추가.
질문 형식을 다시 고려한 후 ( 예 : 분모 의 M † M- 예 를 들어 프로젝터에 적합한 단일 운영자 M과 반대) Nielsen과 Chaung 사본을 다시 검토 한 후 여기에 몇 가지 추가 세부 정보가 있습니다. 이전 답변으로 다루지 않았습니다. (길이 때문에이 답변을 별도의 답변으로 게시하고 있으며 이전 답변보다 '설명'이 적기 때문입니다.)
큐 비트 측정 유일한 수단은 가정 X는 간접적 일 : ancilla와 '약한'상호 작용 에 측정 한 다음, . 우리는 이것들에 대해 X 를 측정하는 방식으로 이야기하고 싶습니다 . 그러한 측정을 X 만으로 어떻게 설명 할 수 있습니까? 음 : 초기 상태에서 A 를 쉽게 준비 하고 을 수행하고 X 를 제어로, A 를 대상 으로하여 다음과 같은 제어 된 단일을 수행 할 수 있다고 가정 하십시오 .|+⟩∝|0⟩+|1⟩
U=⎡⎣⎢⎢⎢⎢1000010000cos(π12)−sin(π12)00sin(π12)cos(π12)⎤⎦⎥⎥⎥⎥
그런 다음 표준 기준으로 A 를 측정 합니다 ( 이제 A 는 측정 결과를 저장합니다). 이는 다음과 같이 X 상태를 변환합니다 .
|ψ0⟩X=↦↦=↦α|0⟩X+β|1⟩Xα|0⟩X⊗(12√|0⟩A+12√|1⟩A)+β|1⟩X⊗(12√|0⟩A+12√|1⟩A)α|0⟩X⊗(12√|0⟩A+12√|1⟩A)+β|1⟩X⊗(3√2|0⟩A+12|1⟩A)(α2√|0⟩X+3√β2|1⟩X)⊗|0⟩A+(α2√|0⟩X+β2|1⟩X)⊗|1⟩A⎧⎩⎨|ψ1⟩X⊗ | 0⟩ㅏ∝( α2√| 0⟩엑스+ 3√β2|1⟩엑스) ⊗|0⟩ㅏ|ψ1⟩엑스⊗ | 1⟩ㅏ∝( α2√| 0⟩엑스+ β2| 1⟩엑스) ⊗| 1⟩ㅏ결과 0; 또는 결과 1.
위의 방정식에서 측정 결과가 c 이면 X 의 최종 상태 은 비례 합니다.| ψ ' 1 ⟩ = M의 C | ψ 0 ⟩| ψ1⟩| ψ'1⟩ = M씨| ψ0⟩
미디엄0=12√| 0⟩⟨0 | + 3√2| 1⟩⟨1 |,미디엄1=12√| 0⟩⟨0 | + 12| 1⟩⟨1 |;
측정 결과를 얻는 확률이 각 경우에 .⟨ ψ'1| ψ'1⟩=⟨ ψ0| 미디엄†씨미디엄씨| ψ0⟩
이것은 투영 측정을 설명하는 것과 같은 방식으로 X 의 변환을 설명하는 데 매우 가깝습니다 . 그러나 이것은 어떤 종류의 측정입니까? 음 :이 절차의 여러 반복 결과에 대한 통계를 수행 할 수 있고 X 가 표준 기준 인 경우 '0'결과를 얻을 때 편향이 있음을 알 수 있습니다. 더 자주 얻습니다. 때 X는 상태 초기에 . 측정 결과가 또는 와 같이 더 많이 분포되어 있는지 구별하기에 충분한 시간을 샘플링 할 수 있으면 큐 비트가 초기 상태인지 여부를 높은 확률로 확인할 수 있습니다| 1 ⟩( 12, 12)( 34, 14)| 0⟩ 또는 상태 .| 1 ⟩
확률 및 업데이트 공식과 투영 측정의 유사성, 측정 통계를 사용하여 측정 된 상태에 대한 정보를 얻을 수 있다는 사실은 '측정'개념을 일반화하여 다음과 같은 절차를 포함시킵니다. 위 : 우리는 하나, 둘 또는 그 이상의 운영자 (실제로 'Kraus 운영자', CPTP 맵과 관련된 객체)에 의해 가능한 측정 결과를 설명 할 수 있으며 결과는 약간 일반화 된 Born 규칙에 의해 설명됩니다.미디엄씨
홍보| ψ0⟩( 결과 = c )=⟨ ψ0| 미디엄†씨미디엄씨| ψ0⟩,
여기서 는 측정 및 관련 업데이트 규칙과 관련된 Kraus 연산자입니다.미디엄씨
| ψ1⟩=미디엄씨| ψ0⟩⟨ ψ0| 미디엄†씨미디엄씨| ψ0⟩−−−−−−−−−−−−√.
확률을 보존하기 위해서는 (확실히 하나 이상의 측정 결과가 발생하도록) 합니다. 이것은 Nielsen과 Chaung이 설명한 귀하의 질문에서 가장 일반적인 형태입니다. (이것은 밀도 연산자로 상태를 설명 할 때 약간 더 좋아 보입니다.)∑씨미디엄†씨미디엄씨= 나는
총론.
일반적으로, 언제 우리가 ancilla (또는 ancillas의 컬렉션) 소개 것을 , 상호 작용 큐 비트를 (또는 여러 개의 큐 비트의 등록) X를 함께 단일로 다음에 투영 측정을 수행 을 ,이 측정의 종류에 상승을 제공 의 X ; 측정 운영자이어서 포지티브 semidefinite 연산자 일부 컬렉션에 의해 설명 될 수 되도록 (또 다시 확률이 보존되도록).미디엄씨∑씨미디엄†씨미디엄씨=나는
여기에 설명 된보다 일반적이고 약한 측정 값은 POVM과 더 밀접한 관련이 있으므로, 연산자 를 제공하고 연산자를 제공함으로써 변환을 명시 적으로 선택하지 않고도 측정 확률을 '추상적으로'쉽게 설명 할 수 있습니다 이것들은 확률을 계산하기 위해 태어난 규칙입니다. 위와 이전 응답에서 모두 언급했듯이 POVM은 시스템에 대한 통계적으로 사용 가능한 정보를 설명하는 것으로 간주 될 수 있습니다.미디엄씨이자형씨= M†씨미디엄씨
이런 방식으로 Kraus 연산자 (및 위의 '측정 결과 레지스터' A )와 관련하여 측정을 생각하면 CPTP 맵의 측정 개념을 가정 할 수 있습니다. 이것이 제가 즐기는 아이디어입니다. (그러나 이것이 분석적 관점에서 실제로 변화를 일으키지는 않으며 CPTP 맵에 아직 익숙하지 않은 경우 걱정할 것이 아닙니다).