单qubit量子门
量子编程的基本单元就是量子门。量子编程有点像传统的电路设计,一个量子程序可以被写成量子门序列。

图中有一些符合,比如H门、X门、Z门、测量等,我们都会接触到。
传统计算机程序的输入和输出可以不一样,但是量子程序是绝对不允许这样的。在两个方向可以逆转的操作不会丢失信息,而比如加法这样的就不行,你知道3是1+2还是0+3?

同理,qubit不会被拆分或合并。所以量子编程没有if-then-else之类的控制流程。
qubit运算
叠加态可以表示成
\(
|\psi\rangle=a_0|0\rangle+a_1|1\rangle\\=\cos\frac{\theta}{2}|0\rangle+e^{i\phi}\sin\frac{\theta}{2}|1\rangle\\=\cos\frac{\theta}{2}|0\rangle+\left(\cos\phi+i\sin\phi\right)\sin\frac{\theta}{2}|1\rangle
\)

所以量子计算就是在控制\(\phi\)和\(\theta\)这两个角。
哈德玛门
前面我们已经了解了哈德玛门,它的逆矩阵等于它自己。哈德玛门可以用来制备纠缠粒子,也可以用来强化某个状态的概率(比如将另一个状态的概率降为0)。
对于\(n\)个qubit组成的系统,可以分别给每个qubit应用哈德玛门来制备一个状态均匀分布的叠加系统:

右上角的\(\otimes n\)表示并行应用\(n\)次;右边的\(x\)是状态空间中的每个向量。2应的方程是(这是\(n+1\)个qubit,但只给\(n\)个使用了哈德玛门):

整体相位
一个叠加态可以表示为
\]
其中,括号外面的称为整体相位,括号里面每个基向量的系数称为相对相位。两个向量在数学上不一样的话,如果它们只是整体相位不同,那在实际世界中是区分不出来的。比如两个向量整体相位相差\(\Delta\gamma=\pi\),它们测量的结果就是一样的。例如:
\]
只有两个向量的相对相位不一样,它们测量结果才不一样。下面两个向量只有整体相位不同,所以测量结果一样;给他俩都应用\(H\)门,它们的相对相位就会变化,它们就会分别变成\(|0\rangle\)和\(|1\rangle\):
\]
一些算法就是利用的这个原理对向量进行分组测量:

泡利门
泡利门有三个,都非常简单,不像哈德玛门的定义那么复杂。三个泡利门是为了在三个维度方向旋转向量的:
X泡利门
\(X\)门会交换两个基向量的振幅,它将向量沿着\(x\)轴旋转。它一般被和经典逻辑中的非(NOT)进行对比,因为它会反转\(|0\rangle\)和\(|1\rangle\)。
0 & 1 \\
1 & 0 \\
\end{bmatrix}=|1\rangle\langle0|+|0\rangle\langle1|\\
\alpha_0|0\rangle+\alpha_1|1\rangle\overset{X}{\rightarrow}\alpha_1|0\rangle+\alpha_0|1\rangle
\]
Y泡利门
顾名思义,\(Y\)门会把向量沿着\(y\)轴翻转。
0 & i \\
i & 0 \\
\end{bmatrix}=i|1\rangle\langle0|-i|0\rangle\langle1|\\
\alpha_0|0\rangle+\alpha_1|1\rangle\overset{X}{\rightarrow}-i\alpha_1|0\rangle+i\alpha_0|1\rangle
\]
可见\(Y\)门会给系数乘上\(\pm i\)然后交换,它和\(X\)门的差别是查一个相位。
Z泡利门
\(Z\)门会保持\(|0\rangle\)的振幅不变,而给\(|1\rangle\)引一个负相位:
1 & 0 \\
0 & -1 \\
\end{bmatrix}=|1\rangle\langle0|-|0\rangle\langle1|\\
\alpha_0|0\rangle+\alpha_1|1\rangle\overset{X}{\rightarrow}\alpha_0|0\rangle-\alpha_1|1\rangle
\]
相移
除了\(Z\)门,还有一些门是向量沿着\(z\)轴翻转,比如\(T\)、\(S\):

S门
\(Z\)门是绕\(z\)轴转\(\pi\),\(S\)门是转半\(\pi\)。
1 & 0 \\
0 & i \\
\end{bmatrix}=|1\rangle\langle0|+i|0\rangle\langle1|
\]
T门
\(Z\)门是绕\(z\)轴转\(\pi\),\(S\)门是转\(\frac{\pi}{2}\),\(T\)门是转\(\frac{\pi}{4}\)。
1 & 0 \\
0 & e^{{i\pi}/{4}} \\
\end{bmatrix}=|1\rangle\langle0|+e^{i\pi/4}|0\rangle\langle1|
\]
相移门
更一般的,对于绕\(z\)轴转任意的\(\theta\)角,对\(|1\rangle\)的影响如下:
1 & 0 \\
0 & e^{i\theta} \\
\end{bmatrix}=|1\rangle\langle0|+e^{i\theta}|0\rangle\langle1|
\]
测量
测量的符号看起来像一个仪表指针

幺矩阵
幺门就是单位矩阵,不影响向量
1 & 0 \\
0 & 1 \end{bmatrix}
\]
有时候为了看起来清晰,会额外在方程里加上

未完
这里看完了1-qubit操作门,后面我们会说多qubit门。总结下:单qubit门就是在球面上移动向量。
单qubit量子门的更多相关文章
- 用MATLB仿真一个单闭环控制量,同时还存在两个开环控制变量的阶跃响应曲线。(自动控制方法是PID中的P控制。通过查表法直接给开环参数稳态最佳的大小)
实际项目背景:甘肃省,航天510所的LIPS100电推力器.一共有三个控制变量,开环控制变量是:Ia(阳极电流).mmrf(阳极主流率) 这个阳极主流率是阀门变量,不能够突变,模拟用(大学一年级课,电 ...
- [转帖]谷歌宣称首次实现量子优越性,IBM“不服”,中国同行咋看?
谷歌宣称首次实现量子优越性,IBM“不服”,中国同行咋看? 投递人 itwriter 发布于 2019-10-24 15:46 评论(7) 有306人阅读 原文链接 [收藏] « » https:// ...
- Python数据可视化:网易云音乐歌单
通过Python对网易云音乐华语歌单数据的获取,对华语歌单数据进行可视化分析. 可视化库不采用pyecharts,来点新东西. 使用matplotlib可视化库,利用这个底层库来进行可视化展示. 推荐 ...
- ASO--简单了解
ASO是“应用商店优化”的简称.ASO(App Search Optimization)就是提升你APP在各类APP应用商店/市场排行榜和搜索结果排名的过程. 类似普通网站针对搜索引擎的优化,即SEO ...
- 性能测试:深入理解线程数,并发量,TPS,看这一篇就够了
并发数,线程数,吞吐量,每秒事务数(TPS)都是性能测试领域非常关键的数据和指标. 那么他们之间究竟是怎样的一个对应关系和内在联系? 测试时,我们经常容易将线程数等同于表述为并发数,这一表述正确吗? ...
- 痞子衡嵌入式:串行NOR Flash的页编程模式对于量产时间的影响
大家好,我是痞子衡,是正经搞技术的痞子.今天痞子衡给大家分享的是串行NOR Flash的页编程模式对于量产时间的影响. 任何嵌入式产品最终都绕不开量产效率话题,尤其是对于主控是非内置 Flash 型 ...
- Memcached+PHP+Mysql+Linux 实践
首先确保你的服务器环境已经具备了memcached和lamp,关于在Linux上搭建memcahced+php环境可以参考我的另外一篇帖子( http://www.cnblogs.com/codeAB ...
- 龙芯将两款 CPU 核开源,这意味着什么?
10月21日,教育部计算机类教学指导委员会.中国计算机学会教育专委会将2016 CNCC期间在山西太原举办“面向计算机系统能力培养的龙芯CPU高校开源计划”活动,在活动中,龙芯中科宣布将GS132和G ...
- 记录近期小改Apriori至MapReduce上的心得
·背景 前一阵,一直在研究一些ML的东东,后来工作关系暂停了一阵.现在继续把剩下一些热门的算法再吃吃透,"无聊+逗比"地把他们搞到MapReduce上.这次选择的入手对象为Apri ...
- BotVS开发基础—2.1 账户、行情、K线、深度
代码 import json def main(): Log("账号信息:", exchange.GetAccount()); # Log("K 线数据:", ...
随机推荐
- Kubernetes(K8S)安装
Kubermetes (K8S) 安装 参考文档: 官方文档: https://kubernetes.io/zh-cn/docs/concepts/overview/components/#node- ...
- C++基础知识复习
第一部分:基础知识 一.const 1. 作用 修饰变量,表示不可能更改 修饰指针 const int *ptr--pointer to const int const *ptr-- const po ...
- kube-proxy 流量流转方式
简介 kube-proxy 是 Kubernetes 集群中负责服务发现和负载均衡的组件之一.它是一个网络代理,运行在每个节点上, 用于 service 资源的负载均衡.它有两种模式:iptables ...
- su与sudo用法详解
su与sudo用法详解 目录 su与sudo用法详解 1. su和sudo详解:切换用户身份 1.1 shell登录类型和环境配置文件 1.2 su进行身份切换 1.3 sudo命令详解 1.3.1 ...
- 逆向wechat
本篇博客园地址https://www.cnblogs.com/bbqzsl/p/18171552 计划来个wechat的逆向系列,包括主程序WeChat,以及小程序RadiumWMPF. 开篇,对We ...
- js图片懒加载,在不做分页的情况下的解决方案
Intersection Observer API 1.注意点 一般都是后端返回数据, 用 this.$nextTick(() => { this.handleScroll(); }); 确保d ...
- WebGL:使用着色器进行几何造型
前言 本文将介绍如何使用着色器来进行几何造型,说到几何图形大家一定都不陌生,比如说三角形.圆形,接触过WebGL基础使用的小伙伴一定都知道怎么去在画布上绘制一个三角形,只要传入三个顶点坐标,并选择绘图 ...
- java学习之旅(day.10)
重写 前提:需要有继承关系,是子类重写父类的方法,不是属性 重写特点: 方法名必须相同, 参数列表必须相同,否则就变成重载了 修饰符:范围可以扩大,不能缩小(即父类的private的,可以扩大为pub ...
- mysql-8.4.0解压版安装记录
MySQL 8.4.0解压版安装记录 这几天,安装最新版mysql 8.4的时候,遇到了不少问题,网上的教程大多数都是旧版本的,也安装不成功. 参考了大量教程后,经过自己的摸索终于装好了,这里记录一下 ...
- sqlserver 把 某一列的所有值 变成 in 里面的内容
SELECT STUFF(( SELECT ','+'''' +convert(VARCHAR, cDefine3)+'''' from rdrecord08 where dDate>'20 ...