中国人民解放军国防科技大学吴伟获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉中国人民解放军国防科技大学申请的专利基于深度强化学习的声子Fock态制备方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120087489B 。
龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510575083.5，技术领域涉及：G06N10/40；该发明授权基于深度强化学习的声子Fock态制备方法是由吴伟;陶毅;谢艺;杨雪滢;吴春旺;李勰骞;陈婷;刘鸿盛;张杰;张婷;陈平形设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。
本基于深度强化学习的声子Fock态制备方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的声子Fock态制备方法，属于量子计算技术领域。该方法包括，S1：冷却离子阱中的单离子至声子Fock基态，通过深度强化学习的神经网络模型获取最优演化路径。S2：控制激光边带脉冲按照所述最优演化路径进行演化，用所述激光边带脉冲和载波驱动所述单离子，使所述单离子从所述声子Fock基态演化至声子Fock目标态。本发明提供的技术方案通过构建深度强化学习模型并引入含非共振激发项的哈密顿量作为演化动力学，获取激光的最优演化路径，实现了高保真度、高速度、高鲁棒性的声子Fock态制备。
本发明授权基于深度强化学习的声子Fock态制备方法在权利要求书中公布了：1.一种基于深度强化学习的声子Fock态制备方法，其特征在于，该方法包括： S1：冷却离子阱中的单离子至声子Fock基态；通过深度强化学习的神经网络模型获取最优演化路径； S2：控制激光边带脉冲按照所述最优演化路径进行演化，用所述激光边带脉冲和载波驱动所述单离子，使所述单离子从所述声子Fock基态演化至声子Fock目标态； 其中，所述神经网络模型中演化动力学采用的哈密顿量包括非共振激发项，所述哈密顿量具体形式为： ， 其中，为湮灭算符，为第i步的所述哈密顿量，为第i步的拉比频率，为第i步的失谐量，为约化普朗克常量，为所述单离子内态二能级的升跃迁算符，为所述单离子的振动频率，为Lamb-Dicke参数，为步数标识，为虚数单位，t为时间，表示厄米共轭。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军国防科技大学，其通讯地址为：410000 湖南省长沙市开福区德雅路109号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号