《基于张量网络的学习入门》学习笔记3
《基于张量网络的机器学习入门》学习笔记3
- 量子寄存器、量子状态叠加与并行处理的关系
- 不确定性原理
量子寄存器、量子状态叠加与并行处理的关系
叠加态的数学定义:
∣x⟩=α1∣x1⟩+α2∣x2⟩+⋯+αn∣xn⟩\mathinner{|x\rangle}=\alpha_1\mathinner{|x_1\rangle}+\alpha_2\mathinner{|x_2\rangle}+\cdots+\alpha_n\mathinner{|x_n\rangle}∣x⟩=α1∣x1⟩+α2∣x2⟩+⋯+αn∣xn⟩
其中,αi,i=1,2,⋯,n\alpha_i,i=1,2,\cdots,nαi,i=1,2,⋯,n为振幅,{∣x1⟩,∣x2⟩,⋯,∣xn⟩}\{\mathinner{|x_1\rangle},\mathinner{|x_2\rangle},\cdots,\mathinner{|x_n\rangle}\}{∣x1⟩,∣x2⟩,⋯,∣xn⟩}是基态,∣α1∣2+∣α2∣2+⋯+∣αn∣2=1|\alpha_1|^2+|\alpha_2|^2+\cdots+|\alpha_n|^2=1∣α1∣2+∣α2∣2+⋯+∣αn∣2=1,且一般为正交归一基,那么,对叠加态的一次运算,就相当于对nnn个基态同时进行一次运算。
由此可见,量子叠加态是实现真正意义物理意义上并行计算的物质基础。
定义:量子寄存器——量子比特的集合
其是位串,其长度决定了它可以存储的信息量。因为叠加时,寄存器中的每个量子位是∣0⟩\mathinner{|0\rangle}∣0⟩和∣1⟩\mathinner{|1\rangle}∣1⟩的叠加,所以长度为nnn个量子位的寄存器是所有2n2n2n个可能的用nnn位表示的长度量子位串的叠加。那么,长度为nnn的量子寄存器,对应到线性代数,就是其状态空间是nnn为基向量的线性组合,每个长度为2n2n2n,那么,我们可以得出:
∣ψn∣=∑i=02n−1ai∣i⟩|\psi_n|=\sum\limits_{i = 0}^{{2^{n - 1}}} {{a_i}}\mathinner{|i\rangle}∣ψn∣=i=0∑2n−1ai∣i⟩
例:
若U∣0⟩=12(∣0⟩+∣1⟩)U\mathinner{|0\rangle}=\frac{1}{\sqrt{2}}(\mathinner{|0\rangle}+\mathinner{|1\rangle})U∣0⟩=21(∣0⟩+∣1⟩),则一个长度为444的量子位寄存器的扩展为:
U⊗U⊗U⊗U⊗∣0000⟩=U∣0⟩⊗U∣0⟩⊗U∣0⟩⊗U∣0⟩=12(∣0⟩+∣1⟩)⊗12(∣0⟩+∣1⟩)⊗12(∣0⟩+∣1⟩)⊗12(∣0⟩+∣1⟩)=14(∣0000⟩+∣0001⟩+∣0010⟩+∣0011⟩+∣0100⟩+∣0101⟩+∣0110⟩+∣0111⟩+∣1000⟩+∣1001⟩+1010⟩+∣1011⟩+∣1100⟩+∣1101⟩+∣1110⟩+∣1111⟩)=14(∣0⟩+∣1⟩+∣2⟩+∣3⟩+∣4⟩+∣5⟩+∣6⟩+∣7⟩+∣8⟩+∣9⟩+∣10⟩+∣11⟩+∣12⟩+∣13⟩+∣14⟩+∣15⟩)U\otimes U\otimes U\otimes U\otimes\mathinner{|0000\rangle}\\=U\mathinner{|0\rangle}\otimes U\mathinner{|0\rangle}\otimes U\mathinner{|0\rangle}\otimes U\mathinner{|0\rangle}\\=\frac{1}{\sqrt{2}}(\mathinner{|0\rangle}+\mathinner{|1\rangle})\otimes \frac{1}{\sqrt{2}}(\mathinner{|0\rangle}+\mathinner{|1\rangle})\otimes \frac{1}{\sqrt{2}}(\mathinner{|0\rangle}+\mathinner{|1\rangle})\otimes \frac{1}{\sqrt{2}}(\mathinner{|0\rangle}+\mathinner{|1\rangle})\\=\frac{1}{4}(\mathinner{|0000\rangle}+\mathinner{|0001\rangle}+\mathinner{|0010\rangle}+\mathinner{|0011\rangle}+\mathinner{|0100\rangle}+\mathinner{|0101\rangle}+\mathinner{|0110\rangle}+\mathinner{|0111\rangle}+\mathinner{|1000\rangle}+\mathinner{|1001\rangle}+\mathinner{1010\rangle}+\mathinner{|1011\rangle}+\mathinner{|1100\rangle}+\mathinner{|1101\rangle}+\mathinner{|1110\rangle}+\mathinner{|1111\rangle})\\=\frac{1}{4}(\mathinner{|0\rangle}+\mathinner{|1\rangle}+\mathinner{|2\rangle}+\mathinner{|3\rangle}+\mathinner{|4\rangle}+\mathinner{|5\rangle}+\mathinner{|6\rangle}+\mathinner{|7\rangle}+\mathinner{|8\rangle}+\mathinner{|9\rangle}+\mathinner{|10\rangle}+\mathinner{|11\rangle}+\mathinner{|12\rangle}+\mathinner{|13\rangle}+\mathinner{|14\rangle}+\mathinner{|15\rangle})U⊗U⊗U⊗U⊗∣0000⟩=U∣0⟩⊗U∣0⟩⊗U∣0⟩⊗U∣0⟩=21(∣0⟩+∣1⟩)⊗21(∣0⟩+∣1⟩)⊗21(∣0⟩+∣1⟩)⊗21(∣0⟩+∣1⟩)=41(∣0000⟩+∣0001⟩+∣0010⟩+∣0011⟩+∣0100⟩+∣0101⟩+∣0110⟩+∣0111⟩+∣1000⟩+∣1001⟩+1010⟩+∣1011⟩+∣1100⟩+∣1101⟩+∣1110⟩+∣1111⟩)=41(∣0⟩+∣1⟩+∣2⟩+∣3⟩+∣4⟩+∣5⟩+∣6⟩+∣7⟩+∣8⟩+∣9⟩+∣10⟩+∣11⟩+∣12⟩+∣13⟩+∣14⟩+∣15⟩)
由此可以得出,经过444次基本操作得到161616个量子态,nnn次基本操作得到包含2n2^n2n个数之的急促你的态,而在经典计算机中,nnn次操作仅得到包含111个数值的寄存器的态。
不确定性原理
首先,给出两个概念的定义
定义:对易和反对易——算符AAA和BBB如果满足条件AB=BAAB=BAAB=BA,则称为对易的;如果AB=−BAAB=-BAAB=−BA,则称为反对易的。
定义:对易子和反对易子——量子算符的对易子定义为:[A,B]=AB−BA[A,B]=AB-BA[A,B]=AB−BA,对易关系即[A,B]=0[A,B]=0[A,B]=0;反对易子的定义为{A,B}=AB+BA\{A,B\}=AB+BA{A,B}=AB+BA,反对易关系即{A,B}=0\{A,B\}=0{A,B}=0
现在,就能给出不确定性原理的定义了
定义:不确定性原理——不能通过测量同时确定两个不对易的物理量
比如位置和动量,因为对其中一个的测量行为会干扰被测对象的状态,导致另一个物理量无法确定。如果知道一个粒子的位置xxx,那么就完全无法确定它的动量ppp,这种关系可以用式子表示为:ΔxΔp≥h2\Delta x\Delta p\geq \frac{h}{2}ΔxΔp≥2h,其中,h≈6.62607015×10−34J⋅sh\approx6.62607015\times10^{-34}J\cdot sh≈6.62607015×10−34J⋅s是普朗克常数。
下面,我们通过一个详细的例子来理解一下不确定性原理。
假设你现在有一颗神奇的糖,它的味道有时酸,有时甜;它的颜色有时红,有时蓝。你只有品尝它的时候才会知道它的味道,看到它的时候才会知道它的颜色。
先以味道为例:当我们去品尝糖的味道时,它的量子态就随机落到了“甜”或“不甜”两个本征态的其中一个上,在平面上表示,“甜”和“不甜”就分别对应着∣a1⟩,∣a2⟩\mathinner{|a_1\rangle},\mathinner{|a_2\rangle}∣a1⟩,∣a2⟩两个向量,如下图所示:
如果我们品尝了糖的味道、发现是甜的,那么它的状态就落到了味道的本征态∣a1⟩\mathinner{|a_1\rangle}∣a1⟩上。而根据前面的描述,现在糖的颜色就变得不确定了,处于“红”和“蓝”两个本征态的叠加。为了从数学上描述这一点,我们给出另一对基底,记为∣b1⟩,∣b2⟩\mathinner{|b_1\rangle},\mathinner{|b_2\rangle}∣b1⟩,∣b2⟩,它们分别对应颜色的“红”和“蓝”两个本征态。假定∣a1⟩,∣a2⟩,∣b1⟩,∣b2⟩\mathinner{|a_1\rangle},\mathinner{|a_2\rangle},\mathinner{|b_1\rangle},\mathinner{|b_2\rangle}∣a1⟩,∣a2⟩,∣b1⟩,∣b2⟩的“几何”关系图如下
根据线性基底变换,我们可以得到
{∣a1⟩=12(∣b1⟩−∣b2⟩)∣a2⟩=12(∣b1⟩+∣b2⟩)\left\{ \begin{array}{l} \mathinner{|a_1\rangle}= \frac{1}{{\sqrt 2 }}(\mathinner{|b_1\rangle}-\mathinner{|b_2\rangle})\\ \mathinner{|a_2\rangle}= \frac{1}{{\sqrt 2 }}(\mathinner{|b_1\rangle}+\mathinner{|b_2\rangle}) \end{array} \right. {∣a1⟩=21(∣b1⟩−∣b2⟩)∣a2⟩=21(∣b1⟩+∣b2⟩)
即,当糖的味道确定时,颜色就处在了叠加态中,所以,接下来再去测量它的颜色,就会随机得到“红”或“蓝”的结果。而这两个结果的概率,就是叠加系数的模平方,于是可以算出两个结果分别对应的概率:P(∣b1⟩)=(12)2=12,P(∣b2⟩)=(12)2=12P(\mathinner{|b_1\rangle})=(\frac{1}{\sqrt{2}})^2=\frac{1}{2},P(\mathinner{|b_2\rangle})=(\frac{1}{\sqrt{2}})^2=\frac{1}{2}P(∣b1⟩)=(21)2=21,P(∣b2⟩)=(21)2=21,也就是说,我们各以12\frac{1}{2}21的概率得到“红”或“蓝”的结果。
由此,我们可以得到正确的理解不确定性关系的方式是:一旦量子的位置确定,它的动量就处于叠加状态,没有确定的值,直到我们去测量它的动量。
本周就到这里了,谢谢大家。
《基于张量网络的学习入门》学习笔记3相关推荐
- 《基于张量网络的机器学习入门》学习笔记7
<基于张量网络的机器学习入门>学习笔记7 量子算法 什么是量子算法 三个经典量子算法 Grover算法 背景 基本原理 例题 量子算法 什么是量子算法 例如我们求解一个问题,一个111千克 ...
- 《基于张量网络的机器学习入门》学习笔记6
<基于张量网络的机器学习入门>学习笔记6 密度算符(密度矩阵) 具体到坐标表象 在纯态上 在混合态上 纯态下的密度算符 混合态下的密度算符 密度算符的性质 量子力学性质的密度算符描述 第一 ...
- 《基于张量网络的机器学习入门》学习笔记5
<基于张量网络的机器学习入门>学习笔记5 量子概率体系 事件 互斥事件 概率与测量 不相容属性对 相容属性对 量子概率与经典概率的区别 量子测量 量子概率体系 我们将经典的实数概率扩展到复 ...
- 《基于张量网络的机器学习入门》学习笔记4
<基于张量网络的机器学习入门>学习笔记4 量子概率 将概率复数化 分布与向量的表示 事件与Hilbert空间 不兼容属性及其复数概率表示 为什么一定要复数概率 量子概率 将概率复数化 在经 ...
- 《基于张量网络的机器学习入门》学习笔记8(Shor算法)
<基于张量网络的机器学习入门>学习笔记8 Shor算法 来源 Shor算法的大致流程 因数分解 周期求取与量子傅里叶变换(QFT) Shor算法 来源 1994 1994 1994年,应用 ...
- 《基于张量网络的机器学习入门》学习笔记2
<基于张量网络的学习入门>学习笔记2 量子逻辑门 单量子逻辑门 恒等操作 泡利-X门(Pauli-X gate) 泡利-Y门(Pauli-Y gate) 泡利-Z门(Pauli-Z gat ...
- 《基于张量网络的机器学习入门》学习笔记1
<基于张量网络的学习入门>学习笔记1 量子力学的三大奥义 什么是量子 量子力学的三大奥义--叠加.测量和纠缠 第一大奥义:量子的叠加态 第二大奥义:量子的测量 第三大奥义:量子的纠缠态 量 ...
- 《深度学习入门》笔记(一)
<深度学习入门1>笔记(一) 神经网络的传播 如下图,我们把最左边的一列称为输入层,最右边的一列称为输出层,中间的一列称为中间层,也称为隐藏层."隐藏"一词的意思是,隐 ...
- 深度学习入门读书笔记:Day-14
1.进行手写数字识别的深度CNN: (1).网络的特点: 基于3*3的小型滤波器的卷积层: 激活函数是ReLU; 全连接层的后面使用了Dropout; 基于Adam的最优化: 使用He初始值作为权重初 ...
最新文章
- 初试linux编译(ubuntu+vim)+玩转智能蛇
- html将字符转成浮点数,stm32用串口接收到数据,怎么把接收到的字符串转换成浮点数?...
- 页目录项和页表项——《x86汇编语言:从实模式到保护模式》读书笔记43
- fatjar打包mysql_一个简单的解压ZIP Excl文件---gt;按时间读取Excle文件,通过Fat jar打成jar相对应的添加到mysql数据库中。 - 明月 - ITeye博客...
- 谈谈cookie的弊端
- SPOJ - IITKWPCE Let us play with strings(回文自动机+Palindrome Series优化dp)
- 基于WSAAsyncSelect模型实现的聊天室图形客户端
- 东北电力大学计算机网络复试题,2020年东北电力大学计算机学院复试(20200901201159).pdf...
- YbtOJ#20239-[冲刺NOIP2020模拟赛Day10]连边方案【状压dp】
- xib文件的读取方法
- 百度 java基础_java基础知识点整理
- MATLAB学习笔记(八)
- 相似度计算 java_Java基于余弦方法实现的计算相似度算法示例
- word文档中向下的箭头是什么,怎么去掉
- pythonlbp纹理提取_特征提取算法(1)——纹理特征提取算法LBP
- 计算机网络——CRC循环冗余检验
- “用户体验及可用性测试”前三章:读书笔记
- 杭州造云记 | 甲子光年
- PDF转换器 将各种文件格式与PDF来回转换
- 2022经典生活感悟说说,句句值千金
热门文章
- 异构网络垂直切换算法lte/wimax
- 资本主义的历史仍未终结(作者:袁剑)【转】
- 我们是如何拿下Google和Facebook Offer的?
- 在非activity类调用startActivityForResult
- 异常:System.BadImageFormatException,未能加载正确的程序集XXX或其某一依赖项
- 纯CSS实现下拉菜单及下拉容器等(纯CSS实现导航条及导航下拉容器)
- VS2010强大的一塌糊涂
- 配置管理漫漫谈之CCB
- linux kref详解
- python绘图subplot绘制5幅图:以2行绘制,首行3幅图,次行2幅图居中(内含绘制3幅图简单版)