譚 宏 戴志平
(空軍雷達學院四系通信教研室 武漢 430010)
進入21世紀后,信息戰、電子戰、空襲戰、精確戰和非接觸戰成為未來戰爭的主要形式,全方位大縱深的陸海空天電一體化作戰已成為必然,太空將成為國際軍事競爭的新的制高點。雷達作為主要的電子信息裝備,擔負信息獲取和精確制導的重任。雷達能否高效地、遠距離地、獲取各種遠程導彈、飛機等目標的信息將是確保戰爭勝利的首要條件。
當前雷達的缺點主要有:1)發射功率大(幾十千瓦),電磁泄漏大;2)體積大,機動性差;3)對抗反隱身能力差;4)成像能力弱;5)信號處理復雜,實時性弱。從多年來雷達的發展的經歷看,要想提高雷達的精確性和實現高質量的圖像,雷達的發射電磁波頻率要更高。最近(20世紀70年代)發展起來的超寬帶雷達,就是采用沖激脈沖作為載波。由此看出雷達信號的載波向極窄脈沖發展,這實際上是追求雷達信號能量集中效應,類似“子彈”的效果。要想解決上述雷達缺點還需發展新體制雷達。據此我們想到利用電磁波的粒子特性探測目標的思想。本文基于量子技術,提出新的雷達探測方法,同時給出了具體的系統模型。
實踐證明:微觀世界遵循量子力學原理。光和電磁波都具有波粒二象性。光的波動性和粒子特性都很顯著,微波波段的電磁波,波動性顯著粒子性較弱。通過測量電磁波的波動性只能獲得信號的頻率和相位,它們不能很好地反映出信息的空間序列特性。而測量電磁波的粒子性可以獲得信號的動量和位移,它們具有信息的空間序列特性,作為提取圖像信息具有天然的優越性。但是通過測量電磁波的粒子特性來獲得信息有個致命的缺點:信號十分微弱。
當今由于量子通信技術的興起,這一致命弱點逐步得到了解決。而現實當中人的視覺系統其實就是一個測量光粒子特性的裝置。這使得利用電磁波的粒子特性傳遞信息有實際可參考的例子。
人類的大腦是一個性能優良的、并行的圖像處理器。從人類大腦的神經網絡處理信息的方式,可以得到如下幾點結論:
1)人類的視網膜感應的是光波的粒子特性(類似太陽能電池板)。
2)人類大腦的神經網絡具有量子感應特性(對單量子脈沖有反應)[1~2]。
3)人類大腦的神經網絡是并行處理圖像信息,且具有量子計算的自然而高效的并行特點。
早在1996年Perus博士[3]認為,量子波函數的坍縮(Collapse)十分類似于人腦記憶中的神經模式重構現象。哈佛大學的Gould則進一步證明了玻爾(Bohr)的量子過程的本體論解釋和感知器的腦過程的完全性理論有同樣的數學結構,這兩個過程的動態方程都包含了一種場,即量子勢或神經勢,基于量子勢的量子過程和基于神經勢的腦過程的動態方程有驚人的相似之處。
從以上分析可以看出,人類大腦的神經網絡具有量子計算的特點。通過模擬人類神經網絡處理圖像的機理來重新設計雷達,可以得到一個快速高分辨率,而技術上又相對可行的雷達成像系統。
首先,人類視覺成像系統是并行的。目標各個點的光波(電磁波)反射來的信號通過光學透鏡(眼睛),并行地照射在視網膜上,視覺細胞將光信號轉化為神經脈沖信號,經視神經束并行投射到大腦相應的區域。
需要說明的是,人腦成像利用的是光的量子特性。光通過透光物質類似設置了一定的電磁場環境的光柵(晶體各原子具有相應的電場和磁場),光子不被透光物質原子吸收。
從物質的波粒二象性來看,波動性表達物質(能量)的彌散特性,傳達的是一種背景信息;粒子特性表達物質(能量)的點特性,傳達的是一種精確信息。雖然,低頻電磁波波動性強于粒子特性,但是,它同樣存在粒子特性,只不過很弱,只要我們通過一定的測量手段是可以獲得它的粒子特性,從而可以獲得它所帶回來的、精確的目標信息(點信息)。
2.3.1 量子雷達工作原理
通過以上分析,我們可以給量子雷達下一個定義:利用電磁波的粒子特性進行遠距離目標探測的系統。量子雷達完全可以模擬人類的成像系統。為了敘述方便,在這里說明一下:我們把電磁波的一份能量叫做一個光子。
由并協原理可知,如果在一個裝置中能夠在物理上互相區分狀態,則可探測到電磁波的粒子特性[4]。例如,利用計數器觀察電子究竟通過雙縫衍射試驗中的哪個縫隙,則電子的衍射圖像就消失了,即我們只要選擇了相應的測量條件,就只能測得表達相應特性(波動性或粒子性)的物理量。
根據以上原理,量子雷達的探測信號,是原子的電子從一個能級躍遷到另一個能級時,所發出的電磁波,具有特定的狀態。一般說來,電子特定狀態可以是電子的自旋。多個已知自旋狀態的電子(相當于信號編碼)發射的電磁波,被物體反射后進行接收。接收機通過分析電子吸收反射波后,其狀態(自旋)的改變規律,就可獲得目標信息。目前,電磁波與電子自旋狀態之間的關系還需進一步研究。如果它們之間的關系只能保持在一定的“相干時間”內,則目標的探測必須在相干時間內完成。
2.3.2 量子雷達的組成
量子雷達由發射系統和接收系統組成。如圖1所示,發射系統主要由靶(n個原子組成)、量子編碼系統和磁透鏡組成。接收系統由磁透鏡、接收靶和信息處理系統組成,如圖2所示。
編碼采用量子避錯碼。量子避錯碼基于消相干中的集體效應。集體消相干和獨立消相干具有本質的不同,最突出的一點是,對于集體消相干,存在相干保持態。相干保持態是指一類能在噪聲環境下保持穩定的態。目前已經在核磁共振中演示了糾相位錯的三比特[5]和兩比特[6]糾錯碼。
靶在設置好初始條件(編碼表達的電磁場強度大小)后,使靶原子能級發生跳變發出電磁波(載波);電磁波碰到物體形成反射波。
接收靶工作原理類似激光產生原理:接收到的反射波作為激光器的激勵光源;通過反射腔使激光放大,從而達到接收并放大信號的目的。
磁透鏡類似人類的眼球的作用,起到空間信息排列的作用。
信息處理系統主要采用量子神經網絡,以利用其天然并行計算的特點進行快速圖像識別。
這里同樣存在噪聲干擾問題[7],但是我們可以在對發射的電磁波進行所謂“相關”處理,使發射電磁波處于相干狀態,接收端只有收到處于這個狀態的光子,才能以最大的概率使接收器的原子能級發生躍遷。
如果我們用n位量子編碼,則容量(狀態數)為2n,則干擾電磁波與發射電磁波處于相同狀態的可能性只有1/2n,所以抗干擾能力類似擴頻通信。
由于原子狀態存在消相干現象,所以接收信號應當在弛豫時間內被接收到。例如,弛豫時間τ=1μ s,探測距離L=0.5×10-6×3×108=150m。所以應當盡量延長弛豫時間,實際上就是原子狀態的壽命。如果弛豫時間能達到10ms,則探測距離可達1500km。而原子狀態的壽命與能級差有關系,各態所處能級差越大,其自發跳變的機會越少,壽命越長。但各態級差越大,激發跳變的光子頻率越高,而工作頻率越高,“穿透能力”越弱,探測距離較近;由此看來,對于探測距離來說,工作頻率和原子各態的壽命是一對矛盾條件。因此,在選擇工作頻率時要折中考慮。當然也可以開發出較低工作頻率下的長弛豫時間。
實際上,量子雷達的工作原理與量子計算的原理相似,主要涉及到原子工作狀態的實現,即給出穩定的、所需要的原子能級,在此條件下進行電子能級躍遷產生光子;同時,還要把在初始狀態下發出的光子穩定地接收,即實現與發射相反的過程。目前實現量子計算機的物理方案有:離子阱(Ion Trap)、腔量子電動力學(腔 QED)、核磁共振(NRM)和量子點(Quantum Dot)等。
離子阱方案的主要優點是:阱中的超冷離子處于一個幾乎與外界隔絕的空間中,由環境引起的消相干效應非常小,因此使得量子計算的并行度較高;其主要缺點是時鐘速度太慢,用數目極大的激光束脈沖操作各個離子執行邏輯運算時,運算速度難以提高。
腔量子電動力學方案的主要優點是:兩個量子位之間相互作用的時間尺度大大小于離子阱方案,因此其可以在單位時間內完成更多的操作步驟。
利用核磁共振技術實現量子計算機較為成熟。
量子點方案的優點則是:量子位可以是嵌套在固體材料中的固態量子器件,這與經典計算機的大規模集成電路的設計相似。
2000年8月,IBM公司推出了具有5個原子的量子計算機存儲器;同年,美國已成功地建立4個量子位的離子阱量子計算機,同時美國和德國的科學家利用核磁共振技術成功地建立5個量子位的量子計算系統,在中國則利用核磁共振技術成功地建立3個量子位的量子計算機;2001年日本利用核磁共振技術已研制出16個量子位的實驗性量子計算機原型[9]。
2007年中國科技大學微尺度物質科學國家實驗室潘建偉、楊濤、陸朝陽等,通過實驗成功制備出國際上糾纏光子數最多的(實現六光子)薛定諤貓態和可以直接用于量子計算的簇態,刷新光子糾纏和量子計算領域的兩項世界紀錄。
從目前的理論分析和應用證明,量子神經計算(QNC)模型至少在以下幾個方面具有明顯的優勢[10]:1)指數級的記憶容量和回憶速度;2)由于可實現高密度的量子神經元(1011個神經元/mm3)和利用量子神經元之間的糾纏特性而不需要網絡連線使QNN的網絡規模較小、網絡拓撲結構較簡單;3)快速學習和高速信息處理(1010bit/s)能力;4)由于不存在模式之間的相互干擾而具有消除災變性失憶的潛力;5)單層網絡可求解線性不可分問題;6)高穩定性和高可靠性等。
隨著量子信息理論的發展,量子神經網絡會得到迅速發展,其關鍵是如何調和神經計算模型非線性特征與量子系統中線性幺正變換之間的關系,以及如何自然地在神經網絡中表達量子態的糾纏特性。
目前,量子神經計算領域的研究日趨活躍,其重要標志之一是1998年召開的第4屆國際信息科學聯合會會議和2000年召開的第4屆國際計算智能與神經科學會議都專門設立了量子計算與神經量子信息處理專題,此舉引起了國際理論界的廣泛關注。
隨著量子通信技術的進一步發展,最靈敏而精密的電子接收機將誕生,類似人類的信息處理系統將會出現,量子雷達的實現也很快成為現實。到那時,具有反隱身、精確成像、便攜式雷達系統,使我們更準確精細而又方便地探測遠距離目標。
[1]Cybenko G.Approximation by superposition of a single function[J].Mathematics of Control,Signals and Systems,1989,35:335~336
[2]NIELSEN M A,CHUANG I L.Quantum Computation and Quantum Information[M].London:Cambridge University Press,2000
[3]M.Perus.Neuro-quantum parallelism in brain-mind and computers[J].Informatica,1996,20:173~183
[4]張禮,葛墨林.量子力學的前沿問題[M].北京:清華大學出版社,2000,4
[5]Cory D G,et al.Phys.Rev.Lett.,1998,81:2152~2155
[6]Leung D,et al.Phys.Rev.A,1999,60:1924~1943
[7]李傳鋒,郭光燦.量子信息研究進展[J].物理學進展,2000,20(4)
[8]Di Vincenzo D P.Science,1995,270:255;Bennett C.H.Phys.Todav,1995,48:24
[9]鐘誠,陳國良.量子計算及其應用[J].廣西人學學報(自然科學版),2003,27(1)
[10]Ezhov A,Ventura D.quantum neural networks[C]//Kasabov N.ed.Future Directions for Intelligent Systems and Information Sciences,Springer-Verlag,Heidelberg,2000:213~234
[11]孫增圻.智能控制理論與技術[M].北京:清華大學出版社,2000,11
[12]閻平凡,張長水.人工神經網絡與模擬進化計算[M].北京:清華大學出版社,2000,11
[13]李俠,朱裕生.現代雷達技術[M].北京:兵器工業出版社,2000,10