量子计算的定义
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇量子计算的定义范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
量子计算的定义范文第1篇
中图分类号:TP18文献标识码:A文章编号:1009-3044(2009)24-7068-03
Optimal Knowledge Distribution Based on the Quantum Genetic Algorithm
ZHANG Wei, HE Rong
(Yunnan Medical College, Kunming 650051, China)
Abstract: Researched the question about knowledge distribution of intelligent examination system, based on the theory of quantum computing, applied quantum genetic algorithm, to improve the strategy of knowledge distribution optimization for better coverage and efficiency.
Key words: quantum algorithm; genetic algorithm; intelligent optimization; test system
智能组卷是一种新型的计算机考试系统。试卷由撒布在测试区域内的考题按一定出题规则自组织而成, 这些考题具有一定的代表性,能检测出学生对考察科目知识的学习掌握情况。考试系统中,考题的分布以及组织对于提高系统的测试水平具有重要的意义。传统的考试系统知识分布有两种策略,一种是人工规划(Planning模式),另一种是大规模的随机分散(Scattering模式)。前者缺乏灵活性与多样性,且效率低下,不适宜计算机组卷等大规模考试。而后者若要取得较好的分布,就必须设置远多于实际需要的考题才能较完整地覆盖考察科目的测试区域,这与试卷中题目数量的有限性是相互矛盾的,试卷中可能存在考题不合理分布造成的测试阴影和盲区。因此考题的合理分布对智能考试系统的测试效果有重要的作用。尽管针对考试系统国内外进行大量的组卷算法研究,但对于知识点的分布优化问题研究工作还很少,很多研究运用传统遗传算法组卷[1],优化效果不尽理想。针对此问题,本文应用量子遗传算法优化知识点的分布,克服测试阴影和盲区,使考试系统更大范围地测试到更有效的学生学习信息。
1 知识覆盖问题
通过对考试科目的学习,学生学习掌握的知识储存在头脑中。由于学生个体之间的学习差异,导致每个学生大脑中储存和掌握的情况具有不确定性。考试的目的在于,通过试卷测试对学生学习情况做出相对确定的评价。科目知识是相对固定的,我们总是将科目知识当作图谱,按图索骥地构造出试卷去测试学生大脑中相关区域中知识的学习掌握情况,即是否掌握,掌握水平如何等。但在目标试卷生成以前,题库中的考题相对与目标试卷而言表现为存在或不存在两种可能形态。基于此,本文引入量子态对考题进行描述、编码和处理。
1.1 试卷分布构成
试卷覆盖是指由计算机考试系统生成一组考题集合(试卷)对测试区域各个知识点的涵盖。试卷的目的是系统地测试和评价试卷覆盖知识区域内学生的学习情况,并对这些数据进行处理,获得详尽而准确的信息,传送到需要这些信息的教师和教学管理部门。
考题是由考点以问题的形式构成的。其中考点与考试科目的相关知识点对应。因此考题的分布是考试系统获取学生学习信息的关键因素之一,其覆盖范围以及分布优化也随之成为研究领域中的重点。
1.2 试卷覆盖问题
试卷由数量有限的考题组成,每道考题包含若干有针对性的知识点所设置的考点。这些考点形成了考题的测试范围。如何组织试卷完成对目标区域的检测,就是考试系统覆盖性的问题。考题分布优化的任务就是在保持试卷结构完整的前提下,动态调整考题组成,以获得尽可能大的覆盖率,也就是使试卷能获得更广泛的信息。在保持考点充分覆盖的前提下,引入以下定义。
假设考察科目所涵盖的知识范围用集合S表示,组成每套试卷的考题用集合Q={qi,i=1,2,...,n}表示,每道考题测试的知识范围为ci,试卷的测试目标知识区域为A,(A?哿S),则理想的探测效果为。设为试卷有效覆盖知识区域的度量(考点数),d2=A为目标科目知识区域的度量(知识点数),则称ρ=d1/d2为试卷覆盖度。
覆盖性问题不仅反映了试卷所能测试的范围,而且通过合理的覆盖控制还可以使试卷中的考题组合得到优化,提高试卷的命题质量。
1.3 约束条件
我们采用以下公理化方式对知识覆盖问题进行描述(目标):在考题集合Q={q1,q2,...,qn}中求一个子集T作为试卷,使得满足以下约束条件。
① 各考题满足试卷总体约束条件;
② 试卷覆盖度ρ最大;
③ 考题数目T为最少。
3 量子遗传算法的考题分布优化
试卷的考题分布优化是一个多目标优化问题 ,需要在考题数与知识覆盖率之间达到平衡。即在保持试卷中考题数目与题型符合命题要求的情况下,尽可能增加试卷的知识覆盖度,使考题获取最广泛的测试信息。
3.1 量子遗传算法
量子遗传算法是量子计算与遗传算法相结合的产物。它以量子计算的一些概念和理论为基础,用量子比特编码来表示染色体,用量子门作用和量子门更新来完成进化搜索[2]。
我们根据考题在科目知识中的分布和权重(主要是指命题价值)按字典序编号,形成知识地图的坐标。由于题库中的考题在目标试卷生成以前具有不确定性,即在目标试卷中既可能存在,也可能不存在。这符合量子力学中的测不准原则。我们对这些编号进行量子编码,并用量子遗传算法在命题规则的约束下进行知识分布优化。
3.1.1 量子编码
1) 量子态引入
我们用Dirac算符|>和|>分别表示考题在目标试卷中表现为存在或不存在的两种可能形态。若用“1”表示存在,用“0”表示不存在。考题以叠加态的形式存在。即将一个量子比特可能处于|0>和|1>之间的中间态。可表示为:
|Ψ>=α|0>+β|1> (2)
其中α和β分别是|0>和|1>的概率幅,且满足下列归一化条件:
|α|2+|β|2=1(3)
式(3)中,|α|2表示量子比特的观测值在|0>状态的概率投影,|β|2表示量子比特的观测值在|1>状态的概率投影。
定义2.1满足式(2)和式(3)的一对实数α、β称为一个量子比特的概率幅,记为[α,β]T。
定义2.2角度ζ(ζ∈[-π/2,π/2])定义为一个量子比特的相位,即ζ=arctan(β/α)。
2) 染色体量子编码
我们从题型、章节、考题三个方面对试卷的染色体及种群进行量子编码。
其中,m为染色体的基因个体表示知识分布数量(章节数);k为每个基因的量子比特数表示每道题的属性数量。n个这样的个体构成的种群Q(t)={q1t,q2t,...,qnt}表示试卷,其中n为题型数量。
3.1.2 量子旋转门
量子旋转门是实现演化操作的执行机构。[3-5]图1为量子旋转门示意图。
其操作规律如下:
θi=k*f(αi,βi) (6)
其中k是一个与算法收敛速度有关的系数,k的取值必须合理选取,如果k的取值过大,算法搜索的网格就很大,容易出现早熟现象,算法易于收敛于局部极值点,反之,如果 k 的取值过小,则搜索速度太慢甚至会处于停滞状态。因此,本文将k视为一个变量,将k定义为一个与进化代数有关的变量,如,其中t为进化代数,max t是根据待求解的具体问题而设定的一个常数,因此k可以根据进化代数合理地调整网格大小。
函数f(αi,βi)的作用是使算法朝着最优解得方向搜索。本文采用表1的搜索策略。其原理是使当前解逐渐逼近搜索到的最佳解,从而确定量子旋转门的旋转方向。其中符号e表示α和β的乘积,即e=α*β,e的正负值代表此量子比特的相位ζ在平面坐标中所处的象限。 如果 e的值为正,则表示ζ处于第一、三象限,否则处于第二或第四象限。
在表1中,α1和β1是搜索到的最佳节的概率幅,α2和β2是当前解的概率幅,当e1,e2同时大于0时,意味着当前解和搜索到的最佳解均处于第一或第三象限。当|ζ1|>|ζ2|时,表明当前解应朝着逆时针方向旋转,其值为 +1,反之为 -1。同理可推出其他三种情况。
这样,量子门的更新过程可以描述为qjt+1=G(t)*qjt其中,上标t为进化代数,G(t)为第t代量子门,为第t代某个个体的概率幅,qjt+1为第t+1代相应个体的概率幅。
3.1.3 量子遗传算法流程(见图2)
①初始化种群,种群Q={q1,q2,...,qn},其中qj为种群中的第 j 个个体。 令种群中全部的染色体基因(αi,βi) (i=1,2,...,m)都被初始化为,这意味着一个染色体所表达的是其所有可能状态的等概率叠加。同时初始化进化代数t=0。
②量子坍塌法测量:对处于叠加态的量子位进行观测时,叠加态将因此受到干扰,并发生变化,称为坍塌。扰动使为叠加态坍缩为基本态。确定种群大小n和量子位的数目m,包含n个个体的种群通过量子坍塌,得到P(t),其中为第t代种群的第j个解(即第j个个体的测量值),表现形式为长度m为的二进制串,其中每一位为0或1。(量子坍塌即对Q进行测量,测量的步骤是生成一个[0,1] 之间的随机数,若其大于概率幅的平方,则测量结果值取1,否则取0。
③群体的适应度评价,保存最优解作为下一步演化的目标值。
④算法进入循环。首先判断是否满足算法终止条件,如果满足,则程序运行结束;否则对种群中个体实施一次测量,获得一组解及其相应的适应度。
⑤根据当前的演化目标,运用量子旋转门进行调整更新,获得子代种群。调整过程为根据式(6)计算量子旋转门的旋转角,并应用式(5)作用于种群中的所有个体的概率幅,即更新Q。
⑥群体灾变:当接连数代的最优个体为局部极值,这时就实行群体灾变操作,即对进化过程中的种群施加一个较大扰动,使其脱离局部最优点,开始新的搜索。具体操作为:只保留最优值,重新生成其余个体。
⑦迭代与终止进化代数t'=t+1,算法转至式(2)继续执行,直到算法结束。
4 仿真试验
为了验证算法的有效性,我们对传统遗传算法(CGA)与量子遗传算法(QGA)所获得的考题知识覆盖度进行仿真对比。我们将考题对考查科目所含知识的覆盖问题简化为:用12个半径为200的圆所代表的考题去覆盖一块1200×1000的二维平面内用矩形代表的知识区域;种群个体数 P = 45,量子位数目 m = 30,运行 600 代。算法运行结果对照如下。
从图3所示考题知识分布优化中覆盖度的变化特性可以看出在不同阶段的变化中,量子遗传算法优化性能高于传统遗传算法而且稳定性也更强。
5 结论
在试卷中存在考题不合理分布造成的测试阴影和盲区。通过量子遗传算法优化考题分布,使其在保证命题要求的情况下,用最少的考题取得最大的覆盖率,可以有效地消除探测区域内的阴影和盲点。仿真结果也表明,算法能够较好地完成试卷考题的分布优化,从而有效提高试卷的测试能力,对于实际的试卷命制提供了可靠的解决方案和调整依据。本文提出了创新性的考题分布的优化方法,即确立了试卷的覆盖模型,并以此为目标函数,运用量子遗传算法对考题分布进行优化。
参考文献:
[1] 张维,何蓉. 基于参数估计的遗传算法组卷研究[J]. 云南民族大学学报,2009,18(3):276-278.
[2] Donald A.Prospective Algorithms for Quantum Evolutionary Computation[C].Proc of the 2nd Quantum Interaction Symposium (QI-2008), College Publications, UK, 2008.
[3] 黄友锐. 智能优化算法及其应用[M]. 北京:国防工业出版社,2008:38-40.
量子计算的定义范文第2篇
【关键词】量子计算；量子计算机；量子算法；量子信息处理
1、引言
在人类刚刚跨入21山_纪的时刻，！日_界科技的重大突破之一就是量子计算机的诞生。德国科学家已在实验室研制成功5个量子位的量子计算机，而美国LosAlamos国家实验室正在进行7个量子位的量子计算机的试验。它预示着人类的信息处理技术将会再一次发生巨大的飞跃，而研究面向量子计算机以量子计算为基础的量子信息处理技术已成为一项十分紧迫的任务。
2、子计算的物理背景
任何计算装置都是一个物理系统。量子计算机足根据物理系统的量子力学性质和规律执行计算任务的装置。量子计算足以量子计算目L为背景的计算。是在量了力。4个公设（postulate）下做出的代数抽象。Feylllilitn认为，量子足一种既不具有经典耗子性，亦不具有经典渡动性的物理客体（例如光子）。亦有人将量子解释为一种量，它反映了一些物理量（如轨道能级）的取值的离散性。其离散值之问的差值（未必为定值）定义为量子。按照量子力学原理，某些粒子存在若干离散的能量分布。称为能级。而某个物理客体（如电子）在另一个客体（姻原子棱）的离散能级之间跃迁（transition。粒子在不同能量级分布中的能级转移过程）时将会吸收或发出另一种物理客体（如光子），该物理客体所携带的能量的值恰好是发生跃迁的两个能级的差值。这使得物理“客体”和物理“量”之问产生了一个相互沟通和转化的桥梁；爱因斯坦的质能转换关系也提示了物质和能量在一定条件下是可以相互转化的因此。量子的这两种定义方式是对市统并可以相互转化的。量子的某些独特的性质为量了计算的优越性提供了基础。
3、量子计算机的特征
量子计算机，首先是能实现量子计算的机器，是以原子量子态为记忆单元、开关电路和信息储存形式，以量子动力学演化为信息传递与加工基础的量子通讯与量子计算，是指组成计算机硬件的各种元件达到原子级尺寸，其体积不到现在同类元件的1%。量子计算机是一物理系统，它能存储和处理关于量子力学变量的信息。量子计算机遵从的基本原理是量子力学原理：量子力学变量的分立特性、态迭加原理和量子相干性。信息的量子就是量子位，一位信息不是0就是1，量子力学变量的分立特性使它们可以记录信息：即能存储、写入、读出信息，信息的一个量子位是一个二能级（或二态）系统，所以一个量子位可用一自旋为1/2的粒子来表示，即粒子的自旋向上表示1，自旋向下表示0；或者用一光子的两个极化方向来表示0和1；或用一原子的基态代表0第一激发态代表1。就是说在量子计算机中，量子信息是存储在单个的自旋’、光子或原子上的。对光子来说，可以利用Kerr非线性作用来转动一光束使之线性极化，以获取写入、读出；对自旋来说，则是把电子（或核）置于磁场中，通过磁共振技术来获取量子信息的读出、写入；而写入和读出一个原子存储的信息位则是用一激光脉冲照射此原子来完成的。量子计算机使用两个量子寄存器，第一个为输入寄存器，第二个为输出寄存器。函数的演化由幺正演化算符通过量子逻辑门的操作来实现。单量子位算符实现一个量子位的翻转。两量子位算符，其中一个是控制位，它确定在什么情况下目标位才发生改变；另一个是目标位，它确定目标位如何改变；翻转或相位移动。还有多位量子逻辑门，种类很多。要说清楚量子计算，首先看经典计算。经典计算机从物理上可以被描述为对输入信号序列按一定算法进行交换的机器，其算法由计算机的内部逻辑电路来实现。经典计算机具有如下特点：
a）其输入态和输出态都是经典信号，用量子力学的语言来描述，也即是：其输入态和输出态都是某一力学量的本征态。如输入二进制序列0110110，用量子记号，即10110110>。所有的输入态均相互正交。对经典计算机不可能输入如下叠加Cl10110110>+C2I1001001>。
b）经典计算机内部的每一步变换都将正交态演化为正交态，而一般的量子变换没有这个性质，因此，经典计算机中的变换（或计算）只对应一类特殊集。
相应于经典计算机的以上两个限制，量子计算机分别作了推广。量子计算机的输入用一个具有有限能级的量子系统来描述，如二能级系统（称为量子比特），量子计算机的变换（即量子计算）包括所有可能的幺正变换。因此量子计算机的特点为：
a）量子计算机的输入态和输出态为一般的叠加态，其相互之间通常不正交；
b）量子计算机中的变换为所有可能的幺正变换。得出输出态之后，量子计算机对输出态进行一定的测量，给出计算结果。由此可见，量子计算对经典计算作了极大的扩充，经典计算是一类特殊的量子计算。量子计算最本质的特征为量子叠加性和相干性。量子计算机对每一个叠加分量实现的变换相当于一种经典计算，所有这些经典计算同时完成，并按一定的概率振幅叠加起来，给出量子计算的输出结果。这种计算称为量子并行计算，量子并行处理大大提高了量子计算机的效率，使得其可以完成经典计算机无法完成的工作，这是量子计算机的优越性之一。
4、量子计算机的应用
量子计算机惊人的运算能使其能够应用于电子、航空、航人、人文、地质、生物、材料等几乎各个学科领域，尤其是信息领域更是迫切需要量子计算机来完成大量数据处理的工作。信息技术与量子计算必然走向结合，形成新兴的量子信息处理技术。目前，在信息技术领域有许多理论上非常有效的信息处理方法和技术，由于运算量庞大，导致实时性差，不能满足实际需要，因此制约了信息技术的发展。量子计算机自然成为继续推动计算速度提高，进而引导各个学科全面进步的有效途径之一。在目前量子计算机还未进入实际应用的情况下，深入地研究量子算法是量子信息处理领域中的主要发展方向，其研究重点有以下三个方面；
（1）深刻领悟现有量子算法的木质，从中提取能够完成特定功能的量子算法模块，用其代替经典算法中的相应部分，以便尽可能地减少现有算法的运算量；
（2）以现有的量子算法为基础，着手研究新型的应用面更广的信息处理量子算法；
（3）利用现有的计算条件，尽量模拟量子计算机的真实运算环境，用来验证和开发新的算法。
5、量子计算机的应用前景
目前经典的计算机可以进行复杂计算，解决很多难题。但依然存在一些难解问题，它们的计算需要耗费大量的时间和资源，以致在宇宙时间内无法完成。量子计算研究的一个重要方向就是致力于这类问题的量子算法研究。量子计算机首先可用于因子分解。因子分解对于经典计算机而言是难解问题，以至于它成为共钥加密算法的理论基础。按照Shor的量子算法，量子计算机能够以多项式时间完成大数质因子的分解。量子计算机还可用于数据库的搜索。1996年，Grover发现了未加整理数据库搜索的Grover迭代量子算法。使用这种算法，在量子计算机上可以实现对未加整理数据库Ⅳ的平方根量级加速搜索，而且用这种加速搜索有可能解决经典上所谓的NP问题。量子计算机另一个重要的应用是计算机视觉，计算机视觉是一种通过二维图像理解三维世界的结构和特性的人工智能。计算机视觉的一个重要领域是图像处理和模式识别。由于图像包含的数据量很大，以致不得不对图像数据进行压缩。这种压缩必然会损失一部分原始信息。
作者简介：
量子计算的定义范文第3篇
量子力学完美地解释了在各种尺度之下物质的行为，在所有物质科学中是最成功的理论，但也是最诡异的理论。
在量子领域里，粒子似乎可以同时出现在两个地方，信息传递速度可以比光速快，而猫可以同时既是死的又是活的！物理学家已经对这些量子世界中吊诡的事情困惑了90年，但他们现在还是一筹莫展。当演化论和宇宙论已经成为一般知识时，量子理论仍然让人认为是奇特的异常事物；尽管在设计电子产品时，它是很棒的操作手册，此外就没什么用处了。由于人们对于量子理论的意义有着深度混淆，便继续加深一种印象：量子理论想急切传达的深奥道理，与日常生活无关，而且因为过于怪异，以至于一点也不重要。
在2001年，有个研究团队开始发展一种模型，或许可以去除量子物理的吊诡之处，至少也会让这些吊诡不那么令人不安。这个模型被称为量子贝氏主义，它重新思考波函数的意义。
在正统量子理论中，一个物体（例如电子）可用波函数来表示，也就是说波函数是一种用来描述物体性质的数学式子。如果你想预测电子的行为，只需推导出它的波函数如何随时间变化，计算的结果可以给你电子具有某种性质（例如电子位于某处）的概率。但是如果物理学家进一步假设波函数是真实的事物，麻烦就来了。
量子贝氏主义结合了量子理论与概率理论，认为波函数不是客观实在的事物；反之，它主张把波函数作为使用手册，是观察者对于周遭（量子）世界做出适当判断的数学工具。明确一点讲，观察者了解一件事：自己的行为与抉择会无可避免地以无法预测的方式影响被观测系统，因此用波函数来指明自己判断量子系统具有某种特定性质的概率大小。另一个观察者也用波函数来描述他所看到的世界，对于同一量子系统而言，可能会得到完全不同的结论。观察者的人数有多少，一个系统（一个事件）可能拥有不同的波函数就有多少。在观察者相互沟通、并且修正了各自的波函数以涵盖新得到的知识之后，一个有条理的世界观就浮现了。
最近才转而接受量子贝氏主义的美国康奈尔大学理论物理学家摩明这么说：“在此观点之下，波函数或许是‘我们所发现最有威力的抽象概念’。”
波函数不是真实的事物，这种想法早在20世纪30年代就出现了，那时量子力学创建者之一的尼尔斯·波尔在其文章中已经这么说。他认为量子理论仅仅是计算工具，即量子论只是“纯符号性”的架构而已，而波函数是工具的一部分。量子贝氏主义是第一个为波耳的主张找到数学基础的模型，它把量子理论与贝氏统计结合起来。贝氏统计是一门有200年历史的统计学，这门学问把“概率”定义成某种类似“主观信念”的事物。一旦新信息出现，我们的主观信念也必须跟着更新。针对如何更新，贝氏统计定下了明确的数学规则。量子贝氏主义把波函数解释成一种会依据贝氏统计规则来更新的主观信念，如此一来，量子贝氏主义的鼓吹者相信神秘的量子力学吊诡就消失了。
以电子为例，每当我们侦测到一个电子，就会发现它一定是位于某个位置；但是当我们不去看它，则电子的波函数可能是散开的，代表了电子在某一时刻处于不同地方的可能性；如果我们再去看它，又会看到电子出现在某一个位置。根据标准说法，观测促使波函数在一瞬间“崩陷”而集中于某一个位置之上。
空间各处的崩陷发生于同一时刻，这种情形似乎违背了“局域性原理”（即物体的任何改变一定是由其附近的另一物体所引起的），如此一来就会引发一些如爱因斯坦称为“鬼魅般的超距作用”的困惑。
量子力学一诞生，物理学家就知道“波函数的崩陷”是这个理论深深困扰人的一项特点。这个令人不安的谜促使物理学家发展出各种量子力学的诠释，但是都没能完全成功。
然而量子贝氏主义说量子力学根本没有任何诡异之处。波函数崩陷只是表示观察者依据新信息，忽然且不连续地更新了他原先分配的概率，就好像医生依据新的计算机断层扫描结果，而修正了对癌症病人病况的判断。量子系统并没有经历什么奇怪、不可解释的变化，改变的是（观察者选用的）波函数，波函数呈现的是观察者个人的期待。
量子计算的定义范文第4篇
关键词：基因 基因概念 历史渊源
中图分类号：Q3 文献标识码：A 文章编号：1672-3791（2012）08（b）-0234-03
遗传学是研究生物起源，基因和基因组结构、功能及其演变规律的学科，而基因的研究对促进遗传学发展具有重要意义。自20世纪开始以来，基因的发展经历了理论水平、细胞水平的遗传学阶段和分子水平上的遗传学阶段，在前人大量实验的基础上，人们对基因的认识不断深入，特别是随着人类基因组计划和“DNA元件百科全书”计划（Encyclopedia of DNA Elements， ENCODE）的完成，人们对基因的认识又有了新的变化，并将遗传学中基因的概念和理论应用到了计算机、商业和信息技术等领域。
如今的21世纪，随着学科交叉研究的发展，一些科学研究者开始利用物理化学工具来研究核酸结构，从分子水平上阐述遗传现象背后的化学本质。本文结合大量文献综述了基因的发展历程以及现阶段物理化学方法在遗传学研究中的应用，并展望了量子化学理论在遗传学领域的应用前景。
1 基因概念的历史渊源
19世纪，由于农业生产发展的需要，人们开始重视动植物的遗传变异现象并对这些现象进行了系统研究，这为基因概念的产生创造了条件。1868年，Darwin C.受Hippocrates和Anaxagoras的生源说影响提出了泛生论的假说，认为生物体的细胞能产生自我繁殖的微粒，这些微粒可以汇聚于生殖细胞并决定后代的遗传性状，这种观点缺乏实验论证，不过它充分肯定了生物体内部存在特殊的物质负责遗传性状的传递。之后，Weismann A.又在前人基础上提出了种质论（Germpiasm），认为种质是生物体的遗传物质，它可能作为遗传单位存在于染色体上，这对基因概念的形成奠定了理论基础[1]。
2 基因的研究发展
2.1 基因概念的提出
在前人的遗传学理论研究基础上，Mendel G.J.第一个对遗传现象做了系统的实验研究。通过豌豆杂交实验，他认为生物性状是由“遗传因子”来控制的，这些遗传现象符合分离定律和自由组合定律。之后，Devries H、Correns C.和Tschermak E.分别证实了孟德尔的实验结果，到1909年，丹麦的Johannsen W.L.首次用“基因”一词表示遗传因子。不过，当时的遗传因子没有涉及到基因的具体物质概念，只是一个经过统计学分析的理论概念。
2.2 基因学说的创立
Mendel的遗传因子学说是宏观水平上的发现，其所提出的遗传因子到底是否存在于细胞中需要进行细胞水平上的研究。随着当时工业生产的发展，用以研究生物学实验的仪器设备有了极大的改进。20世纪初，Boveri T.[2]和Sutton W.S.[3]各自在研究减数分裂时，发现遗传因子的行为与染色体行为呈平行关系，提出了基因就在染色体上的假说。然后，1910年，Morgan T. H.等[4]用果蝇作材料，进行了一系列杂交实验，发现了伴性遗传现象和基因连锁互换定律，直接证实了基因在染色体上，建立了染色体遗传理论。1926年，Morgan T.H.正式提出了基因学说，即“三位一体”的基因概念，基因首先是决定性状的功能单位，能控制蛋白质的表达，决定一定的表型效应；其次是一个突变单位，可以发生在等位基因之间，表现出变异类型；最后它是一个重组单位，只发生在基因之间，可以产生与亲本不同的基因型[5]。这把染色体和基因联系了起来，说明了基因具有物质性，不过，Morgan在其著作中并没有涉及基因的本质是什么以及基因的功能是如何发挥等问题。
2.3 基因化学本质的研究
对于基因的化学本质和功能等问题，早在1909年，英国Garrod A.E.就提出过基因产生酶的观点。之后，1941年斯坦福大学Beadle G.和Tatum E.[6]在研究真菌过程中，提出了“一个基因一个酶”的假说，认为一个基因控制一个酶的合成，基因通过酶控制生物的代谢途径，这从生物化学角度阐述了基因的功能，不过这种基因的概念仍然没有揭示基因的化学本质，只是解释了基因发挥功能的途径。到1944，Avery等通过肺炎双球菌转化实验证明了遗传物质的化学本质是DNA，然后，1956年，美国的Fraenkel又通过烟草花叶病毒实验证明了RNA也可以作为遗传物质进行传递[7]。
2.4 基因功能的研究
1953年，Watson J.D.和Crick F.H.C.[8]提出了DNA的双螺旋结构，人们开始从分子水平上认识基因的本质，即基因是DNA分子中含有特定遗传信息的一段核苷酸序列，是遗传物质的最小功能单位[9]，从此以后，人们对基因功能的认识开始有了深入的了解。1955年，Benzer S.[10]通过T4噬菌体感染大肠杆菌的互补实验提出了顺反子学说，认为基因就是顺反子，即一个遗传功能单位，一个顺反子决定一条多肽链，它并不是一个突变单位和交换单位。一个顺反子可以包含一系列突变子，突变子是DNA中构成的一个或若干个核苷酸，由于基因内的各个突变子之间有一定距离，所以突变子彼此之间能发生重组，重组频率与突变子之间的距离成正比[11]。
20世纪60年代之前，人们已经认识到基因是有着精细结构的DNA分子，其结构可以继续分割，不过，当时对于基因功能表达及其具体作用等问题的研究依然局限于传统的“一个基因一个酶”的学说。1961年，法国遗传学家Jacob F.和Monod J.L.[12]根据对大肠杆菌的试验，提出了大肠杆菌操纵子模型，认为DNA的不同区域存在一个调节基因和一个操纵子，操纵子模型包括若干结构基因、操纵基因和启动基因。这一模型进一步说明了基因是可分的，通过基因间的密切协作，细胞才能表现出独特的功能[13]。此后，随着DNA重组技术和DNA测序技术的发展，人们对基因的研究更加深入，发现了许多基因的其他功能和特点，极大地完善了人们对生物体各种遗传现象的认识。
2.5 基因概念的新发展
20世纪70年代以后，随着分子生物学技术的飞速发展，人们对基因的结构和功能上的特征有了更多的认识，其中比较重要的发现有假基因、重叠基因、跳跃基因、断裂基因、反转录基因、印记基因等。结合基因的这些新发现，现今人们认识基因有以下几种特点[5]：（1）基因不都是离散的，因为有重叠基因；（2）基因不一定是连续的，如断裂基因；（3）基因可以移动，其位置可以改变，如跳跃基因；（4）基因不是全能的结构单位，有很多顺式作用元件影响转录或剪接；（5）基因也不是简单的功能单位，因为基因可以通过顺式或反式剪接，产生多种蛋白质。那么，到底应该怎样给一个基因准确定义呢？近年来，有很多人对此提出了看法。
Gerstein等[14]提出，基因的定义应该和原来的定义有兼容，建立在已有的生物术语基础之上。他们认为，基因是基因组序列的联合体，这些序列可以编码具有潜在重叠功能的产品（蛋白质或RNA），基因与其调节序列是多对多关系。在此基础上，Pesole[15]则认为基因是一个离散的基因组区域，其转录可以被一个或多个启动子和远端调节成分调控，并含有合成功能蛋白质或非编码RNA的信息。基因在最终功能产物上有共同性质，这个定义主要针对真核生物基因组，强调每个基因都分布于基因组的连续区域，基因序列包含5′UTR和3′UTR。此外，还有学者从计算机角度对基因的定义做了描述，他们把基因组比喻为一个生命体的大的操作系统，而基因就是其中的一个子程序。总之，随着当今科技水平的发展，人们通过对DNA、RNA和蛋白质新功能的研究，发现基因并不是以前想得那么简单，其概念、功能和特征是随着一些特殊的生命遗传现象可以改变的。
如阮病毒的发现，朊病毒是一种只有蛋白质而没有核酸的病毒，就之前生物学家对基因的概念而言，朊病毒的复制并非以核酸为模板，而是以蛋白质为模板，这又重现了20世纪遗传物质本质问题的争议，是现阶段基因概念的新挑战。此外，2006年，《自然》杂志在New Feature栏目上刊登了“什么是基因？”一文，这篇文章结合最近的研究成果对基因的概念做了新的诠释，一些研究发现，RNA不是被动的将基因信息传递下去，而是主动地调控细胞的活动，有的RNA链不是传统认为的只由DNA的一条链转录，而是由两条链转录得来，还有一些RNA可以通过某种途径使正常基因沉默，在必要时还会作为模板纠正某些异常基因，跨世代地携带生物体遗传信息[16]。这些研究发现加深了我们对RNA的认识，深化了我们对生物体遗传现象的了解。又20世纪90年代，美籍华人牛满江教授又发现了“外基因”，即一些生物体细胞质中mtRNA能激活一些特定基因，使生物体表达特定的蛋白质，还有，2008年《自然》杂志上报告，美国科学家确认了一种可导致乳腺癌转移的超级基因，这种基因可控制肿瘤细胞中其他基因的表达，它的表达与癌症发生有密切的联系[17]。
总之，随着科学的不断发展，人们对于生物遗传现象的认识越来越深入，基因的概念也随着生物学的发展不断变化和完善。由于其他非生命领域的研究对象显示出了生命力及与生物基因相似的特征，现今，经济领域和计算机领域中又出现了企业基因[18]、产品基因[19]、数据基因[20]等新的定义，基因概念的基本理论已经发展到更多学科中了，对基因本质和特征的研究越来越有必要。
3 量子化学作为研究核酸方法的应用
当前，遗传学的研究已经发展到了分子水平，然而对于生物遗传现象中一些酶、核酸、激素等活性物质的构象、生物活性和其具体作用机制依然存在争议。生物系统研究的最大难题是生物分子的复杂性，常规的实验方法只能得到实验现象的宏观方面解释，而不能从微观方面对实验现象的化学本质做出解释。目前有一些研究者将物理化学方法应用到了生命科学领域，建立了从理论分析到实验优化的方法模式，他们根据实际体系在计算机上进行实验，通过比较模拟结果和实验数据检验理论模型的准确性，并在此基础上模拟生物大分子的结构、性质和反应过程。
随着计算机技术和物理化学理论的发展，以及X射线、NMR等技术的应用，人们可以利用一些物理化学工具在计算机上进行分子模拟，以此来模拟DNA、RNA和蛋白质的结构，预测蛋白质与核酸的功能和性质。而且，随着计算方法的改进，高度变化的核酸体系的精确分子模拟已成为可能，依赖强大的计算机就能模拟一些更复杂的反应，如DNA、RNA和蛋白质的催化及折叠等[21]。
其中应用比较广泛的物理化学工具就是量子化学方法，量子化学方法是应用量子化学基本原理和方法来研究化学体系的结构和化学反应性能的科学，其基本理论主要有价键理论（VB）、分子轨道理论（MO）、密度泛函理论（DFT），基本的计算方法有从头算方法（ab initio）、半经验方法（semi-empirical method）、密度泛函方法（Density Functional Theory）[22]。量子化学的原理和方法在物理化学、药学计算和生命科学领域有广泛的应用，可以很好地分析分子间相互作用的机理，解释实验中一些宏观现象的物理化学本质。如李梅杰[23]利用量子化学方法中的高精度组合从头算方法（ONIOM-G3B3）研究了核酸自由基性质和损伤机理，很好地解释了生命过程中由于自由基和电子转移导致DNA的断链损伤而引起的衰老、癌症、神经紊乱等疾病的发生。又如2002年，Starikov E.B.[24]总结了核酸中量子化学方法的应用，阐述了核酸中电荷转移过程的量子化学描述及其化学机理，并详细地讨论了不同量子化学方法在研究核酸电子构型中的优缺点。此外，于芳[25]运用量子化学工具对胞嘧啶与丙烯酰胺组成的分子体系进行了计算，以此来模拟核酸与蛋白质相互作用的反应过程，分析了DNA与蛋白质的作用形式。
对于利用量子化学方法研究蛋白质的应用，国外在这方面做得比较深入。如纽约州立大学石溪分校Simmerling C.等[26]应用量子化学方法研究了一种小分子量蛋白质，仅有20个色氨酸构成，准确地预测了蛋白质三维结构的折叠过程。又如Berriz和Shakhnovich[27]模拟了小的三螺旋束蛋白的折叠，Daggett和Fersht[28]模拟了小的单结构域蛋白的动力学折叠.还有Akira Shoji等[29]采用密度泛函理论方法优化了右手α-螺旋的PLA（聚L-丙氨酸）分子（如图1所示，即H-Ala18-OH分子），分析了αR-螺旋的PLA形成的机制，获得优化的αR-螺旋H-Ala18-OH构型外侧的1H、13C、15N、17O原子的化学位移与用高分辨率固相NMR检测的相同。
4 展望
近年来，国内外量子化学在分子生物学中的应用日趋广泛，如利用量子化学方法研究纳米微粒促进靶向给药、纯化核酸以及处理废气等技术的发展；应用量子化学方法优化生物活性分子结构，研发新型抗疾病药物；采用分子模拟的量子化学计算方法探究激素与受体以及其他活性分子与核酸的作用机理等等，很大程度上促进了分子生物学和医学的发展。从目前所作的科学研究看，量子化学完全可以作为遗传学工具来研究生物体遗传现象背后的化学本质，其在遗传学的研究中有广阔的应用前景。
参考文献
[1] 光晓元.基因概念的历史渊源及其历史发展[J].安庆师范学院学报，2002，8（4）：95-97.
[2] Boveri T.ber mehrpolige Mitosen als Mittel zur Analyse des Zellkerns[J]. Verh Phys.Med Ges Würzburg，1902， 35：67-90.
[3] Sutton W S.The chromosomes in heredity[J].Bio Bull，1903，4：231-251.
[4] Morgan T H.Sex-limited inheritance in Drosophila[J].Science，1910，32（812）：120-122.
[5] 谢兆辉.基因概念的演绎[J].遗传，2010，32（5）：449-454.
[6] Beadle G W，Tatum E L.Genetic control of biochemical reactions in neurospora[J].Proc Natl Acad Sci USA， 1941，27（11）：499-506.
[7] 高汝勇.基因概念的发展历程[J].科技风，2009（11）：128-128.
[8] Watson J D，Crick H F C.A structure for deoxyribosenucleic acid[J].Nature，1953：171，737.
[9] 赵亚华.基础分子生物学教程.2版.北京：科学出版社，2007，7：1-10.
[10] Benzer S.Fine structre of a genetic region in bacteriophage[J].Proc Natl Acad Sci USA，1955，41（6）：344-354.
[11] 张勇.基因概念之演变[J].生物学通报，2002，37（10）：52，54.
[12] Jacob F，Monod J.Genetic vegulator ymechanisms in the synthesis of proteins[J].J.Mol.Biol，1961（3）：318.
[13] 刘元，陈国梁，梁凯.基因概念的演变[J].延安大学学报，2005，24（4）：80-83.
[14] Gerstein M B，Bruce C，Rozowsky J S，et al.What is a gene，post-ENCODE？History and updated definition[J].Genome Res，2007，17（6）：669-681.
[15] 施江，辛莉，郭永新，等.现代生物学基因研究进展—— 从遗传因子到超级基因（2）[J].生物学通报，2009，44（4）：4-7.
[16] 唐捷.基因是什么[J].生物化学与生物物理进展，2006，33（7）：607-608.
[17] 欧阳芳平，徐慧，郭爱敏，等.分子模拟方法及其在分子生物学中的应用[J].生物信息学，2005（1）：33-36.
[18] 许晓明，戴建华.企业基因理论的演化及其顺反子系统新模型的构建[J].上海管理科学，2008，30（2）：86-90.
[19] 杨金勇，黄克正，尚勇，等.产品基因研究综述[J].机械设计，2007，24（4）：1-4.
[20] 奚建清，汤德佑，郭玉彬.数据基因：数据的遗传信息载体[J].计算机工程，2006，32（17）：7-9.
[21] Pesole G.What is a gene？An updated operational definition[J].Gene，2008，417（1-2）：1-4.
[22] 赵艳丽，许炎，李遥洁，等.量子化学在金属配合物中的应用进展[J].广东化工，2010，37（9）：75-76.
[23] 李梅杰.核酸自由基性质和损伤机理的量子化学研究[D].合肥：中国科学技术大学化学与材料科学学院，2007.
[24] Starikov E B.Quantum chemistry of nucleic acids：how it could help and when it is necessary[J].Journal of Photochemistry and Photobiology C：Photochemistry Reviews，2002，3：147-164.
[25] 于芳.酰胺类化合物与DNA碱基相互作用的理论研究[M].江苏：江南大学应用化学系，2009.
[26] Simmerling C，Strockbine & Roitberg A E.All-atom structure prediction and folding simulations of a stable protein[J].Journal of the American Chemical Society，2002，124：11258-11259.
[27] Berriz G F，Shakhnovich E I. Characterization of the folding kinetics of three-helix bundle protein via a minimalist Langevin model[J].Journal of Molecular Biology，2001，310：673-685.
量子计算的定义范文第5篇
【关键词】量子;通信;技术;发展
对量子信息进行研究是将量子力学作为研究基础，根据量子并行、纠缠以及不可克隆特性，探索量子编码、计算、传输的可能性，以新途径、思路、概念打破原有的芯片极限。从本质来说：量子信息是在量子物理观念上引发的效应。它的优势完全来源于量子并行，量子纠缠中的相干叠加为量子通讯提供了依据，量子密码更多的取决于波包塌缩。理论上，量子通信能够实现通信过程，最初是通过光纤实现的，由于光纤会受到自身与地理条件限制，不能实现远距离通信，所以不利于全球化。到1993年，隐形传输方式被提出，通过创建脱离实物的量子通信，用量子态进行信息传输，这就是原则上不能破译的技术。但是，我们应该看到，受环境噪声影响，量子纠缠会随着传输距离的拉长效果变差。
一、量子通信技术
（一）量子通信定义
到目前为止，量子通信依然没有准确的定义。从物力角度来看，它可以被理解为物力权限下，通过量子效应进行性能较高的通信;从信息学来看，量子通信是在量子力学原理以及量子隐形传输中的特有属性，或者利用量子测量完成信息传输的过程。
从量子基本理论来看，量子态是质子、中子、原子等粒子的具体状态，可以代表粒子旋转、能量、磁场和物理特性，它包含量子测不准原理和量子纠缠，同时也是现代物理学的重点。量子纠缠是来源一致的一对微观粒子在量子力学中的纠缠关系，同时这也是通过量子进行密码传递的基础。Heisenberg测不准原理作为力学基本原理，是同一时刻用相同精度对量子动量以及位置的测量，但是只能精确测定其中的一样结果。
（二）量子通信原理
量子通信素来具有速度快、容量大、保密性好等特征，它的过程就是量子力学原理的展现。从最典型的通信系统来说具体包含：量子态、量子测量容器与通道，拥有量子效应的有：原子、电子、光子等，它们都可以作为量子通信的信号。在这过程中，由于光信号拥有一定的传输性，所以常说的量子通信都是量子光通信。分发单光子作为实施量子通信空间的依据，利用空间技术能够实现空间量子的全球化通信，并且克服空间链路造成的距离局限。
利用纠缠量子中的隐形量子传输技术作为未来量子通信的核心，它的工作原理是：利用量子力学，由两个光子构成纠缠光子，不管它们在宇宙中距离多远，都不能分割状态。如果只是单独测量一个光子情况，可能会得到完全随机的测量结果;如果利用海森堡的测不准原理进行测量，只要测量一个光子状态，纵使它已经发生变化，另一个光子也会出现类似的变化，也就是塌缩。根据这一研究成果，Alice利用随机比特，随机转换已有的量子传输状态，在多次传输中，接受者利用量子信道接收;在对每个光子进行测量时，同时也随机改变了自己的基，一旦两人的基一样，一对互补随机数也就产生。如果此时窃听者窃听，就会破坏纠缠光子对，Alice与Bob也就发觉，所以运用这种方式进行通信是安全的。
（三）量子密码技术
从Heisenberg测不准原理我们可以知道，窃听不可能得到有效信息，与此同时，窃听量子信号也将会留下痕迹，让通信方察觉。密码技术通过这一原理判别是否存在有人窃取密码信息，保障密码安全。而密钥分配的基本原理则来源于偏振，在任意时刻，光子的偏振方向都拥有一定的随机性，所以需要在纠缠光子间分设偏振片。如果光子偏振片与偏振方向夹角较小时，通过滤光器偏振的几率很大，反之偏小。尤其是夹角为90度时，概率为0;夹角为45度时，概率是0.5，夹角是0度时，概率就是1;然后利用公开渠道告诉对方旋转方式，将检测到的光子标记为1，没有检测到的填写0，而双方都能记录的二进制数列就是密码。对于半路监听的情况，在设置偏振片的同时，偏振方向的改变，这样就会让接受者与发送者数列出现差距。
（四）量子通信的安全性
从典型的数字通信来说：对信息逐比特，并且完全加密保护，这才是实质上的安全通信。但是它不能完全保障信息安全，在长度有限的密文理论中，经不住穷举法影响。同时，伪随机码的周期性，在重复使用密钥时，理论上能够被解码，只是周期越长，解码破译难度就会越大。如果将长度有限的随机码视为密钥，长期使用虽然也会具有周期特征，但是不能确保安全性。
从传统的通信保密系统来看，使用的是线路加密与终端加密整合的方式对其保护。电话保密网，是在话音终端上利用信息通信进行加密保护，而工作密钥则是伪随机码。
二、量子通信应用与发展
和传统通信相比，量子通信具有很多优势，它具有良好的抗干扰能力，并且不需要传统信道，量子密码安全性很高，一般不能被破译，线路时延接近0，所以具有很快的传输速度。目前，量子通信已经引起很多军方和国家政府的关注。因为它能建立起无法破译的系统，所以一直是日本、欧盟、美国科研机构发展与研究的内容。
在城域通信分发与生成系统中，通过互联量子路由器，不仅能为任意量子密码机构成量子密码，还能为成对通信保密机利用，它既能用于逐比特加密，也能非实时应用。在严格的专网安全通信中，通过以量子分发系统和密钥为支撑，在城域范畴，任何两个用户都能实现逐比特密钥量子加密通信，最后形成安全性有保障的通信系统。在广域高的通信网络中，受传输信道中的长度限制，它不可能直接创建出广域的通信网络。如果分段利用量子密钥进行实时加密，就能形成安全级别较高的广域通信。它的缺点是，不能全程端与端的加密，加密节点信息需要落地，所以存在安全隐患。目前，随着空间光信道量子通信的成熟，在天基平台建立好后，就能实施范围覆盖，从而拓展量子信道传输。在这过程中，一旦量子中继与存储取得突破，就能进一步拉长量子信道的输送距离，并且运用到更宽的领域。例如：在潜安全系统中，深海潜艇与岸基指挥一直是公认的世界难题，只有运用甚长波进行系统通信，才能实现几百米水下通信，如果只是使用传统的加密方式，很难保障安全性，而利用量子隐形和存储将成为开辟潜通的新途径。
三、结束语
量子技术的应用与发展，作为现代科学与物理学的进步标志之一，它对人类发展以及科学建设都具有重要作用。因此，在实际工作中，必须充分利用通信技术，整合国内外发展经验，从各方面推进量子通信技术发展。
参考文献
[1]徐启建，金鑫，徐晓帆等.量子通信技术发展现状及应用前景分析[J].中国电子科学研究院学报，2009，4（5）：491-497.
