Úvod do kvantového počítání

Podobné dokumenty
Komerční výrobky pro kvantovou kryptografii

Úvod do kvantového počítání

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

8 Matice a determinanty

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

Kvantová mechanika ve 40 minutách

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

7. Lineární vektorové prostory

Lineární algebra : Skalární součin a ortogonalita

DEFINICE Z LINEÁRNÍ ALGEBRY

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

1 Projekce a projektory

1 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x

Lineární algebra : Skalární součin a ortogonalita

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro

Úvod do lineární algebry

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

EUKLIDOVSKÉ PROSTORY

15 Maticový a vektorový počet II

1 Báze a dimenze vektorového prostoru 1

Vlastní čísla a vlastní vektory

Základy matematiky pro FEK

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

H = 1 ( ) 1 1. dostaneme bázi označovanou často znaménky plus a minus:

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Matematika B101MA1, B101MA2

Lineární algebra - I. část (vektory, matice a jejich využití)

Interpolace, ortogonální polynomy, Gaussova kvadratura

VĚTY Z LINEÁRNÍ ALGEBRY

1 Determinanty a inverzní matice

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

6.1 Vektorový prostor

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Kapitola 11: Vektory a matice:

Kvantové algoritmy a bezpečnost. Václav Potoček

Věta o sedlovém bodu a Fredholmova alternativa

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Vlastní čísla a vlastní vektory

AVDAT Vektory a matice

Operátory obecně (viz QMCA s. 88) je matematický předpis který, pokud je aplikován na funkci, převádí ji na

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Dá se ukázat, že vzdálenost dvou bodů má tyto vlastnosti: 2.2 Vektor, souřadnice vektoru a algebraické operace s vektory

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

0.1 Úvod do lineární algebry

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Kapitola 11: Vektory a matice 1/19

0.1 Úvod do lineární algebry

Algoritmus pro hledání vlastních čísel kvaternionových matic

ALGEBRA. Téma 5: Vektorové prostory

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

Lineární algebra Operace s vektory a maticemi

ALG2: Lineární Algebra (Skripta Horák, jako doplněk i skripta Kovár v IS)

Množinu všech matic typu m n nad tělesem T budeme označovat M m n (T ), množinu všech čtvercových matic stupně n nad T pak M n (T ).

Soustavy lineárních rovnic a determinanty

Lineární prostory. - vektorové veličiny(síla, rychlost, zrychlení,...), skládání, násobení reálným číslem

7 Analytické vyjádření shodnosti

III. MKP vlastní kmitání

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

1 Připomenutí vybraných pojmů

Program SMP pro kombinované studium

2. Schurova věta. Petr Tichý. 3. října 2012

Ortogonální transformace a QR rozklady

ftp://math.feld.cvut.cz/pub/olsak/linal/

z textu Lineární algebra

Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

Ortogonální projekce a ortogonální zobrazení

19 Hilbertovy prostory

Numerické metody a programování. Lekce 4

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

Ortogonální transformace a QR rozklady

Vlny. částice? nebo. Pavel Cejnar ÚČJF MFF UK FJDP 2018/19. Objevování kvantového světa

Numerické metody a programování

1 Linearní prostory nad komplexními čísly

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Nástin formální stavby kvantové mechaniky

Kvantová informatika pro komunikace v budoucnosti

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35

Matematika 2 pro PEF PaE

5. Singulární rozklad

Arnoldiho a Lanczosova metoda

Linearní algebra příklady

Podobnostní transformace

Symetrické a kvadratické formy

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

Transkript:

2. přednáška Katedra počítačů, Fakulta elektrotechnická České vysoké učení technické v Praze 17. března 2005

Opakování Část I Přehled z minulé hodiny

Opakování Alternativní výpočetní modely Kvantové počítače DNA počítače Hledání silnějšího výpočetního modelu než Turingův stroj poražení Silné Churchovi teze: Problém je řešitelný v polynomiálním čase, právě tehdy když je v polynomiálním čase řešitelný na TM. "Známé" modely: Kvantové počítače DNA počítače

Kvantové počítače Opakování Kvantové počítače DNA počítače Založeno na kvantové mechanice Aplikace Rychlejší algoritmy Generování náhodných čísel Kvantová distribuce klíčů Fyzická realizace NMR Cavity QED Ion trap

DNA počítače Opakování Kvantové počítače DNA počítače Založeno na "puzzle" párování nukleotidů T, C, G, A Aplikace experimenty s problémem obchodního cestujícího (NPC problém) Fyzická realizace Nukleotidová polévka s míchačem a dodávkami cukru

Stavový prostor Část II Dnešní přednáška

Co je to qubit? Stavový prostor Vektorové prostory Vnitřní součin Hilbertův prostor Kvantový bit - qubit Obecný tvar: φ = α 0 + β 1 Qubit žije v Hilbertově prostoru H 2. B = { 0, 1 } tvoří bázi prostoru. Evoluce kvantového systému je unitární. Měření způsobuje kolaps qubitu na jeden z bázových vektorů. α a β jsou komplexní amplitudy.

Stavový prostor Notační zápis podle Diraca Vektorové prostory Vnitřní součin Hilbertův prostor φ - sloupcový vektor (nazývaný ket), φ = (x 1, x 2,... ) T φ - řádkový vektor (nazývaný bra), φ = ( φ ) φ ψ - vnitřní součin φ ψ - tensorový součin φ - norma

Stavový prostor Vektorové prostory Vnitřní součin Hilbertův prostor Vektorový prostor V nad tělesem F Množinu V nazveme vektorovým prostorem nad tělesem F máme definované operace + : V V V (vektorové sčítání) a : F V V (skalární násobení) a platí: 1 (V, +) je komutativní grupa. 2 α φ = φ α 3 α(β φ ) = (αβ) φ 4 (α + β) φ = α φ + β φ 5 α( φ + ψ ) = α φ + α ψ

Vnitřní součin Stavový prostor Vektorové prostory Vnitřní součin Hilbertův prostor Necht je V komplexní vektorový prostor. Funkci : V V C nazveme vnitřní součin, právě tehdy když 1 φ φ R, φ φ 0, φ φ = 0 φ = 0 2 φ ψ = ψ φ 3 φ ( ψ + λ ) = φ ψ + φ λ 4 φ αψ = α φ ψ 5 αφ ψ = α φ ψ

Hilbertův prostor Stavový prostor Vektorové prostory Vnitřní součin Hilbertův prostor Hilberův prostor je úplný komplexní vektorový prostor H s vnitřním součinem a definovanou normou φ = φ φ Normalizovaný (jednotkový) vektor φ φ = 1 Ortonormální systém B = { b 1, b 2,... } tvoří bázi prostoru H, právě tehdy když pro všechny vektory φ můžeme psát φ = λ i b i i Ortonormální bázové vektory - normalizované bázové vektory

Stavový prostor Vlastnosti Hilbertova prostoru Vektorové prostory Vnitřní součin Hilbertův prostor Hilbertův prostor je H je isomorfní k tělesu C n. Zápis ket a bra vektorů umožňuje vnitřní součin vyjádřit jako běžné násobení matic. Pokud H 1 a H 2 jsou Hilbertovy prostory, pak tensorový součin H = H 1 H 2 = c ij i, j : c ij C j B 2 i B 1 je také Hilbertův prostor s bází B = B 1 B 2. dim H = dim H 1 dim H 2

Příklady bází Stavový prostor Vektorové prostory Vnitřní součin Hilbertův prostor Standardní báze: Duální báze: 0 = ( 1 0 ) ( ) 0, 1 = 1 ( ) α β φ = α 0 + β 1 = 0 = ( 1 1 ) (, 1 1 = 1 0 = 1 2 ( 0 + 1 ) 1 = 1 2 ( 0 1 ) )

Stavový prostor Necht je V vektorový prostor. Funkci (operátor) A : V V nazveme lineární právě tehdy když platí A (λ φ + µ ψ ) = λa φ + µa ψ Operátor A zapisujeme jako čtvercovou matici n n. a 0,0... a 0,n 1 A =.. a n 1,0... a n 1,n 1

Stavový prostor Operátor A můžeme také napsat jako A = i,j a ij i j i, j odpovídají standardním bázovým vektorům. Pro matici 2 2 dostaneme: ( ) a0,0 a 0,1 = a a 1,0 a 0,0 0 0 + a 0,1 0 1 + a 1,0 1 0 + a 1,1 1 1 1,1 Pro prvky matice a ij můžeme psát a ij = i A j

Stavový prostor Důležité druhy operátorů Sdružený operátor Operátor A = ( A T ) = i,j a ji i j nazveme sdruženým operátorem k operátoru A. Operátor samo sdružený (self-adjoint, Hermitián) A = A vlastní čísla Hermitiánu jsou vždy reálná unitární A A = AA = I A 1 = A unitární operátor zachovává vnitřní součin; Aφ Aψ = φ ψ

Stavový prostor kvantové mechaniky Kvantový stav Evoluce Měření 1. Kvantový stav Libovolnému fyzickému systému S může být přiřazen komplexní Hilbertův prostor H, kterému říkáme stavový prostor systému S. Stav systému S je úplně popsán vektorem φ H s normou φ = 1, kterému říkáme stavový vektor systému S. Nejjednoduší netriviální kvantově mechanický systém je kvantový bit - qubit z prostoru H 2. Stav φ může být zapsán jako lineární kombinace (superpozice) dvou bázových vektorů označaných 0, 1. φ = α 0 + β 1 kde α, β C a α 2 + β 2 = 1

Stavový prostor kvantové mechaniky Kvantový stav Evoluce Měření 2. Evoluce Dočasný vývoj uzavřeného kvantového systému je popsán Schrödingerovou rovnicí i φ = H φ t kde je Planckova konstanta a H je Hamiltonián popisující dynamiku v prostoru H. Protože unitární operátor U lze vyjádřit jako U = e ih, můžeme druhý postulát přeformulovat do tvaru: φ t2 = U φ t1, pro čas t 1 t 2

Příklad evoluce Stavový prostor Kvantový stav Evoluce Měření Hadamardova rotace Jeden z nejdůležitějších jedno-qubitových operátorů je Hadamardova rotace. H = 1 ( ) 1 1 2 1 1! Odpovídá diskrétní Fourierově transformaci v Z 2.!

Hadamardova rotace Stavový prostor Kvantový stav Evoluce Měření Příklady: 1 H 0 = 1 2 ( 0 + 1 ) 2 H 1 = 1 2 ( 0 1 ) 3 Obecně: H n x = 1 2 n y {0,1} n ( 1) x.y y kde x.y = n i=1 x iy i.

Stavový prostor kvantové mechaniky Kvantový stav Evoluce Měření 3. Měření Měření je popsáno self-adjoint operátorem A (observable) se spektrální dekompozicí A = k a i P i = i=0 k a i p i p i, i=0 kde a i jsou unikátní vlastní hodnoty (eigenvalues) a P i projekce do podprostoru určeného vlastními vektory (eigenvectors) p i. Vlastní hodnoty odpovídají možným výsledkům získaných pomocí měření.

Výsledky měření Stavový prostor Kvantový stav Evoluce Měření Měřením stavu φ získáme výsledek a i s pravděpodobností Pr(a i ) = P i φ 2 = φ P i φ. Destruktivní důsledek měření Stav φ po měření kolabuje na stav φ = P i φ φ Pi φ. pokud není φ shodný s vlastním vektorem, který určuje projekční prostor, je původní superpozice stavu φ nenávratně zničena.

Stavový prostor Kvantový stav Evoluce Měření Průměrná hodnota vlastních čísel Při měření operátorem A se můžeme ptát, jaká bude průměrná naměřená hodnota. Víme, že Pr(a i ) = P i φ 2 = φ P i φ, Potom A = k a i P i. i=0 EA = k Pr(a i )a i = i=0 k φ a i P i φ = φ A φ. i=0

Stavový prostor Kvantový stav Evoluce Měření Výpočet vlastních vektorů a čísel Vlastní čísla a vektory splňují rovnici A v = a v Úpravy: A v = a.i. v (A a.i) v = 0 pro det (A a.i) 0 v = 0 pro det (A a.i) = 0 v 0

Stavový prostor Kvantový stav Evoluce Měření Výpočet vlastních vektorů a čísel Pro operátor A = ( 0 1 1 0 ) vypočteme vlastní čísla: 0 a 1 1 0 a = a2 1 = 0 a 1,2 = ±1 Výpočet vlastního vektoru pro a 1 = 1 : ( ) ( ) ( ) ( 1 1 v1 0 1 = v 1 1 0 1 = v 2 p 1 = 1 v 2 v 2 Výpočet vlastního vektoru pro a 2 = 1 : ( ) ( ) ( ) ( 1 1 v1 0 1 = v 1 1 0 1 = v 2 p 2 = 1 ) )

Duální báze Stavový prostor Kvantový stav Evoluce Měření Po normalizaci dostaneme p 1 = 1 ( ) 1 2 1 a p 2 = 1 2 ( 1 1 ). Duální báze Výše uvedené vektory tvoří tzv. duální bázi označovanou { 0, 1 }. Platí 0 = 1 2 ( 0 + 1 ) 1 = 1 2 ( 0 1 )