量子计算:基本概念

news2024/11/27 8:04:35

选了课程 《量子计算与量子信息》,没学过量子力学的博主实在是听不懂啊 (ㄒoㄒ)
简略整理了下 可能大概也许 明白一二都没有 的课程最开始两节的内容,如有错误欢迎指出 ~ ~ ~

文章目录

  • 矩阵论
    • 复空间中的矩阵
    • 矩阵上的运算
  • 量子力学
    • 量子态
    • 基本假设
  • 量子计算机的线路模型
    • 单量子位门
    • 双量子位门
    • 三量子位门
    • Bell 态的制备
  • 一些有意思的应用
    • 量子密码
    • 量子计算
    • 可逆计算
    • 隐形传态

矩阵论

复空间中的矩阵

复空间 C n \mathbb C^n Cn 上矩阵的厄米(Hermite): A † : = ( A ∗ ) T = ( A T ) ∗ A^\dagger := (A^*)^T = (A^T)^* A:=(A)T=(AT),共轭转置,上角标 † \dagger 读作 \dagger

一些特殊的矩阵,

  • 厄米矩阵(Hermitian): H † = H H^\dagger = H H=H,类比实空间中的对称阵 H T = H H^T=H HT=H,特征值都是实数,不同特征值对应的特征向量正交

  • 酉矩阵(Unitary): U † U = I U^\dagger U = I UU=I,类比实空间中的单位正交阵 U T U = I U^TU=I UTU=I,特征值都是单位复数,不同特征值对应的特征向量正交

  • 正规矩阵(Normal): A A † = A † A AA^\dagger = A^\dagger A AA=AA,等价于它有 n n n标准正交的特征向量,也等价于它可以酉对角化谱分解)。厄米矩阵、酉矩阵、对角阵,都是正规矩阵。

  • 半正定矩阵:函数 f ( x ) : = x † A x f(x):=x^\dagger Ax f(x):=xAx 叫做二次型(Quadratic form),如果任意的 x ∈ C n x \in \mathbb C^n xCn 都有 f ( x ) ≥ 0 f(x) \ge 0 f(x)0,则称 A A A半正定的(positive semi-definite),它等价于特征值为非负实数

  • 奇异值矩阵(Singular):对于可酉对角化的矩阵 A A A,定义 ∣ A ∣ : = A † A |A|:= \sqrt{A^\dagger A} A:=AA ,它的特征值等于 A A A 的特征值绝对值。对称方阵 A † A A^\dagger A AA 的特征值叫做 A A A 的奇异值,是 A A A 的特征值平方根。

一些算子,

  • 投影算子:令 ∣ 1 ⟩ , ⋯   , ∣ d ⟩ |1\rang,\cdots,|d\rang ∣1,,d 是全空间的一组标准正交基,且 ∣ 1 ⟩ , ⋯   , ∣ k ⟩ |1\rang,\cdots,|k\rang ∣1,,k k k k 维子空间的一组基,那么 P = ∑ i = 1 k ∣ i ⟩ ⟨ i ∣ P=\sum_{i=1}^k |i\rang\lang i| P=i=1kii 就是投影矩阵,它是个厄米矩阵。
  • 投影算子的正交补 Q = I − P Q = I-P Q=IP 是到 P P P 的正交补空间上的投影矩阵。

矩阵上的运算

一些矩阵运算,

  • 矩阵相似:存在可逆阵 P P P,使得 P − 1 A P = B P^{-1}AP=B P1AP=B
  • 酉相似:存在酉阵 U U U,使得 U † A U = B U^\dagger AU = B UAU=B
  • 酉对角化:存在酉阵 U U U,使得 U † A U = D U^\dagger AU = D UAU=D,其中 D D D 是由特征值组成对角线的对角阵, U U U 恰好是对应的标准正交特征向量。充要条件是 A A A 的正规阵,谱分解 A = U D U † = ∑ i λ i ∣ i ⟩ ⟨ i ∣ A=UDU^\dagger=\sum_i\lambda_i|i\rang\lang i| A=UDU=iλiii
  • 同时酉对角化:存在酉阵 U U U,使得 U † A U = D U^\dagger AU = D UAU=D U † B U = D ′ U^\dagger BU = D' UBU=D,其中 D , D ′ D,D' D,D 都是对角阵。充分条件是两个正规阵 A , B A,B A,B 可交换。

多种矩阵分解,

  • LU分解:某矩阵 A ∈ C m × n A \in C^{m \times n} ACm×n,如果可以写成 A = L U A=LU A=LU 的形式,其中 L L L 是下三角阵, U U U 是上三角阵,则称为三角分解(LU 分解、LR 分解)
  • QR分解:某矩阵 A ∈ C m × n A \in C^{m \times n} ACm×n,如果可以写成 A = Q R A=QR A=QR 的形式,其中 Q Q Q 是正交阵, R R R 是上三角阵,则称为 QR 分解
  • 奇异值分解:秩 r r r m × n m \times n m×n 矩阵 A A A,存在 m m m酉阵 U U U n n n酉阵 V V V 以及秩 r r r 对角阵 Σ = d i a g ( s 1 , ⋯   , s r ) \Sigma=diag(s_1,\cdots,s_r) Σ=diag(s1,,sr),其中 s 1 ≥ ⋯ ≥ s r > 0 s_1\ge\cdots\ge s_r>0 s1sr>0,使得 A = U Σ V A=U \Sigma V A=UΣV
  • 极式分解:任意线性算子 A A A,存在酉算子 U U U 以及唯一的半正定算子 J : = A † A , K : = A A † J:=\sqrt{A^\dagger A},K:=\sqrt{AA^\dagger} J:=AA ,K:=AA ,使得 A = U J = K U A=UJ=KU A=UJ=KU
  • 谱分解:任意正规算子 M M M,存在酉阵 U U U对角阵 D D D,使得 M = U D U † M=UDU^\dagger M=UDU。设 M M M 的不同特征值为 λ 1 , ⋯   , λ s \lambda_1,\cdots,\lambda_s λ1,,λs,代数重数 k 1 , ⋯   , k s k_1,\cdots,k_s k1,,ks,则存在唯一的幂等阵 E 1 , ⋯   , E s E_1,\cdots,E_s E1,,Es谱族),满足 ∑ i E i = I \sum_i E_i=I iEi=I r a n k ( E i ) = k i rank(E_i)=k_i rank(Ei)=ki E i E j = O , i ≠ j E_iE_j=O,i\neq j EiEj=O,i=j,使得 M = ∑ i λ i E i M=\sum_i \lambda_i E_i M=iλiEi

量子力学

一些术语:

  • 量子系统的状态:希尔伯特空间(完备的内积空间)中的一个向量
  • 几率 = 概率,几率幅 = 概率的平方根
  • 线性算子 = 矩阵
  • 本征值 = 特征值,本征态 = 特征向量

量子态

量子力学中使用 Dirac 符号表示量子态:

  • ⟨ a ∣ \langle a| a 是左矢,叫做 “bra”,它是一个行向量
  • ∣ b ⟩ |b\rangle b 是右矢,叫做 “ket”,它是一个列向量
  • 两者关系为 ∣ a ⟩ † = ⟨ a ∣ |a\rangle^\dagger = \langle a| a=a,而 ⟨ a ∣ b ⟩ \langle a|b\rangle ab 就是向量内积

单个量子比特(qubit)可表示为 ∣ ψ ⟩ = α ∣ 0 ⟩ + β ∣ 1 ⟩ |\psi\rangle = \alpha|0\rangle + \beta|1\rangle ψ=α∣0+β∣1,其中 α , β ∈ C \alpha,\beta \in \mathbb C α,βC 都是复数,需满足归一化条件 α α ∗ + β α ∗ = 1 \alpha\alpha^* + \beta\alpha^* = 1 αα+βα=1

于是 ∣ ψ ⟩ = α ∣ 0 ⟩ + β ∣ 1 ⟩ |\psi\rangle = \alpha|0\rangle + \beta|1\rangle ψ=α∣0+β∣1 也可写作:
∣ ψ ⟩ = e i γ ( cos ⁡ θ 2 ∣ 0 ⟩ + e i ϕ sin ⁡ θ 2 ∣ 1 ⟩ ) |\psi\rangle = e^{i\gamma}\left( \cos\dfrac{\theta}{2}|0\rangle + e^{i\phi}\sin\dfrac{\theta}{2}|1\rangle \right) ψ=e(cos2θ∣0+eiϕsin2θ∣1)

其中 e i γ e^{i\gamma} e整体相因子,我们认为它不影响 qubit 的值,可以省略,
∣ ψ ⟩ = cos ⁡ θ 2 ∣ 0 ⟩ + e i ϕ sin ⁡ θ 2 ∣ 1 ⟩ |\psi\rangle = \cos\dfrac{\theta}{2}|0\rangle + e^{i\phi}\sin\dfrac{\theta}{2}|1\rangle ψ=cos2θ∣0+eiϕsin2θ∣1

那么 ∣ ψ ⟩ |\psi\rangle ψ 就是由 θ ∈ [ − π , π ) , ϕ ∈ [ 0 , 2 π ) \theta \in [-\pi,\pi), \phi \in [0,2\pi) θ[π,π),ϕ[0,2π) 定义的单位球面上的一个点。使用 Bloch Sphere 表示,其 Bloch 矢量为 ( sin ⁡ θ cos ⁡ ϕ , sin ⁡ θ sin ⁡ ϕ , cos ⁡ θ ) (\sin\theta\cos\phi, \sin\theta\sin\phi,\cos\theta) (sinθcosϕ,sinθsinϕ,cosθ)

在这里插入图片描述

单量子比特系统的基态(单位正交基)为:
∣ 0 ⟩ = [ 1 0 ] ∈ C 2 , ∣ 1 ⟩ = [ 0 1 ] ∈ C 2 |0\rangle = \begin{bmatrix}1\\0\end{bmatrix} \in \mathbb C^2, |1\rangle = \begin{bmatrix}0\\1\end{bmatrix} \in \mathbb C^2 ∣0=[10]C2,∣1=[01]C2

我们记 ∣ a b ⟩ : = ∣ a ⟩ ⊗ ∣ b ⟩ |ab\rangle := |a\rangle \otimes |b\rangle ab:=ab 是两个量子比特串的直积(矩阵的 Kronecker 积),例如双量子比特系统的基态为:
∣ 00 ⟩ , ∣ 01 ⟩ , ∣ 10 ⟩ , ∣ 11 ⟩ |00\rangle, |01\rangle, |10\rangle, |11\rangle ∣00,∣01,∣10,∣11

或者选取 ”EPR 对“ 里的 Bell 态作为基态:
∣ ϕ + ⟩ : = ∣ 00 ⟩ + ∣ 11 ⟩ 2 ∣ ϕ − ⟩ : = ∣ 00 ⟩ − ∣ 11 ⟩ 2 ∣ ψ + ⟩ : = ∣ 01 ⟩ + ∣ 10 ⟩ 2 ∣ ψ − ⟩ : = ∣ 01 ⟩ − ∣ 10 ⟩ 2 |\phi^+\rangle := \dfrac{|00\rangle+|11\rangle}{\sqrt2}\\ |\phi^-\rangle := \dfrac{|00\rangle-|11\rangle}{\sqrt2}\\ |\psi^+\rangle := \dfrac{|01\rangle+|10\rangle}{\sqrt2}\\ |\psi^-\rangle := \dfrac{|01\rangle-|10\rangle}{\sqrt2}\\ ϕ+:=2 ∣00+∣11ϕ:=2 ∣00∣11ψ+:=2 ∣01+∣10ψ:=2 ∣01∣10

以此类推, n n n 量子比特系统的基态有 2 n 2^n 2n 个(指数级)。

量子态叠加:一个量子态可以写成若干基态的线性组合
∣ ψ ⟩ = ∑ i p i ∣ i ⟩ |\psi\rangle = \sum_{i} p_i|i\rangle ψ=ipii

其中 i ∈ { 0 , 1 } n i \in \{0,1\}^n i{0,1}n 是基态的索引,几率幅 p i p_i pi 满足 ∑ i p i 2 = 1 \sum_i p_i^2=1 ipi2=1

量子态纠缠:如果 ∣ ψ ⟩ |\psi\rangle ψ 不可以写成 n n n 个单量子比特的直积 ∣ ψ ⟩ = ∣ ϕ 1 ⋯ ϕ n ⟩ |\psi\rangle = |\phi_1\cdots\phi_n\rangle ψ=ϕ1ϕn 的形式,那么这叫做纠缠态。例如 Bell 态,不同位置上的量子比特,因为纠缠而彼此影响(相关性极强)。

基本假设

  1. 波函数假设:系统状态的描述为 ψ ( r , t ) \psi(r,t) ψ(r,t),参数是位置和时间,也记作 ∣ ψ ⟩ |\psi\rangle ψ
  2. 算符假设:力学量可以用线性厄米算符表示(也就是厄米矩阵),共轭力学量算符不可对易(对易子 [ A , B ] : = A B − B A ≠ 0 [A,B]:=AB-BA\neq 0 [A,B]:=ABBA=0
  3. 测量假设:对力学可观测量的测量,使得系统以几率 ∣ ⟨ ϕ m ∣ ψ ⟩ ∣ 2 |\langle\phi_m|\psi\rangle|^2 ϕmψ2 随机落入该力学量的某一个本征态 ∣ ϕ m ⟩ |\phi_m\rangle ϕm(也就是 ∣ ψ ⟩ = ∑ m ⟨ ϕ m ∣ ψ ⟩ ⋅ ∣ ϕ m ⟩ |\psi\rangle = \sum_m \langle\phi_m|\psi\rangle \cdot| \phi_m\rangle ψ=mϕmψϕm,其中的 ⟨ ϕ m ∣ ψ ⟩ \langle\phi_m|\psi\rangle ϕmψ 是几率幅)
    1. 大量相同量子态的系统,构成了量子系综
    2. 两力学量可同时观测,当仅当它们的力学量算符可对易 [ A , B ] = 0 [A,B]=0 [A,B]=0,测量后系统进入两力学量的某个共同本征态。
  4. 态演化假设:量子态遵循的演化方程为 Schrodinger 方程
  5. 全同性假设:全同粒子体系的波函数对于任意两个粒子的交换,要么是对称的(玻色子),要么是反对称的(费米子)

量子计算机的线路模型

量子运算需要保持量子态的归一化条件,因此每个逻辑门都是酉矩阵 U † U = I U^\dagger U=I UU=I(可逆运算),具体为 ∣ ψ ⟩ ↦ U ∣ ψ ⟩ |\psi\rangle \mapsto U|\psi\rangle ψUψ(左乘变换矩阵)。

Deutsch 定理:任意的 d d d 维酉变换,总是可以分解为 2 d 2 − d 2d^2-d 2d2d二级酉变换 d d d 维酉阵,仅改变两个叠加分量上的几率幅)的乘积,并且可以用一系列的单量子位门( U ( α , ϕ ) U(\alpha,\phi) U(α,ϕ))以及双量子位门(CNOT 门)依次作用来实现。

单量子位门

经典信息论中,只有 “逻辑非” 这一个非凡逻辑门。而在量子信息理论中,由于定义在希尔伯特空间上,有特别多的非平凡的单量子逻辑门。

三个 Pauli 矩阵 σ ⃗ = ( σ x , σ y , σ z ) \vec\sigma=(\sigma_x,\sigma_y,\sigma_z) σ =(σx,σy,σz)
X = [ 0 1 1 0 ] , Y = [ 0 − i i 0 ] , Z = [ 1 0 0 − 1 ] X = \begin{bmatrix} 0&1\\ 1&0 \end{bmatrix}, Y = \begin{bmatrix} 0&-i\\ i&0 \end{bmatrix}, Z = \begin{bmatrix} 1&0\\ 0&-1 \end{bmatrix} X=[0110],Y=[0ii0],Z=[1001]

其中 X X X比特翻转(逻辑非),而 Z Z Z相位翻转

阿达玛门(Hadamard),
H = 1 2 [ 1 1 1 − 1 ] H = \dfrac{1}{\sqrt 2}\begin{bmatrix} 1&1\\ 1&-1 \end{bmatrix} H=2 1[1111]

相位门(Phase),
S = [ 1 0 0 i ] S = \begin{bmatrix} 1&0\\ 0&i \end{bmatrix} S=[100i]

T 门 π 8 \dfrac{\pi}{8} 8π 门),
T = [ 1 0 0 exp ⁡ ( π 4 i ) ] T = \begin{bmatrix} 1&0\\ 0&\exp(\dfrac{\pi}{4}i) \end{bmatrix} T=[100exp(4πi)]

易知 T 2 = S T^2=S T2=S S 2 = Z S^2=Z S2=Z Z 2 = Y 2 = X 2 = I Z^2=Y^2=X^2=I Z2=Y2=X2=I

根据欧拉公式 e i A θ = I cos ⁡ ( θ ) + i A sin ⁡ ( θ ) , ∀ A 2 = I e^{iA\theta}= I\cos(\theta) + iA\sin(\theta), \forall A^2=I eiAθ=Icos(θ)+iAsin(θ),A2=I,绕轴 x , y , z , n ⃗ x,y,z,\vec n x,y,z,n 旋转的旋转算子分别为:
R x ( θ ) : = e − i X θ / 2 = [ cos ⁡ ( θ / 2 ) − i sin ⁡ ( θ / 2 ) − i sin ⁡ ( θ / 2 ) cos ⁡ ( θ / 2 ) ] R y ( θ ) : = e − i Y θ / 2 = [ cos ⁡ ( θ / 2 ) − sin ⁡ ( θ / 2 ) sin ⁡ ( θ / 2 ) cos ⁡ ( θ / 2 ) ] R z ( θ ) : = e − i Z θ / 2 = [ e − i θ / 2 0 0 e i θ / 2 ] R n ⃗ ( θ ) : = e − i θ n ⃗ σ ⃗ / 2 = cos ⁡ ( θ / 2 ) I − i sin ⁡ ( θ / 2 ) ( n x X + n y Y + n z Z ) \begin{aligned} R_x(\theta) &:= e^{-iX\theta/2} = \begin{bmatrix} \cos(\theta/2) & -i\sin(\theta/2)\\ -i\sin(\theta/2)& \cos(\theta/2) \end{bmatrix}\\ R_y(\theta) &:= e^{-iY\theta/2} = \begin{bmatrix} \cos(\theta/2) & -\sin(\theta/2)\\ \sin(\theta/2)& \cos(\theta/2) \end{bmatrix}\\ R_z(\theta) &:= e^{-iZ\theta/2} = \begin{bmatrix} e^{-i\theta/2} & 0\\ 0 & e^{i\theta/2} \end{bmatrix}\\ R_{\vec n}(\theta) &:= e^{-i\theta\vec n\vec\sigma/2} = \cos(\theta/2)I - i\sin(\theta/2)(n_xX+n_yY+n_zZ)\\ \end{aligned} Rx(θ)Ry(θ)Rz(θ)Rn (θ):=ei/2=[cos(θ/2)isin(θ/2)isin(θ/2)cos(θ/2)]:=eiYθ/2=[cos(θ/2)sin(θ/2)sin(θ/2)cos(θ/2)]:=ei/2=[eiθ/200eiθ/2]:=eiθn σ /2=cos(θ/2)Iisin(θ/2)(nxX+nyY+nzZ)

1 2 \dfrac{1}{2} 21 旋量:自旋两周(角度 θ = 4 π \theta=4\pi θ=4π)才回到本身(单位阵 I I I)。

定理:单量子比特的任意酉变换 U U U,都存在实参 α , β , γ , δ \alpha,\beta,\gamma,\delta α,β,γ,δ,使得:
U = e i α R x ( β ) R y ( γ ) R z ( δ ) U = e^{i\alpha} R_x(\beta)R_y(\gamma)R_z(\delta) U=eiαRx(β)Ry(γ)Rz(δ)

双量子位门

受控非门(CNOT),运算为 ∣ A B ⟩ ↦ ∣ A ⟩ ∣ A ⊕ B ⟩ |AB\rangle \mapsto |A\rangle|A \oplus B\rangle ABAAB,其中 ∣ A ⟩ |A\rangle A 是控制位,而 ∣ B ⟩ |B\rangle B 是靶比特,
C ( X ) = [ 1 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 ] = [ I 0 0 X ] C(X) = \begin{bmatrix} 1&0&0&0\\ 0&1&0&0\\ 0&0&0&1\\ 0&0&1&0 \end{bmatrix} = \begin{bmatrix} I&0\\ 0&X \end{bmatrix} C(X)= 1000010000010010 =[I00X]

交换门(Swap),运算为 ∣ A B ⟩ ↦ ∣ B A ⟩ |AB\rangle \mapsto |BA\rangle ABBA,则
[ 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 ] = C C ′ C \begin{bmatrix} 1&0&0&0\\ 0&0&1&0\\ 0&1&0&0\\ 0&0&0&1 \end{bmatrix} = CC'C 1000001001000001 =CCC

其中 C ′ C' C 是以 ∣ B ⟩ |B\rangle B 为控制位 ∣ A ⟩ |A\rangle A 为靶比特的 CNOT 门。注意,Swap 过程中并没有复制 qubit,不受量子不可克隆性影响。

一般受控变换,运算为 ∣ c ⟩ ∣ t ⟩ ↦ ∣ c ⟩ U c ∣ t ⟩ |c\rangle|t\rangle \mapsto |c\rangle U^c|t\rangle ctcUct,其中 U U U 是任意的单量子比特酉变换,对应的酉阵为:
C ( U ) = I ⊗ U c = [ U c 0 0 U c ] = [ I 0 0 U ] C(U) = I \otimes U^c = \begin{bmatrix} U^c & 0\\ 0 & U^c \end{bmatrix} = \begin{bmatrix} I & 0\\ 0 & U \end{bmatrix} C(U)=IUc=[Uc00Uc]=[I00U]

而对于运算 ∣ t ⟩ ∣ c ⟩ ↦ U c ∣ t ⟩ ∣ c ⟩ |t\rangle|c\rangle \mapsto U^c|t\rangle |c\rangle tcUctc,则有(只需考虑四个基态):
U = [ a b c d ] , U c ⊗ I = [ 1 a b 1 c d ] U=\begin{bmatrix} a&b\\ c&d \end{bmatrix}, U^c \otimes I = \left[\begin{array}{cc|cc} 1\\ &a&&b\\ \hline &&1\\ &c&&d \end{array}\right] U=[acbd],UcI= 1ac1bd

注意:受控酉变换作用之后,控制位也可能变化,而靶比特也可能不变!例如:受控相移,运算为 ∣ c ⟩ ∣ t ⟩ ↦ ∣ c ⟩ ( e i α ) c ∣ t ⟩ |c\rangle|t\rangle \mapsto |c\rangle (e^{i\alpha})^c|t\rangle ctc(eiα)ct
I ⊗ [ e i α 0 0 e i α ] c = [ 1 0 0 e i α ] ⊗ I I \otimes \begin{bmatrix} e^{i\alpha}&0\\ 0&e^{i\alpha} \end{bmatrix}^c = \begin{bmatrix} 1&0\\ 0&e^{i\alpha} \end{bmatrix} \otimes I I[eiα00eiα]c=[100eiα]I

假设酉矩阵的 ABC 分解为: U = e i α A B C U = e^{i\alpha} ABC U=eiαABC(矩阵作用从右向左),那么就有:
C ( U ) = ( [ 1 0 0 e i α ] ⊗ I ) ⋅ ( I ⊗ A ) ⋅ C ( X ) ⋅ ( I ⊗ B ) ⋅ C ( X ) ⋅ ( I ⊗ C ) C(U) = \left(\begin{bmatrix} 1&0\\ 0&e^{i\alpha} \end{bmatrix} \otimes I\right) \cdot (I \otimes A) \cdot C(X) \cdot (I \otimes B) \cdot C(X) \cdot (I \otimes C) C(U)=([100eiα]I)(IA)C(X)(IB)C(X)(IC)

如图所示:
在这里插入图片描述

三量子位门

双控非门(Toffoli),运算为 ∣ a b c ⟩ ↦ ∣ a b ⟩ ∣ c ⊕ a b ⟩ |abc\rangle \mapsto |ab\rangle|c\oplus ab\rangle abcabcab
C 2 ( X ) = [ I I I X ] C^2(X) = \begin{bmatrix} I\\ &I\\ &&I\\ &&&X \end{bmatrix} C2(X)= IIIX

受控交换门(Fredkin),运算为 ∣ c ⟩ ∣ a b ⟩ ↦ ∣ c ⟩ ∣ b a ⟩ |c\rangle|ab\rangle \mapsto |c\rangle|ba\rangle cabcba
[ 1 1 1 1 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 ] \begin{bmatrix} 1\\ &1\\ &&1\\ &&&1\\ &&&& 1&0&0&0\\ &&&& 0&0&1&0\\ &&&& 0&1&0&0\\ &&&& 0&0&0&1 \end{bmatrix} 11111000001001000001

Toffoli 门和 Fredkin 门,都是可逆计算的通用逻辑门

一般双控门,运算为 ∣ a b c ⟩ ↦ ∣ a b ⟩ U a b ∣ c ⟩ |abc\rangle \mapsto |ab\rangle U^{ab}|c\rangle abcabUabc
C 2 ( U ) = I 4 ⊗ U a b = [ U a b U a b U a b U a b ] = [ I I I U ] C^2(U) = I_4 \otimes U^{ab} = \begin{bmatrix} U^{ab}\\ &U^{ab}\\ &&U^{ab}\\ &&&U^{ab}\\ \end{bmatrix} = \begin{bmatrix} I\\ &I\\ &&I\\ &&&U \end{bmatrix} C2(U)=I4Uab= UabUabUabUab = IIIU

Bell 态的制备

U = C ( X ) ⋅ ( H ⊗ I ) U = C(X) \cdot (H \otimes I) U=C(X)(HI),那么容易验证
U ∣ 00 ⟩ = ∣ ϕ + ⟩ U ∣ 01 ⟩ = ∣ ψ + ⟩ U ∣ 10 ⟩ = ∣ ϕ − ⟩ U ∣ 11 ⟩ = ∣ ψ + ⟩ U|00\rangle = |\phi^+\rangle\\ U|01\rangle = |\psi^+\rangle\\ U|10\rangle = |\phi^-\rangle\\ U|11\rangle = |\psi^+\rangle\\ U∣00=ϕ+U∣01=ψ+U∣10=ϕU∣11=ψ+

在这里插入图片描述

一些有意思的应用

量子力学的神秘之源:态叠加原理,它导致了

  1. 量子态测量的不确定性:量子密码([BB84],信息论安全的一次一密)
  2. 量子态操作的并行性:量子计算机(经典信息就是量子信息的基态)

量子密码

由于量子态的叠加是线性的,因此运算 ∣ ϕ ⟩ ∣ 0 ⟩ ↦ ∣ ϕ ⟩ ∣ ϕ ⟩ |\phi\rangle|0\rangle \mapsto |\phi\rangle|\phi\rangle ϕ∣0ϕϕ 对于任意量子态并不总是存在,这直接导致了量子态不可克隆定理。根据测量假设,对量子态的测量结果是基态的真随机分布(遵照几率幅)。

量子秘钥分发(QKD, [BB84])协议如下:

在这里插入图片描述

量子计算

量子计算机的能力: B Q P BQP BQP 类(有界错误的概率量子图灵机可在 PPT 时间求解的问题的收集),

  1. 可以有效求解 P P P 类(经典计算机就是量子计算机的退化)
  2. 不能有效求解 P S P A C E PSPACE PSPACE 类以外的(指数级内存开销,无能为力)
  3. 尚不清楚它处于 P P P P S P A C E PSPACE PSPACE 之间的什么位置(也不知道是否可以有效求解 N P NP NP 类)
  4. 量子可计算函数类,也满足 Church-Turing 题论(这与经典可计算函数类完全相同,仅仅是效率上的不同)

在这里插入图片描述

量子态可叠加原理,导致了量子计算机的并行性。然而,其计算结果是一个量子态(量子比特),一旦进行观测就会依照波函数几率幅,坍缩到某个基态(经典比特)上。波函数中包含的指数级信息不可以被全部访问,只能观测到一个全局信息。

Shor 算法巧妙地利用了 FFT 可将周期性信息集中到某个频率的振幅上的特点,可有效求解整数分解离散对数问题。假设这两者不属于 P P P 类,那么量子计算机确实比经典计算机更强。但是,它们不属于 N P C NPC NPC 类,量子计算机能否有效求解 N P NP NP 类我们依然不知道。除了求解困难问题,量子计算机还可以有效模拟量子系统,但是如何提取期望信息也是个问题。

想要实现量子计算机,就需要在真实世界中寻找一些物理现象,使得它们表现为酉算子(或者仅仅是量子操作,与外部环境作用后移除)。在物理实现的多种方式中,离子阱(Ion Traps)似乎是目前表现最好的。

量子系统总会与外部环境作用(退相干),因此如何进行量子容错计算,也是个重要问题。一种方法是使用量子纠错码,例如 Shor 码、CSS 码、Steane 码。当然也有其他的不使用纠错码的容错技术。

可逆计算

Landauer 原理:在物理计算机中,每擦除一比特或者执行一个扇入运算,则至少增加环境热量 k B T ln ⁡ 2 k_BT\ln2 kBTln2 焦耳, k B k_B kB 是玻尔兹曼常数。

信息是物理的,这解决了 Maxwell 佯谬(热力学的看门小精灵)。

如果执行可逆运算(例如酉算子),那么这就可以绕过上述的热力学限制,使得计算所消耗的能量大幅下降。

隐形传态

物体的信息包括经典信息量子信息

  1. EPR 制备中心产生处于 Bell 态 ∣ ψ − ⟩ A B |\psi^-\rangle_{AB} ψAB 的纠缠粒子对 A , B A,B A,B,通过信道分发给 Alice 和 Bob(光速)
  2. Alice 对粒子 A A A 和粒子 C C C 形成的系统利用 Bell 基进行测量(定域量子操作),这会发生纠缠交换(超光速的超距作用,使得 A , C A,C A,C 纠缠,而 A , B A,B A,B 不再纠缠),然后 Alice 将测量得到的经典信息通过信道传递给 Bob(光速)
  3. Bob 根据收到的经典信息,选择一个合适的定域酉变换 I , X , Z , Z X I, X, Z, ZX I,X,Z,ZX),对粒子 B B B 做变换使之称为粒子 C C C(的量子态)。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/590716.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

阿里云的内容识别技术可以实现哪些场景下的智能化应用?

阿里云的内容识别技术可以实现哪些场景下的智能化应用? [本文由阿里云代理商[聚搜云]撰写]   随着人工智能技术的快速发展,阿里云借助自身的技术和资源优势,开发了一种名为“内容识别”的技术。这项技术能够高效、准确地识别出图片、视频、…

有个规划文档,会让软件开发更有效

有个规划文档,会让软件开发更有效 中小企业,业务部门不太清楚软件生产过程 软件生产有一定的抽象和复杂性 要形成一个共识 趣讲大白话:要有点整体观 【趣讲信息科技181期】 **************************** 2019年整理出了一个目录框架 用在很多…

windows的cmd命令窗口介绍

1.打开cmd 1.1.方式一 左下角搜索:“运行” -> 打开 输入"cmd" -> 确定 1.2.方式二 直接使用快捷键 windows r 即可打开 然后输入cmd,点击确认 1.3.方式三 打开文件管理器,输入cmd,回车 即可在该文件路径下…

统计软件与数据分析Lesson16----pytorch基本知识及模型构建

统计软件与数据分析Lesson16----pytorch基本知识及模型构建 0.上节回顾0.1 一元线性回归数据生成数据处理初始数据可视化 0.2 梯度下降Gradient DescentStep 0: 随机初始化 Random InitializationStep 1: 计算模型预测值 Compute Models PredictionsStep 2: 计算损失 Compute t…

让进程能够“相互沟通”的高级方式一:匿名管道

代码运行及测试环境:linux centos7.6 在阅读这篇文章时,需要掌握OS对文件管理的基础知识(文件打开表、文件描述符、索引结点…) 前言 我们都知道进程是具有独立性的,意味着进程之间无法相互通信。但在一些情况下&…

当我们谈笔记的时候,我们在谈什么

文章具体内容如图,感谢妙友分享好文🎉 本篇内容来源于网站Untag Minja 上传的内容《当我们谈笔记的时候,我们在谈什么》 如有侵权请联系删除!

如何搭建与使用FTP服务器

一、概述 目前用作搭建FTP服务器端的软件有很多,比如 Vsftpd、ProFTPD、PureFTPd、Wuftpd、ServerU、Filezilla Server等,这里使用Vsftpd进行搭建。 vsftpd 是“very secure ftp daemon”的首字母缩写,它是一款在Linux发行版中最受推崇的免…

应用到vscode

随着ChatGPT的热度持续上升,我们也不得不深刻认识到,这已经势不可挡了。我们必须去接受它,甚至是拥抱它。 私信我可以获取最新包 今天呢,我们要介绍的是vscode的一款插件,叫做ChatGPT: 使用方式 安装完成…

Xshell安装使用教程

简介 Xshell 是一个强大的安全终端模拟软件,它支持SSH1, SSH2, 以及Microsoft Windows 平台的TELNET 协议。Xshell 通过互联网到远程主机的安全连接以及它创新性的设计和特色帮助用户在复杂的网络环境中享受他们的工作。 Xshell可以在Windows界面下用来访问远端不…

【C#图解教程】第三章 C#编程概述 笔记总结

程序实例 命名空间一组类型声明 using system;表示使用类型库中的system中的所有类 namespace Myspace{}则会创建一个新的命名空间,这个空间中可以声明该空间的类 SimpleProgram中使用了两个命名空间。先是使用了System命名空间中定义的console类&…

【Linux】项目自动化构建工具-make和Makefile 的使用和进度条的实现

文章目录 一、什么是make/makefile二、如何编写makefile三、make 的工作原理1.make的使用2.make的依赖性3.项目清理4..PHONY伪目标 四、Linux第一个小程序 -- 进度条1.\r&&\n2.行缓冲区概念3.进度条process.hprocesstest.cmakefile 一、什么是make/makefile 什么是mak…

【c语言习题】使用链表解决约瑟夫问题

创作不易&#xff0c;本篇文章如果帮助到了你&#xff0c;还请点赞 关注支持一下♡>&#x16966;<)!! 主页专栏有更多知识&#xff0c;如有疑问欢迎大家指正讨论&#xff0c;共同进步&#xff01; &#x1f525;c语言系列专栏&#xff1a;c语言之路重点知识整合 &#x…

在 Shell 脚本中使用 `exec` 命令的方法和用途

在 Shell 脚本中&#xff0c;exec 是一个非常有用的命令&#xff0c;用于执行命令或替换当前进程。它允许您在脚本中启动新的进程&#xff0c;并将控制权完全转移到新进程。本文将详细介绍在 Shell 脚本中使用 exec 命令的方法和用途。 什么是 Exec 命令&#xff1f; exec 是一…

python基础----02-----字面量、变量、数据类型及其转换、标识符以及字符串、数据输入(input语句)

一 字面量 1 字面量 字面量&#xff1a;在代码中&#xff0c;被写下来的的固定的值称之为字面量。类似C/C的字符串常量。 1.1 常见的python值类型 Python中常见的值类型&#xff1a; 实际上在C/C字面量和这里的类型还是有区别的&#xff0c;体现在内存存储中&#xff0c;字…

JavaScript正则表达式

1.介绍 2.语法 3.元字符 4.修饰符 目标&#xff1a;学习正则表达式概念及语法&#xff0c;编写简单的正则表达式实现字符的查找或检测。 一、介绍 1.什么是正则表达式 正则表达式&#xff08;Regular Expression&#xff09;是用于匹配字符串中字符组合的模式。&#xff08;…

设计模式之~原型模式

定义&#xff1a;用原型实例指导创建对象的种类&#xff0c;并且通过拷贝这些原型创建新的对象。原型模式其实就是从一个对象再创建另外一个可定制的对象&#xff0c;而且不需知道任何创建的细节。 优点&#xff1a; 一般在初始化的信息不发生变化的情况下&#xff0c;克隆是最…

触摸屏驱动的问题,在C站搜文章一下午解决不了,最后ChatGpt解决了

目录 一、遇到问题二、在C站搜索文章去解决问题的收获三、用 ChatGpt 去解决的收获四、总结 一、遇到问题 现实问题&#xff1a; 有一个基于Linux4.19内核开发了&#xff0c;在海思SS528芯片运行的系统&#xff0c;用鼠标可以正常使用。 现在要求使用一块公司开发的 多点触控屏…

ES+Redis+MySQL,这个高可用架构设计

一、背景 会员系统是一种基础系统&#xff0c;跟公司所有业务线的下单主流程密切相关。如果会员系统出故障&#xff0c;会导致用户无法下单&#xff0c;影响范围是全公司所有业务线。所以&#xff0c;会员系统必须保证高性能、高可用&#xff0c;提供稳定、高效的基础服务。 …

window10安装vim编辑器

我们在做git操作的时候&#xff0c;很多文字编辑工作会默认打开 Vim 编辑器来进行操作。 Vim 是一个高度可配置的文本编辑器&#xff0c;旨在让创建和更改任何类型的文本变得非常高效。大多数 UNIX 系统和 Apple OS X 都将它作为vi包含在内&#xff0c;用惯了Linux中的Vim编辑器…

机器学习实战7-基于机器学习算法预测相亲成功率

大家好&#xff0c;我是微学AI&#xff0c;今天给大家介绍一下机器学习实战7-基于机器学习算法预测相亲成功率&#xff0c;随着社会的发展&#xff0c;大家都忙于事业&#xff0c;对自己的终身大事就耽搁了&#xff0c;相亲是一种传统的寻找伴侣的方式&#xff0c;随着时代的发…