Главная > КВАНТОВЫЕ ВЫЧИСЛЕНИЯ: ЗА И ПРОТИВ (В. А. Садовничего)
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

Из описания действий робота следует, что без дополнительных ограничений на $T$ итерации $T$ будут описывать решение и конечное состояние всей системы, не имеющие отношения к основной цели задачи, задаваемой уравнением (4). Чтобы пояснить это утверждение, предположим, что $\Psi(0)=\Theta(0) \phi_{p}$ представляет начальное состояние с $о$ и $c$ в состоянии $|m r 1,0\rangle$, положение квантового робота и частицы $p$ на решетке определяется состоянием $|x\rangle \phi_{p}$ с $\phi_{p}=\sum_{y} c_{y}|y\rangle$. Другие величины начального состояния можно получить из рис. 1 . После $k$ шагов вероятность, что часть поиска задачи завершена и в постоянную память записано $\underline{n}$, дается выражением
\[
P_{k}(n)=\left\langle\Psi(k)\left|P_{\underline{n}}^{s t}\left(1-P_{m r 1}^{o}\right)\right| \Psi(k)\right\rangle=\sum_{y}\left|c_{y}\right|^{2} P_{k}(n, y),
\]

где
\[
P_{k}(n, y)=\left\langle y, \Theta_{k}(y)\left|P_{\underline{n}}^{s t}\left(1-P_{m r 1}^{o}\right)\right| y, \Theta_{k}(y)\right\rangle .
\]

В этих уравненииях $\Psi(k)=T^{k} \Psi(0)=\sum_{y} c_{y} \Theta_{k}(y)|y\rangle$, где $\Theta_{k}(y)$ – состояние квантового робота после $k$ шагов, соответствующее $p$ в состоянии $|y\rangle$. Проекционный оператор $P_{\underline{n}}^{s t}=|\underline{n}\rangle\langle\underline{n}|$, где $|\underline{n}\rangle$ – состояние строки кубитов постоянной памяти, соответствующее числу $n$. Равенство правых частей уравнений (6) и (7) выражает условие, что $p$ неподвижна и ее состояние, за исключением возможного скрещения состояний, остается неизменным в течение всего выполнения задачи.
Вероятность $P_{k}(n, y)$ выбирает все фазовые траектории в уравнении (3), содержащие $2 n+1$ фазы ( $n$ фазы действий и $n+1$ фаз вычисления) в завершенной части поиска. Эти траектории объединяет то свойство, что во всех фазах вычисления, кроме последней, $p$ не была обнаружена квантовым роботом. В части поиска суммы по фазовым траекториям это соответствует ограничению для всех фаз, кроме двух последних, выражающемуся в том, что состояния, в которых находятся квантовый робот и $p$, не описывают одно и то же их местоположение. Сумма по выходным состояниям для последних ( $n$-х ) фаз действия поиска ограничены для состояний, в которых квантовый робот и $p$ имеют одно и то же местоположение $y$.

Зависимость $P_{k}(n)$ от $k$ введена условием, по которому траектории в суммах по фазовым траекториям для $\Theta_{k}(y)|y\rangle$, дающие вклад в уравнение (7), содержали бы $n$ фаз действия в выполненной части задачи поиска через $k$ шагов. Зависимость от $k$ входит через сумму $h$ уравнения (3), которое выражает квантовую дисперсию длительности различных фаз. Она существенно зависит от свойств $T$ и от расстояния $y-x$. Для достаточно больших $k$ амплитуды траекторий, которые все еще в части поиска задачи с $&lt;n+1$ выполненными фазами вычислений, должны быть очень малы. В этом случае, если $T_{a}$ разумные, (например, локальные и т. д.) и $\phi$ – волновой пакет, локализованный в окрестности некоторой величины $y_{0}$, то для величин $y$ близких к $y_{0}$ должен существовать предел при времени, стремящемся к бесконечности $P_{\infty}(n, y)$. Его значение должно быть достаточно близким к $P_{k}(n, y)$ для больших $k$, если $0 \leqslant y_{0}-x&lt;2^{N}$.

Может случиться, что для больших $k$ распределение $P_{k}(n, y)$ как функция $n$ имеет максимум, и функция сосредоточена около этого максимума. Однако без дополнительных ограничений на $T_{a}$ максимум может и не иметь отношения к расстоянию между $p$ и квантовым роботом. Один из способов исправить такое положение – потребовать, чтобы матричные элементы $T_{a}$ имели форму $\left\langle m r 1, x^{\prime}, i\left|T_{a}\right| 1, x, m r 1\right\rangle=$ $=a_{i} e^{-\alpha\left(x^{\prime}-x-1+i\right)^{2}}$, где $a_{i}$ – коэффициент, зависящий от $i$. В этом случае для больших $\alpha$ и $k P_{k}(n, y)$ должна иметь пик при $n=y-x$ с малой дисперсией (задаваемой соотношением $0 \leqslant y-x&lt;2^{N}$ ). В пределе $\alpha, k=\infty$ измерение расстояния будет абсолютно точным, без дисперсии. В этом случае $P_{\infty}(n, y)=\delta_{n, y}$, что согласуется с уравнением (4). Предел $k \rightarrow \infty$ необходим, поскольку дисперсия продолжительности фазы присутствует в сумме по фазовым траекториям (экспонента равна 0 , если $x^{\prime}=x+1$ и $i=0$, либо $x^{\prime}=x$ и $i=1$ ).

Обобщение для случая, когда применяется уравнение (5), получается непосредственно. В этом случае правая часть уравнения (6) заменяется $\sum_{x, x^{\prime}, y} d_{x^{\prime}}^{*} d_{x}\left|c_{y}\right|^{2} P_{k}\left(n, x^{\prime}, x, y\right)$. Сумма недиагональна по $x$ и диагональна по $y$, поскольку в этом простом примере квантовый робот движется, а частица $p$ неподвижна. Для больших величин $\alpha, k P_{k}\left(n, x^{\prime}, x, y\right)$ должны быть очень малы при $x^{\prime}
eq x$. В пределе $\alpha=\infty P_{\infty}\left(n, x^{\prime}, x, y\right)=$ $=\delta_{x^{\prime}-x} \delta_{n, y-x}$, что согласуется с уравнением (5) для $0 \leqslant y-x&lt;2^{N}$.

Categories

1
Оглавление
email@scask.ru