單一量子比特的幾何
定義 1.2.1
(量子比特的密度矩陣)
量子比特的密度矩陣是跡為一的半正定厄米(Hermitian) 矩陣。
Pauli 矩陣
均為厄米矩陣且跡為零,並滿足 。每個量子比特的密度矩陣都有唯一的展開式
定義 1.2.2
(Bloch 向量與 Bloch 球)
上述展開式中的向量 稱為 的 Bloch 向量。所有量子比特態的 Bloch 向量所成的集合稱為 Bloch 球。
由 Pauli 矩陣的乘法恆等式可得 。因此 的特徵值為 。半正定性恰好在 時成立:量子比特的態構成閉的 Bloch 球。
純度定義為 。這裏 。一個態為純態,當且僅當 ;球心 代表 。內部的點則為混合態。這種幾何圖像只適用於單一量子比特;一般的高維態空間並非此形式的歐幾里得(Euclid)球。
例題 1.2.3
(純態與混合態的 Bloch 向量)
對於 ,有 ,故其向量為 。以相等權重混合 與 所得的是 ;以相等權重混合 與 亦然:不同的製備系綜可以描述同一個密度矩陣,並且對該量子比特上的每一種測量給出相同的統計結果。
由測量到成功概率
假設某個源以相等的概率選取 或 。一個雙結果測量由半正定算子 給定,且 ;當結果為 時,我們猜測為 。由於 ,其成功概率為
任意有限結果的測量及判決規則,都可把導致同一猜測的效應算子相加而粗粒化,成功概率不變。因此只需對雙結果測量求最優值,而且這個最優值已包括廣義測量,不僅限於選定的計算基測量。
定義 1.2.4
(跡範數)
對方陣 ,跡範數為 。對厄米矩陣,它等於各特徵值絕對值之和。
定理 1.2.5
(兩個態的等先驗最優區分)
設 為密度矩陣,各以概率 被選取,且只有一個副本。在所有測量及判決規則之中,正確猜出標籤的最大概率為
取 為 的正特徵空間上的投影算子,並取 ,即可達到此值。
證明
(以差的特徵值為跡定界)
在標準正交特徵基 下寫出厄米差 ,其特徵值為 。由於 ,每個對角元 都落在 內。因此
因為 的項不超過零,而在 的項上 。
取 為由 的特徵向量生成的子空間上的投影算子,並取 ,則恰在 處 、其餘處 ,即可達到等號。零特徵空間可以分配給任一結果,而不會改變最優值。
設 為正特徵值之和, 為負特徵值的絕對值之和。由於 ,有 ,而 。故 ,從而
證明透視
每項假設用在哪裏
論證靠三個事實,各自只用在一處。等式 加上 ,把兩項的成功概率化為單一的跡 。條件 只用來把對角元 限制在 ; 的非對角元從不貢獻,因為在所選的基下 是對角的。唯一不顯然的一步就是選基:它把對算子的優化化為對權重 的優化,每個特徵值一個權重,最佳權重是正特徵值取 、負特徵值取 。論證之所以閉合,是因為這組權重正好是譜投影算子,它本身就是容許的效應。最終形式需要先驗概率相等:正是 把正部分換成跡範數的一半。若先驗概率不等,算子 的跡不為零,公式便會改變。
對於 Bloch 向量為 的量子比特,其差為 ,特徵值為 。因此 ,而
對徑的純態可以確定無誤地區分;相同的態則只有隨機猜測的成功概率 。居中的距離則給出居中的最優成功概率。
例題 1.2.6
(區分態 0 與態 plus)
在相等先驗概率下區分 與 。它們的 Bloch 向量為 與 ,相距 。最優成功概率為 。若採用計算基測量,並在結果為 時猜測 ,則成功概率為 ,這是有效的做法,但並非最優。
例題 1.2.7
(純態對最大混合態)
取 與 ,Bloch 向量分別為 與 。直接計算,,其跡範數為 ,兩向量的距離也是 。因此 。最優測量就是計算基測量,在結果為 時猜測 :若態為 ,猜中的概率為 ;若態為 ,猜中的概率為 ,平均為 。
例題 1.2.8
(關於球心對稱的兩個態)
取 Bloch 向量 與 。距離為 ,故 。差為 ,所以最優測量同樣是計算基測量。這兩個態都在球內,因此是混合態,但單憑距離就決定了最優值;向量的長度不再有其他作用。
反例模式
這對非正交態不能被完全辨識
一個誘人的說法是:只要測量夠巧妙,就總能在每次運行中分辨兩個不同的純態。以 與 檢驗。重疊量 不為零,而上述計算顯示,在相等先驗概率下,對單一副本而言 。測量有時能提供具參考價值的證據,但在此情形下沒有任何測量能保證每次運行都得出正確答案。純態要能被完全區分,必須正交,例如對徑的一對 。以獨立製備的多個副本重複實驗,則屬於另一種資源情境。
常見錯誤
(Bloch 球上的角度不等於 Hilbert 空間中的角度)
正交的純態在 Bloch 球面上是對徑的,並非成直角。態 與 的 Bloch 向量夾角為 ,但它們的重疊量為 ,對應 Hilbert 空間中的角度 。若把球面上的直角當作正交,便會以為 與 可以被完全區分;公式卻顯示最優成功概率只有約 。
常見錯誤
(在先驗概率不等時套用等先驗公式)
公式 假設每個標籤的概率都是 。若 ,但標籤 的先驗概率為 ,公式給出 ,然而一律猜 的成功概率是 。先驗概率不等時,測量必須針對加權算子 來調整。
練習與解答
以下各題中,兩種標籤的先驗概率相同,且只有一個副本。
快速檢查
(求 的 Bloch 向量與純度。)
把 寫成 的形式。
解答 · 答案
,故 ,純度為 。驗算:。
快速檢查
(在相等先驗概率下,區分 與 的最優成功概率是多少?)
比較兩者的 Bloch 向量。
解答 · 答案
它們的向量互為對徑,距離為二,故成功概率為 ;計算基測量即可達到。
快速檢查
(兩個源標籤都製備 。僅憑一個量子比特,最佳成功概率是多少?)
差的跡範數是多少?
解答 · 答案
兩個密度矩陣相同,故差為零,跡範數為零,最優值為 :這個量子比特不帶有任何關於標籤的資訊。
快速檢查
(求 Bloch 向量分別為 與 的兩個態的最優成功概率。)
使用距離公式。
解答 · 答案
距離為一,故得 。