量子态的数学与神经网络表示

随着深度学习的广泛应用，神经网络模型的数据自生成以及概率模拟等功能在量子态重构与估计方面的应用得到人们关注。通过对量子态的各种不同的数学表示，引导到神经网络量子态的不同表示；从量子态不同物理变量之间的关系，推导出相应神经网络结构上的输入/输出之间的非线性映射关系，为采用不同类型的神经网络模型根据自身数据自生成以及概率模拟功能，实现量子态估计应用，提供网络函数关系及其数据生成的理论设计基础。