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

\[|\psi\rangle=e^{i\gamma}\left(\cos\frac{\theta}{2}|0\rangle+e^{i\phi}\sin\frac{\theta}{2}|1\rangle\right)
\]

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:

\[\frac{-|0\rangle+|1\rangle}{\sqrt{2}},\frac{|0\rangle-|1\rangle}{\sqrt{2}}
\]

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\(|1\rangle\):

\[\frac{|0\rangle+|1\rangle}{\sqrt{2}},\frac{|0\rangle-|1\rangle}{\sqrt{2}}
\]

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(NOT)进行对比,因为它会反转\(|0\rangle\)和\(|1\rangle\)。

\[\mathbf{X}=\begin{bmatrix}
0 & 1 \\
1 & 0 \\
\end{bmatrix}=|1\rangle\langle0|+|0\rangle\langle1|\\
\alpha_0|0\rangle+\alpha_1|1\rangle\overset{X}{\rightarrow}\alpha_1|0\rangle+\alpha_0|1\rangle
\]

Y泡利门

顾名思义,\(Y\)门会把向量沿着\(y\)轴翻转。

\[\mathbf{Y}=\begin{bmatrix}
0 & i \\
i & 0 \\
\end{bmatrix}=i|1\rangle\langle0|-i|0\rangle\langle1|\\
\alpha_0|0\rangle+\alpha_1|1\rangle\overset{X}{\rightarrow}-i\alpha_1|0\rangle+i\alpha_0|1\rangle
\]

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:

\[\mathbf{Z}=\begin{bmatrix}
1 & 0 \\
0 & -1 \\
\end{bmatrix}=|1\rangle\langle0|-|0\rangle\langle1|\\
\alpha_0|0\rangle+\alpha_1|1\rangle\overset{X}{\rightarrow}\alpha_0|0\rangle-\alpha_1|1\rangle
\]

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\(\pi\)。

\[\mathbf{S}=\begin{bmatrix}
1 & 0 \\
0 & i \\
\end{bmatrix}=|1\rangle\langle0|+i|0\rangle\langle1|
\]

T门

\(Z\)门是绕\(z\)轴转\(\pi\),\(S\)门是转\(\frac{\pi}{2}\),\(T\)门是转\(\frac{\pi}{4}\)。

\[\mathbf{S}=\begin{bmatrix}
1 & 0 \\
0 & e^{{i\pi}/{4}} \\
\end{bmatrix}=|1\rangle\langle0|+e^{i\pi/4}|0\rangle\langle1|
\]

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:

\[\mathbf{S}=\begin{bmatrix}
1 & 0 \\
0 & e^{i\theta} \\
\end{bmatrix}=|1\rangle\langle0|+e^{i\theta}|0\rangle\langle1|
\]

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

\[\mathbf{I}=\begin{bmatrix}
1 & 0 \\
0 & 1 \end{bmatrix}
\]

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

  1. 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 ...

  2. [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:// ...

  3. 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 ...

  4. 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 ...

  5. 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? ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

  10. 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

  1. docker-compose搭建的Mysql主从复制

    设置前注意下面几点: 1)要保证同步服务期间之间的网络联通.即能相互ping通,能使用对方授权信息连接到对方数据库(防火墙开放3306端口). 2)关闭selinux. 3)同步前,双方数据库中需要同 ...

  2. golang复用http.request.body

    golang复用http.request.body 问题及场景 业务当中有需要分发http.request.body的场景.比如微信回调消息只能指定一个地址,所以期望可以复制一份消息发给其他服务.由服 ...

  3. golang之UrlEncode编码/UrlDecode解码

    为什么需要编码和解码 1.是因为当字符串数据以url的形式传递给web服务器时,字符串中是不允许出现空格和特殊字符的: 2.因为 url 对字符有限制,比如把一个邮箱放入 url,就需要使用 urle ...

  4. AI编译器CINN v.s TVM 中CodeGen 源码解读

    如下的技术点梳理仅以「日常优化工作」为牵引点,涉及哪个模块,就具体去看哪个模块的代码. 一.CINN 框架 CINN 中CodeGen之后的代码编译主要交给了Compiler类来负责.核心的函数主要是 ...

  5. 记录一次安装PIDtoolBox报缺少jvm.dll问题。

    背景: 1.在安装PIDtoolBox时,报 安装程序错误 安装程序无法启动JVM. could not find file C:\Users\AdministratorAppData\Local\M ...

  6. VSCode:Mac(M1)配置VSCode中C/C++环境(只需三步)

    只需三步. 1. 下载CodeLLDB插件: 2. 配置tasks.json { "version": "2.0.0", "tasks": ...

  7. 当装饰者模式遇上Read Through缓存,一场技术的浪漫邂逅

    在<经验之谈:我为什么选择了这样一个激进的缓存大Key治理方案>一文中,我提到在系统中使用的缓存是旁路缓存模式,有读者朋友问,有没有用到过其他的缓存模式,本文将结合一个我曾经工作中的案例, ...

  8. 【源码阅读】消息队列之DoNetMQ的初步了解

    这个组件,是一个分布式的组件,好处就是,不怕消息太多了,都挤在一个服务器上,出现服务器内存不够的情况.服务器内存不够用的问题解决了,但是如果消费队列要进行数据库的操作,那么性能瓶颈将出现在数据库上,如 ...

  9. 一文带你了解.NET能做什么?

    前言 在DotNetGuide技术社区微信交流群经常看到有小伙伴问:.NET除了能写桌面应用和Web应用还能做什么?今天大姚将通过本篇文章来简单讲讲.NET能做哪些开发,对.NET感兴趣的小伙伴也可以 ...

  10. 基于 GoLang 编写的 IOT 物联网在线直播抓娃娃企业级项目

    基于 GoLang 编写的 IOT 物联网在线直播抓娃娃企业级项目 引言 前几年,娱乐物联网的热度很高.我当时所在的公司启动了一个将线下娃娃机的玩法,迁移到线上的项目,因此公司决定开发一个在线直播抓娃 ...