算子基本思想_2.2 量子力学基本假设 Part 2

目录页:https://zhuanlan.zhihu.com/p/133306966


这次文章主要介绍第三公设的一些应用

2.2.4 区分量子态(Distinguishing quantum states)

第三公设的一个重要应用就是区分量子态。在宏观世界,一个物体的不同状态至少在原则上是可以区分的。打个比方,我们总能确定硬币是正面朝上还是反面朝上(当然也有可能立在桌面上<( ̄︶ ̄)>),但是在量子力学中,情况比较复杂,我们无法区分非正交的量子态。

书上1.6举了了一个例子,但是在这里我准备用更形象的例子来打个比方。

先介绍一下Alice和Bob,量子计算中讨论实际问题的时候,一般会用这两位朋友举例子。

例子如下:

Alice从双方都知道的一组固定的量子态中选了一个态

她把这个态给Bob,而Bob的任务是确定这个态的角标

是多少。

假设这组态

是标准正交的。那么Bob可以做一个量子测量来区分这些态,过程如下。

对于每一个可能的角标

定义一系列测量算符
,然后在多定义一个
是正定算符(忘了的话,见2.1 线性代数 Part2)
的算术平方根。

这些算符满足完备性关系。这时我们把Alice给Bob的态

拿过来,用上述算符测量,有
,也就是说结果
一定会出现,所以对于正交态,我们可以区分。

相反地,如果这组态

不是标准正交的,那么我们可以证明没有任何一种量子测量能区分这些态。比如说Bob用测量结果为
测量算符
测量,根据测量得结果,Bob可以试着去猜角标
之间是否有某种规则

Bob无法区分非正交态

的关键是
可以被分解为一个平行于
的分量和一个垂直于
的分量。

假设

是测量结果,并且有
,那么Bob可以猜他观测的状态是
,但是呢因为
在有平行于
的分量,所以观测
也可能出现结果
,因此Bob在这种情况下会犯错。

更为严格的证明在Box 2.3 中给出,但是上面的例子已经将证明的思想方法阐述的很清楚了,所以就不翻译具体的证明方法了,直接贴在下面。

Box 2.3 非正交态无法被区分的证明

d5216bceb2cc1e2e2ec93f383899cffe.png

2.2.5 射影测量/投影测量 (Projective measurements)

projective measurement我没有查到标准的翻译,维基百科上用的是射影测量,不过百度上搜发现投影测量好像也行,索性都放在这里啦。( ̄▽ ̄)"

Projective measurements: A projective measurement is described by an observable,

, a Hermitian operator on the state space of the system being observed. The observable has a spectral decomposition,

where

is the projector onto the eigenspace of M with eigenvalue
.

射影测量:射影测量是由一个可观测量

描述的。
是一个在被观测系统态空间上的一个厄米算符。可观测量有一特征分解,

这里的

是投影到
特征值为
的特征空间上的投影算子。

测量态

得到结果为
的概率为:

而且既然结果

已经发生了,那么测量后一瞬间量子系统立刻变为:

射影测量有很多很好的性质。比如计算观测结果的平均值很方便:

我们一般用

表示可观测量
的平均值(或者叫期望),也就是
,据此我们再给出方差的公式,

因此标准差的公式为:

射影测量给出的这些简洁漂亮的关于可观测量的公式给我们提供了一条证明海森堡不确定性原理(Heisenberg uncertainty principle)的优雅道路。(具体证明见稍后的Box 2.4)

我们现在给出对于一个量子比特进行投影测量的例子。我们选

作为这次测量的可观测量。

有本征值
,与与此对应的特征向量
。因此
在态
上测量结果为
的概率是
,同样地,结果为
的概率也是

更为普遍的,假设

是任意一个三维实单位向量,我们就可以定义一个可观测量:

这里的

都是泡利矩阵,忘了的话可以翻 2.1 线性代数 Part1的2.1.3.╰( ̄▽ ̄)╭

下面几个练习比较重要:

Exercise 2.59 假设我们有一个处在

态的量子比特,我们用可观测量
来测量。那么
的期望和标准差是多少?

A: 泡利矩阵

,其特征值为
。(不会算的话可以翻翻2.1 线性代数 Part1最后一节。)设
的两个特征向量为
,对应的特征值是
,不难求出

所以得到

的特征分解:
,所以期望为:

在这里,顺便验证了一下上面期望公式的正确性。

标准差:

期望为0,标准差为1。

Exercise 2.60 验证

的特征值为
,且对应特征空间的射影算子为

嗯,这题就不详细写过程了,其实掌握了方法还是比较简单的。

(~ ̄▽ ̄)~下面看看大名鼎鼎的海森堡不确定性原理的证明方法之一吧:

Box 2.4 海森堡不确定性原理(The Heisenberg uncertainty principle)

是两个厄米算符,且
是一个量子态。

,这里的
都是实数。

还记得对易式和反对易式吗?不记得的话请翻翻2.1 线性代数 Part2的2.1.9吧。

,那么有:

再根据Box 2.1的柯西洗袜子不等式( ̄▽ ̄)~*有:

结合

式,去掉一个非负项,有:

是两个可观测量,做替换
并带入
式中,我们就得到了海森堡不确定性原理的常见表述:

证明到这里就结束了,不过书上在后面写了一大段话(又是啰嗦╮(╯▽╰)╭),主要是告诉我们要正确理解不确定性原理。不是因为对

测量精度的提高导致可观测量
被扰动从而满足海森堡不确定性原理,而是不论如何测量都一定会满足该关系。(这里可能我没太理解对,不过对后面的影响呢应该不大,我把原文贴下面吧(~ ̄▽ ̄)~)

You should be wary of a common misconception about the uncertainty principle, that measuring an observable

to some 'accuracy'
causes the value of
to be 'disturbed' by an amount
in such a way that some sort of inequality similar to
is satisfied. While it is true that measurements in quantum mechanics cause disturbance to the system being measured, this is most emphatically not the content of the uncertainty principle.

The correct interpretation of the uncertainty principle is that if we prepare a large number of quantum systems in identical states,

, and then perform measurements of
on some of those systems, and of
in others, then the standard deviation
of the
results times the standard deviation
of the results for
will satisfy the inequality
.

2.2.6 POVM测量(POVM measurements)

喵喵喵,有的时候,我们不太在意测量之后系统的状态是啥样的,我们更关心不同结果的概率。在这种情况下,有一个非常好用的数学工具叫POVM形式(POVM formalism)

POVM代表的是Positive Operator-Valued Measure。

不用担心,POVM并不难,只不过它形式优雅,用途广泛,所以单独介绍一下。(●´∀`●)ノ

设对处在态

的量子系统进行测量算符为
的一次测量。我们知道结果
出现的概率是
。我们定义:

这样的话,根据第三公设和一些基本的线代知识,我们知道

是一个正定算符且有

那么这一组

足以决定不同测量结果的概率。算符
叫做与测量相关的
POVM元素(POVM elements)。这一组
就是POVM。

对,你没看错,就是这么简单,完了。ヾ(=・ω・=)o

虽然书上后面又说了两页纸(包括一个Box 2.5),但都是举例子,比较简单,可以不看。 (●゚ω゚●)

不过有一点需要说明:有时候,为了方便,我们可以指定任何一组算符

为POVM,只要它满足两个条件:
  1. 每个算符
    都是正定的。
  2. 满足完备性关系,就是

真的真的结束了<( ̄︶ ̄)>,下面是这篇文章的最后一节了

2.2.7 相位(Phase)

这一节比较水了,主要就是说,量子力学中的相有两种,在这里说明一下。

第一种是全局相位因子(global phase factor)。(翻译不太确定)

就是绝对相位。打个比方有两个态

,就叫1态和2态吧。

这两个态出现相同结果的概率都是一样的,单独来看是没有区别的。

全局相位因子

就是区分它们之间不同的地方。

另一种相位是相对相位(relative phase)。同样用1态和2态举例子。

1态的相位是

,2态的相位是
。它们的相对相位就是

OK,介绍完了。( ̄▽ ̄)"

这篇拖的时间有点长了,主要是因为要上课写作业忙其他事去了(~ ̄▽ ̄)~

下一篇就开始介绍第四公设了,下篇见(●´∀`●)ノ

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/488617.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一个人越聪明他大脑皮层神经元之间的联系就越少

来源&#xff1a;科学杂志 这是波鸿鲁尔大学的神经科学家与ErhanGen博士和Christoph Fraenz博士合作进行的一项研究的结果。这项研究是使用特定的神经影像技术进行的&#xff0c;该技术可在微观结构水平上洞悉大脑的连线。波鸿生物心理学研究小组的团队与阿尔伯克基新墨西哥大学…

力扣题目学习笔记(OC + Swift)21. 合并两个有序链表

21. 合并两个有序链表 链表解题经典三把斧&#xff1a; 哑巴节点栈快慢指针 此题比较容易想到的解法是迭代法&#xff0c;生成哑巴节点&#xff0c;然后迭代生成后续节点。 方法一、迭代法 Swift func mergeTwoLists(_ list1: ListNode?, _ list2: ListNode?) -> Li…

git查询当前目录下的文件列表_linux下查找文件,看这篇就够了

linux下文件查找命令用法总结。前言我们经常需要在linux系统中查找一个文件&#xff0c;或需要知道哪些文件包含已知的特有信息&#xff0c;便于快速对比排查、分析问题&#xff0c;那么如何准确高效查找呢&#xff1f;其实在linux下可查找文件的命令不止一个&#xff0c;命令附…

hive xmlserde_hive多分隔符

hive在建表时&#xff0c;通常使用ROW FORMAT DELIMITEDFIELDS TERMINATED BY "|#" 来限定数据中各个字段的分隔符&#xff0c;这种方式只支持单个分隔符&#xff0c;即&#xff1a;实际只会按照"|"进行分割&#xff0c;若想实现支持多分隔符&#xff0c;有…

Algorithm-Gossip(4) 三色棋(Three_Color_Flag)

前言 This Series aritcles are all based on the book 《经典算法大全》; 对于该书的所有案例进行一个探究和拓展&#xff0c;并且用python和C进行实现; 目的是熟悉常用算法过程中的技巧和逻辑拓展。 提出问题 Algorithm Gossip: 三色棋&#xff08;Three_Color_Flag&#xff…

人工智能如何推动神经科技发展?

来源 | Forbes作者 | Margaretta Colangelo编译 | 科技行者神经科技以人类神经系统原理为基础&#xff0c;旨在研究人类大脑这一极为复杂的模型架构。在实际作用方面&#xff0c;神经科技将帮助研究人员了解大脑功能与引发功能障碍的原因&#xff0c;并助力医生治疗各类神经系…

tomcat lifecyclelistener_继续,来聊聊Tomcat的容器

作者&#xff1a;不学无数的程序员链接&#xff1a;https://urlify.cn/jYZFFf在这篇文章《Tomcat是如何运行的&#xff1f;整体架构又是怎样的&#xff1f;》中我们简单介绍了容器的概念&#xff0c;并且说了在容器中所有子容器的父接口是Container。在死磕Tomcat系列(2)——En…

java 绘制长方形_Java入门:绘制简单图形

在上一节&#xff0c;我们学习了如何使用swing和awt工具创建一个空的窗口&#xff0c;本节学习如何绘制简单图形。基本绘图介绍Java中绘制基本图形&#xff0c;可以使用Java类库中的Graphics类&#xff0c;此类位于java.awt包中。在我们自己的java程序文件中&#xff0c;要使用…

web面试常见问题补充

jquery Ajax $ajax({ Url:”test.html”,-----发送请求的地址 Async:true;------异步操作 Cache:true,-----可以从缓冲中加载 Type:”GET”,------请求方法 Datatype:”json”,-------服务器返回数据类型 Sucess:function(data){ ----------调用成功语句 If(data”OK”){ Conso…

如何与病毒搏斗?这部BBC“史诗级大片”告诉你答案

来源&#xff1a;惠在湖北 我们知道&#xff0c;在目前没有特效药和疫苗的情况下&#xff0c;被治愈的新型冠状病毒肺炎患者&#xff0c;离不开医学的帮助&#xff0c;而治愈的关键&#xff0c;依靠的是人体自身的免疫力。病毒是如何入侵的&#xff1f;免疫力从何而来&#xff…

单系统 台电x80pro_台电X80 Pro (E6E9)-双系统安装文件平板固件

这是台电X80 Pro (E6E9)-双系统安装文件平板固件&#xff0c;台电X80 Pro (E6E9)出来已经有一段时间了 相信大家都体验到了新机的强大了吧可使用时难免会发生一些意外 比如账户锁密码忘记 手机中毒 使用卡顿 不开机或者开机定屏 无故黑屏等 那怎么解决呢 今天就带大家一起来了解…

Ranklib源码剖析--LambdaMart

Ranklib是一套优秀的Learning to Rank领域的开源实现&#xff0c;其中有实现了MART&#xff0c;RankNet&#xff0c;RankBoost&#xff0c;LambdaMart&#xff0c;Random Forest等模型。其中由微软发布的LambdaMART是IR业内常用的Learning to Rank模型&#xff0c;本文主要介绍…

gentoo linux 分区_小白安装Gentoo Linux操作系统——磁盘分区

磁盘分区规划在日常安装Gentoo Linux操作系统前需要对系统使用的磁盘分区进行规划&#xff0c;规划原则需考虑磁盘容量、系统规模与用途。现阶段个人PC的磁盘容量已近乎TB级别&#xff0c;磁盘容量已不再成为系统安装的约束&#xff0c;那么对系统规模与用途的考虑则是安装Gent…

markdown 行内公式_使用Markdown快速编辑公众号技巧之mdnice

请使用 Chrome 浏览器。请阅读下方文本熟悉工具使用方法&#xff0c;本文可直接拷贝到微信中预览。1 Markdown Nice 简介支持自定义样式的 Markdown 编辑器支持微信公众号、知乎和稀土掘金欢迎扫码回复「排版」加入用户群2 主题https://preview.mdnice.com/themes/欢迎提交主题…

AI人必看!89页全网最全清华知识图谱报告(附PDF)

来源&#xff1a;智东西知识图谱&#xff08;Knowledge Graph&#xff09;是人工智能的重要分支技术&#xff0c;它在2012年由谷歌提出&#xff0c;成为建立大规模知识的杀手锏应用&#xff0c;在搜索、自然语言处理、智能助手、电子商务等领域发挥着重要作用。知识图谱与大数据…

mui.init方法配置

mui框架将很多功能配置都集中在mui.init方法中&#xff0c;要使用某项功能&#xff0c;只需要在mui.init方法中完成对应参数配置即可&#xff0c;目前支持在mui.init方法中配置的功能包括&#xff1a; 创建子页面、 关闭页面、 手势事件配置、 预加载、 下拉刷新、上拉加载、 设…

python wx模块下choice列表框值怎么更新_wx python

一、静态文本控件wx.StaticText(parent, id, label, poswx.DefaultPosition, sizewx.DefaultSize, style0, name"staticText")wx.StaticText构造函数的参数parent&#xff1a;父窗口部件。id&#xff1a;标识符。使用-1可以自动创建一个唯一的标识。label&#xf…

AI战“疫”!人工智能在疫情中的重要作用

来源&#xff1a;腾讯新闻网新冠肺炎疫情牵动着全国人民的心&#xff01;在防控疫情部署落实工作中&#xff0c;上海着力将人工智能等现代信息技术深入应用于疫情态势研判、传播路径分析、精准防控、有效治疗及后续治理等各工作环节。通过提供更加精准有效的科学决策依据&#…

linux 判断指针是否可读_Linux进程间通信——消息队列

概念什么是消息队列&#xff1f;消息队列亦称报文队列&#xff0c;也叫做信箱。是Linux的一种通信机制&#xff0c;这种通信机制传递的数据具有某种结构&#xff0c;而不是简单的字节流。消息队列的本质其实是一个内核提供的链表&#xff0c;内核基于这个链表&#xff0c;实现了…

【人工智能】中科院2019全球人工智能发展白皮书!八大关键技术中国崛起中,国产AI芯片耀眼...

来源&#xff1a;产业智能官人工智能是一个很宽泛的概念&#xff0c;概括而言是对人的意识和思维过程的模拟&#xff0c;利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率&#xff0c;特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业…