Quantenrechner und Grovers Algorithmus
|
|
- Laura Beyer
- vor 5 Jahren
- Abrufe
Transkript
1 Quantenrechner und Grovers Algorithmus Dirk Winkler Informatik Technische Universität Chemnitz. Januar 005
2 Inhalt Hintergrund Einführung Quanteninformation Grovers Algorithmus Verallgemeinerungen Literatur
3 Entwicklung Feynmann, Richard P. (198): Simulating physics with computers vermutet exponentielle Verlangsamung bei Simulation eines Quantensystems mit R Partikeln Grund: Beschreibungsgrösse exponentiell vs. linear Vermutung: Quantenrechner schneller Deutsch, David, 1985: Theorie für Quantenrechner: Beschreibung eines universellen Quantenrechners Bernstein, Vazirani, 1997: QTM simuliert QTM in Polynomialzeit
4 Physikalische Systeme physikalisches Modell muss experimentell nachweisbar sein Beschreibung eines Systemzustandes durch Tupel von Observablen zeitliche Veränderung des Zustandes: Gleichungen, Zustand von Zeit abhängig: x(t) zeitliche Entwicklung (time evolution) Beispiel Partikelzustand Position, Impuls, x = (x 1,x,x 3,p 1,p,p 3 ) erhalten Zustandsraum R 6 zusammengesetzte Systeme: Kartesisches Produkt
5 Probabilistische Systeme Diskrepanz zwischen Modellen und Realität; ggf. nur Wahrscheinlichkeitsaussagen möglich Annahme: System habe beobachtbare Zustände x 1,...,x n (reine Zustände), diese korrespondieren mit Basisvektoren [x 1 ],... [x n ] Zustand nur durch Verteilung gegeben: p 1 [x 1 ] + + p n [x n ] (gemischter Zustand), Vektorschreibweise: (p 1,...,p n ) T Beispiel Beim Wurf einer fairen Münze lässt sich der Zustand als 1 [Kopf ] + 1 [Zahl] auffassen (solange das Ergebnis nicht feststeht).
6 Probabilistische Systeme Zeit diskret betrachten; Zustandsübergänge probabilistisch: [x i ] p 1i [x 1 ] + + p ni [x n ], dabei p 1i + + p ni = 1 und p ji = P(x i x j x i ) Entwicklung eines gemischten Zustandes p 1 [x 1 ] + + p n [x n ] zu p 1 (p 11 [x 1 ] + + p n1 [x n ]) + + p n (p 1n [x 1 ] + + p nn [x n ]) = p 1 [x 1] + + p n[x n ] p 1 p. p n = p 11 p 1... p 1n p 1 p... p n p n1 p n... p nn Markov-Matrix: Zeilensummen gleich Eins, damit p p n = p p n, Markovkette p 1 p. p n
7 Quantensysteme Definition (Superposition für n-stufiges System) Ein Quantenzustand besteht aus einer Überlagerung (Superposition) α 1 x α n x n x i : Zustände, x i : ONB des Zustandsraumes H n die komplexen α i heissen Amplituden von x i, die Wahrscheinlichkeit, x i zu beobachten, ist α i mit α α n = 1 Messung des Zustandes (Beobachtung) führt zur Zerstörung der Superposition, System behält ermittelten Status bei
8 Quantensysteme Markovketten sind kein ausreichendes Beschreibungsmittel α i = Ψ(x i ), Wellenfunktion Vektordarstellung und zeitliche Entwicklung analog zu probabilistischen Systemen: α 1 α 11 α 1... α 1n α 1 α. = α 1 α... α n α α n1 α n... α nn α n α n
9 Quantensysteme Eigenschaften Matrizen sind unitär, daher ist zeitliche Entwicklung reversibel Zusammengesetzte Systeme: Basiszustände je x 1 (,..., x n und y 1,..., y m neue Basisvektoren xi, y j ) Darstellung n i=1 m j=1 α ij x i,y j mit n i=1 m j=1 α ij = 1 mathematisches Modell: Tensorprodukt der Zustandsräume H n H m mit Basis x i y j = x i y j = x i,y j (Dimension mn) Tensorprodukt nicht kommutativ Zustand zerlegbar, falls n i=1 m α ij x i y j = j=1 ( n )( m ) α i x i β j y j i=1 j=1 ansonsten verschränkt
10 Quanteninformation Quantenbit in zweistufigem System speichern: c c 1 1 ( ) ( ) =, 1 = 0 1 Ein-Bit-Operation durch unäres Quantengatter: unitäre Abbildung U : H H mit 0 a 0 + b 1, 1 c 0 + d 1 unitäre Matrix U = ( ) a c, b d ( ) 1 0 ( ) a, b ( ) 0 1 ( ) c d
11 Quantengatter Walsh-Matrix, Hadamard-Matrix: H = W = W W = I, W ist unitär Beispiel ( Simulation eines Münzwurfs mit W ; wir definieren die Zustände Kopf = ( 1 0 ) und Zahl = ( 0 1 ). Kopf 1 Kopf + 1 Zahl = 1 ( 1 1 ). Im Folgezustand wird also Kopf oder Zahl mit Wk. 1 beobachtet. Verzichtet man auf die Messung und führt die Operation erneut aus, ergibt sich der Zustand ( 1 0 ) = W 1 ( 1 1 ), also Kopf. Beim zweiten Münzwurf kann nur Kopf herauskommen probabilistisch nicht modellierbar. )
12 Interferenz auf ein Quantenbit bezogen: Grund: Wahrscheinlichkeiten werden nicht selbst überlagert, aber die Amplituden α i bzw. Wellenfunktionen Ψ bei probabilistischen Systemen nicht möglich, da nur nichtnegative reelle Koeffizienten auftauchen 1
13 Quantenregister Zwei-Bit-Register: H 4 = H H ( 10 ) ( 01 Basis 00 =, 01 = ), 10 = ( 00 Zustand c c c 10 + c 3 11 mit 3 i=0 c i = ), 11 = ( 00 Wahrscheinlichkeit, dass erstes Qubit im Zustand 0 bzw. 1 ist: c 0 + c 1 und c + c 3 n-bit-register: H n = H H Zustand teilbar (decomposable), wenn als Produkt darstellbar 0 1 )
14 Quantenregister Beispiel teilbarer Zustand: 1 1 ( ) = ( ) 1 ( ) Dagegen ist 1 ( ) nicht teilbar. Beweis. Sei 1 ( ) = (a b 1 1 )(a 0 + b 1 ). Dann 1 ( ) = a 1 a 00 + a 1 b 01 + b 1 a 10 + a b 11. = a 1 a = 1/ b 1 a = 0 Dies führt zum Widerspruch. b 1 b = 1/ a 1 b = 0
15 Operationen auf Quantenregistern betrachten ohne Einschränkung Zwei-Bit-Register Definition (Binäre Quantengatter) Ein binäres Quantengatter ist eine unitäre Abbildung U : H 4 H 4. H 4 = H H enthält Vektoren, die Tensorprodukte aus Vektoren von H sind Tensorprodukt zweier Matrizen M N: ( ) ( ) a b e f = c d g h [ ] [ ] e f e f a b g h g h [ ] [ ] e f e f = c d g h g h ae af be bf ag ah bg bh ce cf de df cg ch dg dh
16 Operationen auf Quantenregistern Beispiel Hadamard-Transformation W = H auf zwei Qubits erweitern: H = 1 ( ) ( ) = Anwendung auf Basisvektor x 1 x, x 1, x {0, 1}: 1 ( 0 + ( 1) x 1 1 ) 1 ( 0 + ( 1) x 1 ) = 1( 00 + ( 1) x 01 + ( 1) x ( 1) x 1+x 11 ) Mit x i = ( n j=1 x ji j ) mod gilt für die Erweiterung auf H n H n x = 1 n n 1 ( 1) x i i
17 Grovers Suchalgorithmus gegeben: f : {0, 1} n {0, 1} gesucht: x mit f (x) = 1 Suchraum mit N = n Elementen, Annahme: t 1 Lösungen f als Quanten-Blackbox-Funktion darstellen: für f : {0, 1} n {0, 1} m existiert ein umkehrbares F : {0, 1} m+n {0, 1} m+n sowie die zugehörige unitäre Transformation U f F(x, b) = (x, b f (x)) U f x, b F(x, 0) = (x, f (x)), hier ist m = 1 = x, b f (x) jeder Basisvektor x i (Dimension N = n ) stellt eine mögliche Lösung dar
18 Vorgehen Idee: Superposition aller Eingaben für f erzeugen, Amplituden der Lösungen verstärken, anschliessend Messung durchführen Walsh-Hadamard-Transformation Erzeugen einer Superposition, in der alle Zustände (Eingaben für f ) gleichwahrscheinlich enthalten sind H n x = 1 n 1 n i=0 ( 1)x i i, H n = Hn 1 Qubits anschliessend jeweils im Zustand 1 ( ) V f -Operator: separiert die Lösungsvektoren durch Negation der Amplitude (bei Grover rein reellwertig): V f x = ( 1) f (x) x Wahrscheinlichkeiten bleiben (noch) erhalten Umsetzung durch U f x 1 ( 0 1 ) = V f x 1 ( 0 1 ), Skizze:
19 Vorgehen D n : Inversion am Durchschnitt Amplituden müssen betragsmäßig geändert werden sei der Durchschnitt der Amplituden A = ( N i=1 α i)/ n : avg Operator D n hat folgende Wirkung: avg
20 Inversion am Durchschnitt Operator D n D n α 1. α n = D n = auf Basis von Quantengattern: D n = H n R n H n, wobei A (α 1 A) A α 1. =. A (α n A) A α n 1 n... n n n 1... n n n n 1 n R n = { x, x = 0 (n) x, sonst R n entspricht V f mit f (x) = x 1 x n
21 Algorithmus 1: gleichmäßige Superposition generieren: z := H n 0 (n) : G f = D n V f -mal auf z anwenden π 4arcsin t N 3: Beobachtung des Registers, Wert in x 0 speichern 4: Ⅎ1 : f (x 0 ) = 1 Ende, x 0 ausgeben 5: Ⅎ : f (x 0 ) = 0 gehe zu 1. Bemerkungen Wirkung des Grover-Operators: für z 0 = V f z 0 = 1 N ( i L i i L i ), ist z 1 = D n z 0 1 N ( x (0,1] = arcsinx > x : i L i + 3 i L i ) π 4 arcsin t N < π 4 N t
22 Analyse Eigenschaften erwartete Iterationen * : O( N/t), probabilistisch: Ω(N/t) Laufzeit: je Iteration O(n) = O(log N) Qubit-Operationen, also insgesamt O( N/t log N) Beweisskizze (*) l i : Amplitude einer Lösung nach Anwendung von G i f, k i : Nichtlösung Durchschnitt in Runde i > 0: Ai = (t l i 1 + (N t)k i 1 )/N Einsetzen Rekursion (ki = A i k i 1, l i = A i l i 1 ergibt l 0 = k 0 = 1/ N (1) k i = N t N l i = N t N k i 1 t N l i 1 () k i 1 + N t N l i 1 (3)
23 Analyse Fortsetzung Beweisskizze definieren θ = arcsin t/n, damit gilt sinθ = t/n cos θ = (N t)/n sin θ = t/n cos θ = (N t)/n Lösungen (Bew. durch Additionstheoreme und Induktion): k i = cos ((i + 1)θ) / N t (4) l i = sin((i + 1)θ) / t (5) Wahrscheinlichkeit, eine der t Lösungen zu messen, ist t li = sin ((i + 1)θ) =! 1 = (i + 1)θ = π/ es folgt i = π 4θ 1, daher wird G f π/(4θ) -mal angewendet
24 Analyse Fortsetzung Beweisskizze j = i abgerundet, daher Fehlermöglichkeit (Zeile 5, Ⅎ) erneuter Durchlauf, wenn Nichtlösungsvektor gemessen wird: P E = (N t)k j = cos [(j + 1)θ] = cos [( π/(4θ) + 1) θ] (6) = cos [( (π/(4θ) ǫ) + 1) θ] = cos [π/ + (1 ǫ)θ] = sin [(1 ǫ)θ] ǫ [0,1) = sin( θ) < sin[(1 ǫ)θ] sinθ, daraus folgt P E sin θ = t/n
25 Analyse Fortsetzung Beweisskizze Wahrscheinlichkeit für Neudurchlauf ist P E ; Anzahl von Durchläufen R GEO(1 P E ) hat Erwartungswert E(R) = 1 1 P E N N t, dieser ist für t N/ und 1 sonst pro Durchlauf π 4θ + 1 < π N 4 t + 1 Iterationen, insgesamt also ( ) N O t Sonderfall: t = N/4 = P E = 0, damit ist θ = π 6 ; einsetzen in (6)
26 Verallgemeinerungen unbekannte Lösungszahl (t < 3 4 N): ebenfalls O ( N t ) andere Lösungsräume {x 1,... x n }: ersetze H n durch Transformation, die den x i die gleiche Amplitude zuweist Grover-basierter Algorithmus, der das Minimum mit Wahrscheinlichkeit 1 in O( N) Iterationen findet Lösungen zählen: Amplituden der Vektoren in L und L zeigen nach Anwendung des Grover-Operators Periodizitäten; Quanten-Fourier-Transformation bestimmt diese annähernd und lässt auf Lösungsanzahl schlussfolgern
27 Literatur Hirvensalo, Mika (004). Quantum Computing. Zweite Auflage. Heidelberg: Springer. Gruska, Jozef (1999). Quantum Computing. London: McGraw-Hill International (UK) Limited. Berger, Andreas (00). Grovers Suchalgorithmus. Technische Universität Chemnitz. Fakultät für Informatik. < /ThIS/Seminare/ss0/QC/berger.pdf>
Quanteninformation/ Quantencomputer
Quanteninformation/ Quantencomputer Jonas Heinze Proseminar SS 2013 Jonas Heinze (University of Bielefeld) Quanteninformation/ Quantencomputer 2013 1 / 20 Übersicht 1 Kurzer Einstieg in die Informatik
MehrVorlesungsmitschrift. Quantencomputer. 2002/2003 Prof. Dr. Grädel. Jan Möbius,David Bommes. 9. Dezember 2002
Vorlesungsmitschrift Quantencomputer WS /3 Prof. Dr. Grädel Jan Möbius,David Bommes 9. Dezember Inhaltsverzeichnis Einleitung. Historischer Überblick......................................... Experiment................................................
MehrQuantum Computing. Seminar: Informatikanwendungen in Nanotechnologien. Wladislaw Debus
Seminar: Informatikanwendungen in Nanotechnologien 20.06.2006 Inhalt 1 Einführung 2 Aufbau eines Quantencomputers Qubits Quantenregister Schaltkreise 3 Komplexitätsklassen 4 Quantenalgorithmen Faktorisierung
MehrInhalt. Quantenbits, -gatter, -register. Einleitung. Seminar über Quantencomputer. Klassische Betrachtungsweise. Klassisches Modell
Quantenbits -gatter -register Seminar über Quantencomputer Jörg Meltzer & Axel Steinacker Inhalt Klassisches Modell Vektorielle Zustandsbeschreibung klassischer Register Einfache Gatter Was sind Qubits
MehrQU Darstellung durch 1-Partikel-System mit zwei Eigenzuständen 0 und 1. (z.b. Spin, Polarisierung, Grund- und erregter Zustand eines
1 Klassische vs. Quantencomputer 1.1 Bits und Qubits KL Darstellung durch gemeinsamen Zustand vieler Elektronen. Diskretisierung durch Schwellwert bezüglich einer Observablen. (z.b. Spannung am Kondensator).
MehrQuanten Fourier Transformation & Shors Faktorisierungs Algorithmus
Quanten Fourier Transformation & Shors Faktorisierungs Algorithmus Universität Siegen 4. Juli 2006 Inhaltsverzeichnis Quantenfouriertransformation 1 Quantenfouriertransformation Rechnen mit Qubits diskrete
MehrEinführung in Quantenalgorithmen
Einführung in Quantenalgorithmen Inhalt: 1. Einleitung 2. Einteilung der Quantenalgorithmen 3. Vorteile von Quantenalgorithmen 4. Funktionsweise bzw. Aufbau von Quantenalgorithmen 5. Erste Beispiele: a.
MehrQuantencomputer: Einführung
Quantencomputer: Einführung Martin Lange Institut für Informatik Ludwig-Maximilians-Universität München Quantencomputer: Einführung p.1/29 Einleitung Quantencomputer: Einführung p.2/29 Geschichte Computer
MehrMotivation Phasenbestimmung
Motivation Phasenbestimmung Problem Spezialfall der Phasenbestimmung Gegeben: Zustand z = 1 n y {0,1} n( 1)x y y Gesucht: x F n Für n = 1 ist der Zustand z = 1 ( 0 + ( 1) x 1 ) = H x. Es gilt H z = x,
MehrEinführung in Quantencomputing
Einführung in Quantencomputing Proseminar v. F. Saphir..003 Zusammenfassung Dieser Teil der Einführung in Quantencomputing stellt die Vorteile gegenüber klassichen Computern vor, behandelt eine Reihe einfacher
MehrQuantenrechner. Ideen der Informatik Kurt Mehlhorn
Quantenrechner Ideen der Informatik Kurt Mehlhorn Übersicht Vorteile von Quantenrechnern Qbits und Überlagerungen Quantenrechner Grovers Algorithmus Technische Realisierung Zusammenfassung Quantenrechner
MehrAlgorithmen für Quantencomputer I
1. Institut für Theoretische Physik Universität Stuttgart 19. Juli 2011 1 Grundlagen (Wiederholung) QuBit Register Gatter 2 3 Bit-Flip-Fehler Phasen-Flip-Fehler 4 Prinzip eines Quantenalgorithmus QuBit
MehrÜbungsaufgaben Quantum-Computing
Departement Informatik Open Class Sieben Wunder der Informatik Prof. Dr. Juraj Hromkovič Übungsaufgaben Quantum-Computing Zürich, 30. Oktober 007 Zusammenfassung Die erste und sehr gut geschriebene deutschsprachige
Mehr1- und 2-Wege QFAs. Stephan Sigg Quantentheoretische Grundlagen. 3. DFAs und QFAs. 4. Einige bekannte Ergebnisse
1- und 2-Wege QFAs Stephan Sigg 09.12.2003 1. Einleitung und Überblick 2. Quantentheoretische Grundlagen 3. DFAs und QFAs 4. Einige bekannte Ergebnisse 5. Offene Fragen 6. Schluß Seminar 1- und 2-wege
MehrUniverselle Quantengatter
Universelle Quantengatter Physik des Quantencomputers Alexander Jakub Kwiatkowski Fakultät für Physik, KIT 24. April 2012 A.J.Kwiatkowski (Fakultät für Physik, KIT) Universelle Quantengatter 24.04.12 1
MehrQuanteninformation und mögliche Anwendungen in der Kommunikationstechnik
Quanteninformation und mögliche Anwendungen in der Kommunikationstechnik David Hellmers, 14. Juni 2016 Übersicht Motivation Quanteninformatik Qubits Quanten-Gates Quantenkommunikation Quantenkanal Quantenkryptographie
MehrEinführung in Quantencomputer
Einführung in Quantencomputer Literatur M. Homeister, (jetzt FB Informatik und Medien an der Fachhochschule Brandenburg) Quantum Computing verstehen, Springer Vieweg Verlag (25) E. Rieffel und W. Polak,
MehrSimulating Physics with Computers
Simulating Physics with Computers Richard P. Feynman Streckenzugverfahren nach Euler Feynman will über Computer nachdenken, die die Natur nicht nur imitieren sondern sie exakt nachahmen/emulieren. Da die
MehrSimulation eines Quantencomputers
Simulation eines Quantencomputers J. Metzner, M. Schmittfull Simulation eines Quantencomputers p.1/34 Ziele des Projekts Entwicklung einer leistungsfähigen und effizienten Simulation eines Quantencomputers
MehrQuantencomputing II. Hecke Schrobsdorff. Oberseminar Theoretische Informatik SS Max Planck Institute for Dynamite and Cell-Phonisation
Quantencomputing II Hecke Schrobsdorff Max Planck Institute for Dynamite and Cell-Phonisation Oberseminar Theoretische Informatik SS 2005 Inhalt 1 Zusammenfassung 2 Verschränkung 3 No Cloning 4 Quantenkryptographie
Mehr9.2 Die Klassen QP und BQP
Definition (r-universell): sei R eine Menge von reversieblen booleschen Funktionen, die auf einer konstanten Anzahl von Bits operieren. R heißt r-universell, falls jede reversible Funktion als Verknüpfung
MehrDer Quantencomputer. Unterschiede zum Digitalrechner und Nutzungsmöglichkeiten. Dresden, Simon Willeke
Fakultät Informatik Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architketur Der Quantencomputer Unterschiede zum Digitalrechner und Nutzungsmöglichkeiten Simon
MehrQuantenrechner. Ideen der Informatik
Quantenrechner Ideen der Informatik Kurt Mehlhorn Adrian Neumann 16. Januar 2014 Übersicht Vorteile von Quantenrechnern Qbits und Überlagerungen Quantenrechner Grovers Algorithmus Technische Realisierung
Mehr20 2 Vom Bit zum Quantenregister
0 Vom Bit zum Quantenregister zweier Zustände. Wir können aber niemals erkennen, welchen Wert diese Anteile α und β genau haben. Wollen wir die Drehrichtung bestimmen, müssen wir sie messen. Dabei wird
MehrQuantum Ordered Binary Decision Diagrams
Quantum Ordered Binary Decision Diagrams Hecke Schrobsdorff BCCN Göttingen Oberseminar Theoretische Informatik WS 5 Inhalt Einführung Wiederholung: Quantumcomputing 3 Wiederholung: OBDDs 4 Quanten Branching
MehrGrundlagen des Quantencomputers
Grundlagen des Quantencomputers KIT Karlsruher Institut für Technologie Christian Tesch Gliederung 1. Qubit und Quantenregister 2. Quantengatter 3. Mögliche Anwendungen für Quantencomputer 4. Praktische
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrQuantum Computing verstehen
Computational Intelligence Quantum Computing verstehen Grundlagen - Anwendungen - Perspektiven Bearbeitet von Matthias Homeister 4. Auflage 2015. Buch. XI, 311 S. Kartoniert ISBN 978 3 658 10454 2 Format
MehrDekohärenz und die Entstehung klassischer Eigenschaften aus der Quantenmechanik
Dekohärenz und die Entstehung klassischer Eigenschaften aus der Quantenmechanik G. Mahler Spezialvorlesung SS 006 7. 4. 006 Einführung und Übersicht Warum und in welchem Sinn ist Kohärenz»untypisch«? 04.
MehrKohärenz, Verschränkung und Verschränkungsmaße I
Kohärenz, Verschränkung und Verschränkungsmaße I Bernd Kübler Bernd Kübler Kohärenz, Verschränkung und Verschränkungsmaße 1 Motivation Theoretische Werkzeuge zur Handhabung von Qubits sind unerlässlich
MehrQuantenmechanik-Grundlagen Klassisch: Quantenmechanisch:
Quantenmechanik-Grundlagen HWS DPI 4/08 Klassisch: Größen haben i. Allg. kontinuierliche Messwerte; im Prinzip beliebig genau messbar, auch mehrere gemeinsam. Streuung nur durch im Detail unbekannte Störungen
MehrCryptanalytic Attacks on RSA
Seminararbeit Cryptanalytic Attacks on RSA Quantum Computing Attack Eingereicht am: 5. Juni 2016 Eingereicht von: Rimbert Fischer Matrikelnummer: inf100606 E-Mail: inf100606 (at) fh-wedel.de Referent:
MehrKlasse WI06b MLAN2 zweite-klausur 13. Juni 2007
Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe
MehrQuantenalgorithmen. Literatur. Alexander May 28. Oktober Mika Hirvensalo Quantum Computing
Quantenalgorithmen Alexander May 8. Oktober 0 Literatur Mika Hirvensalo Quantum Computing Chuang/Nielsen Quantum Computation and Quantum Information D. Aharanov Quantum Computation Warum Quantenalgorithmen.
MehrFerienkurs Quantenmechanik 2009
Ferienkurs Quantenmechanik 2009 Grundlagen der Quantenmechanik Vorlesungsskript für den 3. August 2009 Christoph Schnarr Inhaltsverzeichnis 1 Axiome der Quantenmechanik 2 2 Mathematische Struktur 2 2.1
MehrQuanteninformatik MATHEMATISCHE. Seminararbeit. Alexander Hentschel
Quanteninformatik MATHEMATISCHE GRUNDLAGEN UND Q-BITS Seminararbeit Alexander Hentschel hentsche@informatik.hu-berlin.de Institut für Informatik, Humboldt Universität Berlin Wintersemester 2004 p. 1/60
MehrSeminar zur Nanoelektronik 2008: Quantencomputer. Jan-Philip Gehrcke. Julius-Maximilians-Universität Würzburg. 17. Juli 2008
Seminar zur Nanoelektronik 2008: Quantencomputer Jan-Philip Gehrcke Julius-Maximilians-Universität Würzburg 17. Juli 2008 Übersicht 1 Motivation Quantencomputer 2 Logische Operationen 3 Anforderungen bei
MehrAlgebraische und arithmetische Algorithmen
Kapitel 1 Algebraische und arithmetische Algorithmen 1.1 Das algebraische Berechnungsmodell Struktur: Körper (oder Ring) mit den Operationen +,,, (/) Eingabe: endliche Folge von Zahlen Ausgabe: endliche
MehrInformatik II. Nachtrag: DNA- und Quantencomputing. DNA- und Quantencomputing. DNA- und Quantencomputing. Einführung. Rainer Schrader. 3.
Informatik II Einführung Rainer Schrader Nachtrag: Zentrum für Angewandte Informatik Köln 3. Februar 009 / 5 / 5 Gliederung DNA-Computing ein Verfahren zur Bestimmung Hamiltonscher Pfade Quantencomputing
Mehr6 Der Harmonische Oszillator
6 Der Harmonische Oszillator Ein Teilchen der Masse m bewege sich auf der x-achse unter dem Einfluß der Rückstellkraft Fx = mω x. 186 Die Kreisfrequenz ω bzw. die Federkonstante k := mω ist neben der Masse
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrFallstudien der mathematischen Modellbildung Teil 3: Quanten-Operationen. 0 i = i 0
Übungsblatt 1 Aufgabe 1: Pauli-Matrizen Die folgenden Matrizen sind die Pauli-Matrizen, gegeben in der Basis 0, 1. [ [ [ 0 1 0 i 1 0 σ 1 = σ 1 0 = σ i 0 3 = 0 1 1. Zeigen Sie, dass die Pauli-Matrizen hermitesch
MehrQuantenfehlerkorrektur
korrektur korrektur 14. Juli 2005 Seminar: Quantencomputing korrektur Einleitung Ideales (fehlerfreies) Quantencomputing liefert schnelle Algorithmen Ideales Quantencomputing ohne Bedeutung für die Praxis
MehrTh. Risse, HSB: MAI WS05 1
Th. Risse, HSB: MAI WS05 1 Einige Übungsaufgaben zur analytischen Geometrie & linearen Algebra viele weitere Übungsaufgaben mit Lösungen z.b. in Brauch/Dreyer/Haacke, Papula, Stingl, Stöcker, Minorski
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrTheoretical Biophysics - Quantum Theory and Molecular Dynamics. 6. Vorlesung. Pawel Romanczuk WS 2016/17
Theoretical Biophysics - Quantum Theory and Molecular Dynamics 6. Vorlesung Pawel Romanczuk WS 2016/17 http://lab.romanczuk.de/teaching Zusammenfassung letzte VL Streuzustände Potentialschwelle Potentialbarriere/Tunneleffekt
MehrShift-Invarianz, periodische Funktionen, diskreter Logarithmus, hidden-subgroup-problem
Shift-Invarianz, periodische Funktionen, diskreter Logarithmus, hidden-subgroup-problem Quantencomputing SS 202 5. Juni 202 5. Juni 202 / 20 Shift-Invarianz der Fourier-Transformation Shift-Invarianz der
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrAlgebraische und arithmetische Algorithmen
Kapitel 1 Algebraische und arithmetische Algorithmen 1.1 Das algebraische Berechnungsmodell Struktur: Körper (oder Ring) mit den Operationen +,,, (/) Eingabe: endliche Folge von Zahlen Ausgabe: endliche
MehrVortrag 20: Kurze Vektoren in Gittern
Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die
MehrDarstellungstheorie. Vortag von Heiko Fischer - Proseminar QM
Darstellungstheorie Vortag von Heiko Fischer - Proseminar QM Wir haben uns in den vergangenen Vorträgen intensiv mit den Eigenschaften abstrakter Gruppen beschäftigt. Im physikalischen Kontext sind Gruppen
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrQuantenschaltkreise. Seminar: Quantenrechner ~ Sommersemester Dozenten: Prof. Johannes Köbler und Olaf Beyersdorff
Quantenschaltkreise Seminar: Quantenrechner ~ Sommersemester 24 Dozenten: Prof. Johannes Köbler und Olaf Beyersdorff Vortrag: Jens Kleine ~ jkleine@informatik.hu-berlin.de Vortag vom 12.5.24 ~ Humboldt
MehrStichworte zur Quantentheorie
Stichworte zur Quantentheorie Franz Embacher 1 und Beatrix Hiesmayr Unterlagen zum Workshop Quantenkryptographie und Quantencomputer im Rahmen der 58. Fortbildungswoche Physik/Chemie Institut für Theoretische
MehrQuantencomputer. Tobias Tyborski HU Berlin
Quantencomputer Tobias Tyborski HU Berlin Quantencomputer Vortragsübersicht 1. allgemeine Informationen - Stand der Technik, Definitionen 2. Wie rechnet der QC? - single-qubit-gate, two-qubit-gate 3. physikalische
MehrQuantencomputer. Der Shor-Algorithmus. Präsentation von Oleg Yuschuk
Quantencomputer Der Shor-Algorithmus Präsentation von Oleg Yuschuk Der Shor Algorithmus Peter W. Shor (* 14. August 1959 in New York) Algorithmus zum Faktorisieren von Zahlen auf dem Quantencomputer Besonderheit:
MehrEinführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018
1 Beweisen Sie folgende Aussage: Das Produkt zweier ungeraden Zahlen ist ungerade Beweisen Sie folgende Aussage: Es gibt keine ganzen Zahlen n, m mit 8m + 4n = 100 [Hinweis: Beweisen Sie indirekt Nehmen
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrQuantenphysik aus klassischen Wahrscheinlichkeiten C. Wetterich. nicht
Quantenphysik aus klassischen Wahrscheinlichkeiten C. Wetterich Gott würfelt Gott würfelt nicht Quanten Teilchen und klassische Teilchen Quanten Teilchen klassische Teilchen Teilchen-Welle Dualität Unschärfe
MehrB) Lineare Operatoren 7. Algebra, Norm, Konvergenzen, Strukturen
B) Lineare Operatoren 7. Algebra, Norm, Konvergenzen, Strukturen 7.1. Def: Linearer Operator: Lineare Abbildung zwischen Vektorräumen A( ) AA A: V W Spezieller: zwischen normierten Räumen, Banachräumen
MehrVortrag über QUANTENCOMPUTER. gehalten von Marcus HARRINGER, Gregor KÖNIG, Michael POBER, Klaus WERDENICH
Vortrag über QUANTENCOMPUTER gehalten von Marcus HARRINGER, Gregor KÖNIG, Michael POBER, Klaus WERDENICH 24.01.2002 Einleitung massive Parallelrechner und absolut sichere Kodierungssyteme Erweiterung der
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Spender A B AB 0 Empfänger A B AB 0 1 0 0 0 1 0 1 1 1 0 0 0 1 1 1 1 1 verträglich 0 unverträglich Modul 210 Koordinatensysteme. Matrizen Lernumgebung Hans
MehrAlgorithmen für Quantencomputer II Der Shor Algorithmus
Der Shor Algorithmus Hauptseminar Theoretische Physik Universität Stuttgart, SS 2011 Inhalte des Vortrags Motivation: wie findet man Primfaktoren auf klassischem Wege? Zwei Sätze der Zahlentheorie und
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
Mehrൿ ψ ± = 01 ± Verschränkte Zustände. Fabio Di Pumpo ASQ Leibnitz und die Quantenphysik Verschränkte Zustände WS16/17
φ ± ൿ = 00 ± 11 2 ൿ ψ ± = 01 ± 10 2 Verschränkte Zustände Fabio Di Pumpo 01.03.2017 ASQ Leibnitz und die Quantenphysik Verschränkte Zustände WS16/17 Seite 2 Inhaltsverzeichnis 1. Einleitung 2. Hilbertraum
MehrLineare Algebra II (SS 13)
Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrPrüfungsklausur Mathematik I für Bauingenieure am
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Bauingenieure am 9.02.204 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 3 4 6 7 8 9 0 gesamt erreichbare P. 8 0 3
Mehr7.3 Unitäre Operatoren
Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren
MehrHybride Systeme. Wolfgang Kleier. 27. Juni Universität Bayreuth
Hybride Systeme Wolfgang Kleier Universität Bayreuth 27. Juni 2008 Inhalt 1 Einleitung Was ist ein hybrides System? Hybrider Automat 2 Beispiele Wasserstandskontrollsystem Hüpfender Ball Gehemmtes Pendel
MehrWichtige Kenntnisse der Linearen Algebra
Wichtige Kenntnisse der Linearen Algebra In Kapitel 3 der Vorlesung werden wir sehen (und in Kapitel 6 vertiefen, dass zur Beschreibung von Quantensystemen mathematische Begriffe aus dem Gebiet der Linearen
MehrKryptoanalyse (1) Problem: Primfaktorzerlegung großer Zahlen. Beispiel. Zahl mit 100 Dezimalstellen ( 333 Binärstellen [bit])
Kryptoanalyse (1) Problem: Primfaktorzerlegung großer Zahlen 53 127 = 6731 Standardverfahren: Ausprobieren. Aber: Laufzeit wächst exponentiell zur Zahlenlänge! Beispiel Zahl mit 100 Dezimalstellen ( 333
MehrAngewandte Stochastik
Angewandte Stochastik Dr. C.J. Luchsinger 13 Allgemeine Theorie zu Markov-Prozessen (stetige Zeit, diskreter Zustandsraum) Literatur Kapitel 13 * Grimmett & Stirzaker: Kapitel 6.9 Wie am Schluss von Kapitel
MehrFür die Matrikelnummer M = Dann sind durch A =
Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie
Mehradjungiert, Adjunktion
A adjungiert, Adjunktion Ist A eine lineare Transformation des Hilbertraumes H mit Skalarprodukt, so gibt es eine (eindeutig bestimmte) lineare Transformation A von H mit der Eigenschaft (A x) y = x (Ay)
MehrDer Primzahltest von Agrawal, Kayal und Saxena. Dr. Gerold Jäger
Der Primzahltest von Agrawal, Kayal und Saxena Dr. Gerold Jäger Habilitationsvortrag Christian-Albrechts-Universität zu Kiel Institut für Informatik 19. Januar 2011 Dr. Gerold Jäger Habilitationsvortrag
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrKapitel 12: Markov-Ketten
Folie zur Vorlesung Wahrscheinlichkeitsrechnung und Stoch. Prozesse 21.01.2016 Kapitel 12: Markov-Ketten Ab jetzt betrachten wir stochastische Prozesse (X n ) n N0 mit 1. diskreter Zeit N 0 = {0,1,2,...},
MehrAnalysis. Lineare Algebra
Analysis Ableitung Ableitungsregeln totale und partielle Ableitung Extremwertbestimmung Integrale partielle Integration Substitution der Variablen Koordinatentransformationen Differentialgleichungen Lineare
MehrLineare Gleichungssysteme
Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.
MehrProseminar CiS November Quantencomputer. Tom Petersen
Proseminar CiS November 2011 Quantencomputer Tom Petersen Die Idee des Quantencomputers - Fortschreitende Miniaturisierung - Es existieren technische Grenzen, auch wenn sie durch neue Verfahren immer weiter
MehrKarlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 212/13 Institut für Analysis 14.1.213 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Aufgabe 1 Höhere Mathematik I für die Fachrichtung Physik 12. Übungsblatt Sei
Mehr11. Vorlesung. Lineare Algebra und Sphärische Geometrie.
11. Vorlesung. Lineare Algebra und Sphärische Geometrie. In dieser Vorlesung behandeln wir eine geometrische Anwendung der linearen Algebra. Insbesondere betrachten wir orthogonale Abbildungen. 1. Orthogonale
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Mehr47 Singulärwertzerlegung
47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrPrüfungsklausur Mathematik I für Bauingenieure am
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Bauingenieure am 5.02.208 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 3 4 5 6 7 8 9 0 2 gesamt erreichbare P. 5
MehrMathematischer Vorkurs
Mathematischer Vorkurs Dr. Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite 1 / 170 Vollständige Induktion Kapitel 13 Vollständige Induktion Mathematischer Vorkurs TU Dortmund Seite 117 / 170 Vollständige
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
MehrSeminararbeit. Orthogonale Gruppen. Marvin K. Neugebauer. 15. Juli 2010
Seminararbeit Orthogonale Gruppen Marvin K Neugebauer 15 Juli 2010 Prof Dr Schwachhöfer Lehrstuhl für Differentialgeometrie Proseminar Lineare Algebra SS 2010 Dank an Rafael Kawka für die Hilfe bei der
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrHöhere Mathematik I HM I A. WiSe 2014/15. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe 4/ Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
Mehr