全领域有着重大的应用价值和前景, 对提升我国信息安全水平具有重大的战略意义, 并将带来巨大的经济效益。

据悉, 2008年底, 潘建伟团队在商业光纤网络的基础上成功研制了基于诱骗态的光纤量子通信原型系统, 在合肥成功组建了世界上首个3节点链状光量子电话网。今年4月, 该成果一发表, 就在国内外引起了广泛关注。美国《科学》杂志发表《量子电话》, 对该技术进行了报道。文章评论到:“有了这样的演示, 量子隐私进入千家万户不会是很遥远的未来。”

在上述突破的基础上, 潘建伟团队再接再厉, 自主研发了量子通信终端设备、全通型光量子程控开关、高效率密码生成管理软件系统等关键器件和技术, 对上述量子通信系统进行了功能扩展, 并于近日在合肥成功组建了一个可升级的5节点星型量子通信网络。与前期3节点链状网络相比, 5节点是世界上首次实现的全通型量子通信网络, 实现用户间同时进行通信, 互不影响。该网络用户间的距离可达20公里, 可以覆盖一个中型城市;该网络容纳了互联互通和可信中继两种重要的量子通信组网方式, 并实现了上级用户对下级用户的通信授权管理。该成果首次全面展示和检验了量子通信系统组网和扩展的能力, 标志着大规模可扩展网络量子通信技术的成熟, 将量子通信实用化和产业化进程又向前推进了一大步。

据合肥微尺度物质科学国家实验室介绍, 通过商业光纤网络, 多个用户可以通过不怕窃听的量子电话进行通信, 量子通信第一次真正展现了它的实用价值。

量子信息 篇10

变压器是电力系统的核心设备,合理的电力变压器故障诊断方法对提高电力系统运行的安全性和可靠性具有决定性意义。较为常用的IEC三比值法及其相关改良比值法在工程实际应用中暴露出编码不全、编码结果过于绝对、过分依赖专家经验等缺点,往往出现误判和漏判[1],甚至对于同一台变压器,在同等运行条件下,采用不同的诊断法则时,诊断结果也不尽相同。

针对传统方法存在的不足,各种智能技术如人工神经网络、粗糙集、遗传算法、小波分析、动态聚类、Petri网络、灰关联熵以及证据推理等已被引入到变压器故障诊断中,取得了比较好的效果。然而由于变压器测试手段的局限性、故障具有的多样性、网络结构复杂且难以确定等特点[2,3],人工神经网络以其较强的训练学习及分辩故障原因和类型的能力占据了研究的大部分。本文将量子神经网络(Quantum Neural Network,QNN)与信息融合结合起来,互补长短,克服了经典神经网络的缺乏经验、无推理性、处理速度慢以及信息融合技术处理知识“瓶颈问题”等缺陷,达到一个较完美的组合,为变压器故障诊断提供了一条新的途径。实验结果和数据表明,该融合方法能够较准确地分配变压器故障类型,正判率达到97.78%,远高于BP神经网络信息融合及改良三比值法,解决了传统方法在变压器故障模式间存在交叉数据、诊断率不高和诊断速度慢的模式识别问题。

1 量子神经网络

量子神经网络是量子计算与经典神经网络相结合的产物,结合的形式大概有两种:(1)在神经网络的结构和训练过程中引入量子计算理论;(2)直接借用量子理论中的某些原理和概念来设计神经网络的拓扑结构和训练算法[4]。QNN的输入层和输出层与经典的BP神经网络结构无异,而隐层的量子神经元借鉴了量子态叠加的思想,采用多量子能级变换函数,每个多能级函数是一系列具有量子间隔偏移的sn个S型函数的线性叠加,使网络具有一种固有的模糊性[5]。量子神经网络结构如图1所示。

量子计算理论和隐层结合,三层神经元的个数分别为m、n、c,θr为量子间隔,sn为量子间隔数目,其大小的选择与待诊断的故障模式数目相同,αn为陡度因子,VT为神经网络输入层权值的转置,X表示神经网络的输入。根据其网络结构得到隐层中节点的输出函数为

QNN的训练算法仍采用梯度下降法,训练过程分两步完成:首先是对权值的调整,使输入数据对应到不同的类空间中;然后对隐层量子神经元的量子间隔进行调整,从而获得蕴含在样本数据中的不确定性[6]。前者与常规BP神经网络更新算法完全相同,后者隐层神经元的量子间隔更新算法如下[7,8,9]。

对模式类矢量Cm(m为模式类数目,即输入层神经元个数),隐层第i个神经元的输出变量为

其中,iO,k为在输入矢量为xk时,隐层第i个神经元的输出。

通过最小化σi2,m,能够得到隐层量子间隔θi,r的更新方程,隐层第i个神经元的r个量子间隔为

式中:η为学习速率;iO,k,r为在输入矢量为kx时第r个量子间隔的第i个神经元的输出。

2 量子神经网络信息融合故障诊断策略

量子神经网络信息融合应用于故障诊断的核心思想是将QNN组对来自于N个传感器的故障信息作为输入,借助神经网络的自学习和非线性拟合能力,对传感器信息进行预处理来扩展相关信息,产生出用于故障诊断和定位的二次信息,从而实现对系统的故障诊断[10]。量子神经网络信息融合诊断模型如图2所示。

为便于说明,设诊断系统有k个子QNN,c种故障类型。第i个QNN(QNNi)的输入输出映射关系为

式中:Xi为QNNi的输入向量;Yi为QNNi的输出故障向量;fi(⋅)为QNNi的映射函数。

设子QNNi输出的故障向量为Pi=[p1,p2,…,pci]T,其对每种故障的置信权值向量为Ri[r1i,r2i,…,rci]T则各子QNN的并行组合NK=[QNN1,QNN2,…QNNK]可形成故障矩阵P和置信权矩阵R。

决策融合网络的输出为:

式中,Y=[y 1,y 2,…,y c,]T,yj为决策融合网络输出的第j个故障发生的概率,如式(10)所示。

由式(10)可知,该方法采取的是加权平均算法,用权系数来表示各子QNN对各种故障的诊断结果对最终诊断结果的贡献程度[11]。

3 基于量子神经网络信息融合的变压器故障诊断

3.1 各子QNN的输入/输出样本设计

根据量子神经网络信息融合模型的特点,经综合考虑选取变压器油色谱试验的五种关键气体H2、CH4、C2H6、C2H4、C2H2作为各子QNN的输入。将无故障、中低温过热、高温过热、低能量放电、高能量放电5种类型故障对应各子QNN的5个输出神经元O1、O2(150℃<O2≤700℃)、O3(O3>700℃)、O4、O5,输出最大值为1,表示属于此类故障,数值越大表明该类型故障的可能性越大,输出最小值为0,表示不属于此类故障,将以上5种故障类型编码为:O1(10000)、O2(01000)、O3(00100)、O4(00010)、O5(00001)。

根据收集网络学习样本时所要满足的代表性、广泛性、紧凑性原则,将收集到的大量油浸式变压器案例资料中的油色谱数据作以归纳和整理,从中选取100组变压器油中溶解特征气体含量数据作为网络的训练样本并进行归一化预处理。部分预处理后的训练样本数据如表1所示。

3.2 各子QNN隐层节点数目及训练算法中各参数的选取

隐层神经元节点数的选取没有明确的规定,但是隐层节点太少,不能反映后续值与前驱值的相互关系,容错性差;隐层节点太多会导致学习时间过长,网络预测能力下降。本文采用经验公式和试凑法相结合的方法来确定隐层节点个数,经验公式选取和n2=log2m,其中,1n表示隐层节点数,m表示输入层节点数,p表示输出层节点数,a为[0,10]之间的常数。本文中,m=5,p=5,则由经验公式可得n2=log25>2,故隐层神经元个数应该在3~14之间,再根据试算法来确定预测模型隐层的确切节点数。这里隐层节点数分别选择4、7、10、13,构成一个试验预测模型进行训练,并分别查看不同隐层节点数对应的网络性能。

激活函数选用对数函数σ=1/(1+e-t),网络的初始权值由随机函数给出。在带动量的BP算法中,取容许的最大误差率为er=1.02,动量因子常数mc=0.96,初始学习速率lr=0.6,学习速率减少率dm=0.9,学习速率增长率im=0.92,陡度因子αn=0.92,量子间隔数目sn=3,网络的训练误差SSE=10-3。图3表示当隐层节点数选取4、7、10、13时对应的网络模型训练误差曲线。

通过仿真过程分析,表2是从均方误差性能函数(MSE)值的角度对以上所取4种隐层节点数目进行比较。

通过图3和表4综合考虑,为了保证具有较少的训练次数与较小的MSE值,本文中各子QNN隐层节点数选为10。

3.3 QNN信息融合的变压器故障诊断模型

在本文所建立的QNN信息融合诊断模型中,信息分配及预处理网络与各子QNN的输入相同;各子QNN所对应为无故障诊断QNN1、中低温过热QNN2、高温过热QNN3、低能量放电QNN4、高能量放电QNN5;决策融合网络对局部融合信息进行全局融合,最终给出各种故障诊断结果和可信度。为了检测训练后的网络性能,突出模型在诊断可信度方面的优越性,另选取45组归一化后的样本数据作为测试样本。对训练好的各子QNN进行测试,测试后的部分子QNN数据如表3、表4所示。

按照欧式范数理论,误差最大的分别为第3、12、19、34、42组测试数据,其误差结果分别为0.024 7、0.011 9、0.022 5、0.017 8、0.023 0,可以看出,误差较小。故可以判定五个子QNN经过训练后,均可满足上述五种故障诊断要求。

五个子QNN输入参数相同,根据参数所占的比例、贡献程度和现场经验,设五个子QNN对五种故障的置信权值向量分别为[10,0,0,0,]、[0,0.65,0.1,0.14,0.11]、[0,0.1,0.65.0.14.0.11]、[0,0.1,0.14,0.65,0.11,]、[0,0.1.0.14.0.11.0.65],则置信权矩阵为

根据测试样本的第3、12、19、34、42组测试数据,五个子QNN诊断输出组成的故障矩阵分别为

对于选取的测试数据,五个子QNN均能诊断出其故障类型,但因各子QNN对于五种故障置信度不同,因而需要融合结果反映真实情况。根据式(9)和式(10)可求出决策融合网络的输出向量分别为:420.0019 0.0111 0.0034 0.1391 0.00110.0076 0.0022 0.0012 0.0003 0.09340.0011 0.0009 0.0022 0.0350 0.10040.0001 0.0016 0.0123 0.0001 0.00230.9555 0.9786 0.9662 0.9690 0.9759P⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦

经决策融合后,诊断系统给出了五种故障发生的可信度,这与实际诊断情况是相符的。由于在诊断过程中考虑了各子QNN对五种故障的置信程度,因此得出的诊断结果更为真实可靠。

3.4 训练结果与对比分析

为了检测训练后网络的性能,突出模型在诊断可信度方面的优越性,将以上45组样本数据,作为QNN信息融合、BP神经网络信息融合、改良IEC三比值法的测试样本,只要实际输出Ysp满足(为网络的期望输出),则认为是正确的输出。在检测完诊断率后,再对网络与BP神经网络信息融合及改良IEC三比值法的误诊率(本来为无故障被判断为有故障)进行测试。诊断结果见表5。

从表5可以看出QNN信息融合的故障诊断正判率明显高于其他两种方法,误诊断率大大低于经典BP神经网络信息融合和改良三比值法。

4 结论

本文将QNN信息融合技术应用于变压器故障诊断中,所建立的QNN信息融合诊断模型结构合理,决策融合方法有效,诊断结果可靠,能够准确地检测出故障发生的原因,为变压器故障诊断提供了一条新途径。虽然变压器发生故障时产生的气体与不同故障类型间存在一定的联系,但是由于变压器发生故障情况的复杂性与特殊性使得理论分析与实际工程间难免出现偏差,所以针对变压器动态行为的建模与变压器故障在线监测等,都将是今后研究的重点和热点。

参考文献

[1]任静,黄家栋.基于免疫RBF神经网络的变压器故障诊断[J].电力系统保护与控制,2010,38(11):6-9.REN Jing,HUANG Jia-dong.Transformer fault diagnosis based on immune RBF neural network[J].Power System Protection and Control,2010,38(11):6-9.

[2]刘宁,郑玲峰,郝红艳.基于粗糙集的量子神经网络在变压器故障诊断中的应用[J].现代电力,2009,26(6):26-29.LIU Ning,ZHENG Ling-feng,HAO Hong-yan.Application of quantum neural network in transformer fault diagnosis based on rough set[J].Modern Electric Power,2009,26(6):26-29.

[3]胡青,杜林,杨丽君.Kernel PCA与BP神经网络相结合的变压器故障诊断[J].计算机应用研究,2010,27(2):580-581.HU Qing,DU Lin,YANG Li-jun.Transformer fault diagnosis based on kernel PCA and BPNN[J].Application Research of Computers,2010,27(2):580-581.

[4]龙伯华,谭阳红,许慧.基于量子神经网络的电力电子电路故障诊断[J].电工技术学报,2009,24(10):170-175.LONG Bo-hua,TAN Yang-hong,XU Hui.Fault diagnosis of power electronic circuits based on quantum neural network[J].Transactions of China Electrotechnical Society,2009,24(10):170-175.

[5]Angja,Uang Z Q.Research of quantum genetic algorithm and its application in blind source reparation[J].Journal of Electronics,2003,20(1):62-68.

[6]刘大年,史旺旺,吴桂峰.基于神经网络的多重化整流电路的故障诊断[J].扬州大学学报:自然科学版,2006,9(1):53-57.LIU Da-nian,SHI Wang-wang,WU Gui-feng.Fault diagnosis of multiple rectifying circuit based on neural network[J].Journal of Yangzhou University:Natural Science Edition,2006,9(1):53-57.

[7]刘丽,唐杰,刘卓.基于改进微分进化优化神经网络的电力变压器故障诊断[J].电力系统保护与控制,2010,38(20):106-109.LIU Li,TANG Jie,LIU Zhuo.Fault diagnosis of power transformer based on improved differential evolution-neural network[J].Power System Protection and Control,2010,38(20):106-109.

[8]潘超,马成廉,郑玲峰,等.一种结合模糊TOPSIS法和BP神经网络的变压器故障诊断方法[J].电力系统保护与控制,2009,37(9):20-25.PAN Chao,MA Cheng-lian,ZHENG Ling-feng,et al.A new method based on fuzzy TOPSIS and BP neural network for power transformer fault diagnosis[J].Power System Protection and Control,2009,37(9):20-25.

[9]贾嵘,张云,洪刚.基于改进PSO的LSSVM参数优化在变压器故障诊断中的应用[J].电力系统保护与控制,2010,38(17):121-124.JIA Rong,ZHANG Yun,HONG Gang.Parameter optimization of least squares support vector machine based on improved particle swarm optimization in fault diagnosis of transformer[J].Power System Protection and Control,2010,38(17):121-124.

[10]李斌,章卫国,宁东方.基于神经网络信息融合的智能故障诊断方法[J].计算机仿真,2008,25(6):35-38.LI Bin,ZHANG Wei-guo,NING Dong-fang.Fault diagnosis technology based on neural network information fusion[J].Proceedings of the Chinese Society for Electrical Engineering,2008,25(6):35-38.