文章目录

  • 前言
  • 一、离散傅里叶变换
  • 二、量子傅里叶变换
    • 1.量子傅里叶变化简述
    • 2.量子傅里叶变换的乘积表示
    • 3.量子傅里叶变换的相关例子
      • 3.1两个量子Fourier变换
      • 3.2矩阵形式
    • 4.量子傅里叶变换时间复杂度(一个简单酉门时间复杂度记为<span class="katex--inline">O(1)</span>)
  • 总结

前言

Fourier变换是科学研究中非常有用的一种数学工具。它的核心是把一个非常难解的问题,变换成另一个容易解决的问题,求解后然后再变换回原来的形式。

一、离散傅里叶变换

傅里叶变换是解决数学或计算机科学一些难题的一种重要的变换方法。其中,离散傅里叶变换(Discrete Fourier Translation)将一个N维复向量 ( x 1 , ⋯ , x N ) \left( x_{1},\cdots,x_{N} \right) (x1​,⋯,xN​)转换为如下定义的复向量 ( y 1 , ⋯ , y N ) \left( y_{1},\cdots,y_{N} \right) (y1​,⋯,yN​),
y k ≡ 1 N ∑ j = 0 N − 1 x j e 2 π i j k / N y_{k} \equiv \frac{1}{\sqrt{N}}{\sum\limits_{j = 0}^{N - 1}x_{j}}e^{2\pi ijk/N} yk​≡N ​1​j=0∑N−1​xj​e2πijk/N

二、量子傅里叶变换

1.量子傅里叶变化简述

在量子领域,存在与离散傅里叶变换严格相同的映射变换,即量子傅里叶变换(Quantum Fourier Translation,以下简称QFT)。它是量子计算中一种重要的线性酉变换,在处理量子信息问题中被广泛应用。量子傅里叶变换是将一组标准正交基态 ∣ 0 ⟩ , ∣ 1 ⟩ , ⋯ , ∣ N − 1 ⟩ \left| 0 \right\rangle,\left| 1 \right\rangle,\cdots,\left| {N - 1} \right\rangle ∣0⟩,∣1⟩,⋯,∣N−1⟩作为输入,对每一个基态实现如下变换:
Q F T ∣ j ⟩ = 1 N ∑ k = 0 N − 1 e 2 π i j k / N ∣ k ⟩ QFT\left| j \right\rangle = \frac{1}{\sqrt{N}}{\sum\limits_{k = 0}^{N - 1}e^{2\pi ijk/N}}\left| k \right\rangle QFT∣j⟩=N ​1​k=0∑N−1​e2πijk/N∣k⟩
对任意状态可以描述为:
∑ j = 0 N − 1 x j ∣ j ⟩ ↦ ∑ k = 0 N − 1 y k ∣ k ⟩ \begin{array}{r} \left. {\sum\limits_{j = 0}^{N - 1}x_{j}}\left| j \right\rangle\mapsto{\sum\limits_{k = 0}^{N - 1}y_{k}}\left| k \right\rangle \right. \\ \end{array} j=0∑N−1​xj​∣j⟩↦k=0∑N−1​yk​∣k⟩​
其中,幅度 y k y_k yk​是 x j x_j xj​的离散傅里叶变换值。量子傅里叶变换图如下图所示,


在量子傅里叶变换线路中,主要由 H H H门和受控 R k R_k Rk​门构成。其中, j = j 1 j 2 ⋯ j n j = j_{1}j_{2}\cdots j_{n} j=j1​j2​⋯jn​是 j j j的二进制表示, 0. j 1 j 2 ⋯ j m = j 1 / 2 + j 2 / 2 2 ⋯ + j m / 2 m 0.j_{1}j_{2}\cdots j_{m} = j_{1}/2 + j_{2}/2^{2}\cdots + j_{m}/2^{m} 0.j1​j2​⋯jm​=j1​/2+j2​/22⋯+jm​/2m是小数的二进制表示,以及 R k R_k Rk​门的矩阵形式表示为:
R k ≡ [ 1 0 0 e 2 π i / 2 k ] R_{k} \equiv \begin{bmatrix} 1 & 0 \\ 0 & e^{2\pi i/2^{k}} \\ \end{bmatrix} Rk​≡[10​0e2πi/2k​]
值得说明的是,图中没示出线路末尾的交换门( swap gate),用交换门把量子位的次序反过来。图中也没示出输出中的归一化因子 1 2 \frac{1}{\sqrt{2}} 2 ​1​。

2.量子傅里叶变换的乘积表示

利用态矢量的二进制形式和二进制分数,可以把量子Fourier变换表示为乘积形式:





其中,

因此,


其中,
整数部分从指数项消失,因为对任意整数 k k k, e 2 π i k = 1 e^{2\pi{ik}}=1 e2πik=1。

3.量子傅里叶变换的相关例子

3.1两个量子Fourier变换

两个量子位的态矢量(N=4):




3.2矩阵形式

两个量子位的Fourier变换可以写成矩阵形式。
记 w = e 2 π i w=e^{2\pi{i}} w=e2πi,那么 w = 1 w=1 w=1, w 2 = − 1 w^2=-1 w2=−1,故

可以验证上述变换为酉。即,量子傅里叶变换为酉变换。

4.量子傅里叶变换时间复杂度(一个简单酉门时间复杂度记为 O ( 1 ) O(1) O(1))



经典傅里叶变换, 2 n 2^n 2n个元素的离散Fourier变换算法需要的门数为 O ( n 2 n ) O(n2^n) O(n2n)

总结

量子Fourier变换是对量子力学振幅进行Fourier变换的有效算法。它不加速计算经典数据的Fourier变换,但它能用来做相位估算。相位估算是许多量子算法的基础。所以需要理解量子傅里叶变换的相关过程与线路。

量子Fourier变换相关推荐

  1. 量子Fourier变换笔记

    量子Fourier变换笔记(1) 量子Fourier变换 量子Fourier变换的积形式 量子Fourier变换的有效电路 量子Fourier变换的复杂度 结语   这是我自己学习量子Fourier变 ...

  2. UA OPTI512R 傅立叶光学导论15 2-D Fourier变换与Hankel变换

    UA OPTI512R 傅立叶光学导论15 2-D Fourier变换与Hankel变换 2-D Fourier变换的定义 2-D Fourier变换的性质 极坐标系中的2-D Fourier变换 H ...

  3. 电动力学每日一题 2021/10/15 Fourier变换法计算均匀电流密度产生的磁场

    电动力学每日一题 2021/10/15 Fourier变换法计算均匀电流密度产生的磁场 无限长均匀电流 无限长圆柱面均匀电流密度 无限长均匀电流 假设z轴上有一根非常细的电线,携带均匀电流I0I_0I ...

  4. 电动力学每日一题 2021/10/13 用Fourier变换法计算静止电荷产生的电场

    电动力学每日一题 2021/10/13 用Fourier变换法计算静止电荷产生的电场 静止点电荷 具有均匀线密度的静止电荷产生的电场 具有均匀面密度的静止电荷产生的电场 用Fourier变换法计算电场 ...

  5. 对图像进行二维离散Fourier变换

    用函数fft2对图像进行二维离散Fourier变换.用图像的形式分别显示清晰的频谱幅度和相位.对图像用窗函数加权,观察其Fourier变换,解释加窗前后的变化.对图像作Fourier变换和反变换.将图 ...

  6. 从傅里叶(Fourier)变换到伽柏(Gabor)变换再到小波(Wavelet)变换

    从傅里叶(Fourier)变换到伽柏(Gabor)变换再到小波(Wavelet)变换 本文是边学习边总结和摘抄各参考文献内容而成的,是一篇综述性入门文档,重点在于梳理傅里叶变换到伽柏变换再到小波变换的 ...

  7. Fourier变换、Laplace变换与广义函数总结

    文章目录 写在前面 一些定义.性质引入 三角函数系的正交性 定理 证明思路 傅里叶级数(针对有限区间) 推广至有限区间(常用) 推广为正弦级数或余弦级数 傅里叶积分公式(针对无限区间) 定理 证明思路 ...

  8. 傅里叶Fourier变换fft-python-scipy-幅值-辐角-相位(一)

    基础回顾 Fourier变换就是将周期信号沿正交基分解,而一组良好的正交基就是正弦/余弦函数,完备的正交基为 ej2πntT或ej2πnf0t\displaystyle e^{j\frac {2 \p ...

  9. 图说Fourier变换

    傅里叶变换是傅里叶发现的,说起傅里叶这位大佬,他是一位研究热能的科学家,在研究热传导的时候发现了傅里叶变换,但傅里叶变换不仅只应用于热能,在声学,光学,电子学中也有广泛的应用. 傅里叶老先生的原话是: ...

最新文章

  1. 使用sigaction处理内核信号
  2. 中科创达孙力:不迷信 AI 算法,智能视觉如何转型升级?
  3. Struts Form中Date类型之“argument type mismatch”错误解决方法
  4. shop++商品搜索出现乱码的解决方法
  5. 位操作:BitVector32结构 z
  6. Python学习之函数返回多个值
  7. mysql中事务的特性_mysql中事务的四大特性
  8. 嵌入式Linux下Qt的中文显示
  9. php7 匿名继承类_PHP7中的匿名类使用方法_后端开发
  10. 计算机设置从u盘启动怎么办,电脑设置从u盘启动盘启动出现蓝屏该怎么解决?
  11. QQ自定义在线机型状态源码
  12. c++获取子类窗口句柄位置_干货分享:用一百行代码做一个C/C++表白小程序,程序员的浪漫!...
  13. Test for Activity to display Deslayed
  14. 电子设备的节能分析与设计
  15. VTN4系列多通道振弦模拟信号采集仪模拟通道值和振弦传感器温度通道值修正
  16. python绘制基因结构图_使用TBtools绘制进化树+motif分析+基因结构~三图合一
  17. Unity Resource Manager
  18. Wireshark 基础 | 简介篇
  19. java基础扫盲_Java学习:扫盲
  20. 简单的理解unicode和utf-8的关系

热门文章

  1. [虚幻引擎][UE][UE5]在UE中画一个线框球,网格连接画球,高阶画球并操控
  2. 【pytorch入门】Anaconda安装+pytorch安装+pycharm安装教程
  3. 数字人民币都来了 黄金还有什么用?
  4. 电子价签能给生鲜零售带来什么?
  5. LoadBalance自定义负载均衡策略
  6. 【520福利】还记得每天给你推送一个异校妹子的tataUFO么?该团队已获阿米巴数百万pre-A轮,正在向上海高校发展
  7. linux wget安装mysql
  8. 自然语言处理中的文本分类
  9. Android 之 Camera2
  10. 专利申请的流程及好处