Vorlesungsmitschrift. Quantencomputer. 2002/2003 Prof. Dr. Grädel. Jan Möbius,David Bommes. 9. Dezember 2002
|
|
- Frauke Bader
- vor 5 Jahren
- Abrufe
Transkript
1 Vorlesungsmitschrift Quantencomputer WS /3 Prof. Dr. Grädel Jan Möbius,David Bommes 9. Dezember
2 Inhaltsverzeichnis Einleitung. Historischer Überblick Experiment Erklärung Messung eines Zustandes Einige Grundlagen der QM Zustände Hilbertraum Dirac-Notation Qubits n-qubit System (Quantenregister Notation Messung Observable Evolution No Cloning Theorem Quantum Gates und QGA Definition Gates auf dimensionalem Hilbertraum (m= Gates auf dimensionalem Hilbertraum (m= Tensorprodukt von Matrizen Hadamard Transformation revisited Quantum Gate Arrays (QGA
3 Kapitel Einleitung. Historischer Überblick 98 Richard Feynman : Spekulation über die Möglichkeit, Quantencomputer zu realisieren, welche gewisse Aufgaben effizienter lösen können als klassische Computer. inhärente Parallelität in QM-Prozessen Deutsch, Bernstein-Vazirani,Yao : Modelle für Quanten-Computer (QTM,Quantum gate arrays Quanten-Komplexität einfache Algorithmen 994 Peter Shor : Polynomzeit Algorithmus für QC um natürliche Zahlen zu faktorisieren. Basis : Quanten-Fourier-Transformation 996 Grover : Suchalgorithmus, der eine Nadel in einem Heuhaufen der Größe N in O( N Schritten findet. : QC mit 7 Qubit, 5 = 3 5 (Shor Probleme : Mehr Algorithmen? Welche Probleme kann man mit QC effizient lösen? kann man QC vernünftiger Größe bauen?. Experiment Polarisierungsfilter: polarisieren Licht horizontal, vertikal, bzw. 45.
4 Abbildung.: Experiment.. Erklärung Der Polarisierungszustand eines Photons ist beschrieben durch den Vektor ψ = α + β in einem zwei dimensionalen Vektorraum mit der Basis {, }. Nur die Richtung ist wesentlich Einheitsvektoren α + β = Die Basiswahl ist beliebig. Statt {, } geht auch {, }. (jedes Paar von orthogonalen Einheitsvektoren ist zulässig... Messung eines Zustandes Messung : Projektion bezüglich Orthonormalbasis. Zu einer Messapparatur gehört eine Basis, wie zum Beispiel {, }. Die Messung von ψ = α + β projiziert ψ entweder auf (mit Wahrscheinlichkeit α oder auf (mit Wahrscheinlichkeit β. Nach der Messung ist ψ zerstört, transformiert in einen Basiszustand. Jede weitere Messung würde das selbe Resultat ergeben. Zu verschiedenen Messapparaturen gehören verschiedene ON-Basen. Polarisierungsfilter bezüglich Polarisierung ζ : Messung des polarisations Zustands ψ bezüglich der Basis {sin ζ + cos ζ, cos ζ sin ζ } Abbildung.: Messung des Pol. Zustands Die Photonen, die nach der Messung der Polarisation entsprechen werden durchgelassen, die anderen reflektiert. Filter A : Polarisierung : Basis : {, } 5% der Photonen werden auf projeziert und durchgelassen. 3
5 Filter B : Polarisierung : Basis : {, } Filter C : Polarisierung : Basis : { ( +,{ ( } Beachte : = ( = ( + Filter B reflektiert alle auf polarisierten Photonen. Nun setzt man den Filter C zwischen die Filter A und B. C projeziert die Photonen mit dem Zustand = mit der Wahrscheinlichkeit auf. Die durchgelassenen Photonen mit der Polarisierung = + wieder mit Wahrscheinlichkeit auf projeziert und durchgelassen..3 Einige Grundlagen der QM.3. Zustände Zustand : vollständige Beschreibung eines physikalischen Systems. In QM sind die Zustände Einheitsvektoren in einem Hilbertraum..3. Hilbertraum Hilbert Vektorraum über C, mit einem inneren Produkt : H H C mit ψ ϕ = ψ ϕ ψ ψ und ψ ψ = gdw. ψ = ψ αϕ + βϕ = α ψ ϕ + β ψ ϕ induzierte Norm : ψ = ψ ψ (Für unendlich-dimensionale Hilberträume ist zusätzlich zu fordern, dass H vollständig ist bezüglich. Jede Cauchy Folge hat einen Grenzwert in H. Hier : (fast ausschließlich endl.-dimensionale Räume..3.3 Dirac-Notation ψ (ket (Ausnahme Nullvektor (nicht ϕ ist der duale Vektor zu ϕ (lra ϕ : H C ; ψ ϕ ψ.3.4 Qubits Bit : elementarer Baustein eines klassischen Rechners mit zwei Zuständen ( Qubit : Superpositionen der beiden Basiszustände und bilden Orthonormalbasis eines Hilbertraums H. Ein Qubit ist ein Vektor ψ = α + β mit α + β =. 4
6 Die Messung des Qubits ψ führt mit Wahrscheinlichkeit α zum Zustand und mit Wahrscheinlichkeit β zum Zustand. Jede wiederholte Messung führt zum selben Resultat. Obwohl ein Qubit unendlich viele Zustände haben kann, kann man nur ein Bit Information extrahieren. Dieser Extraktionsprozess (Messung ist probabilistisch..3.5 n-qubit System (Quantenregister Klassisches System mit n Bits hat n Zustände,,..., n-qubit System hat Basiszustände,,..., und kann sich in jeder Subposition α + α α n befinden, mit n α n = n= H n = H... H }{{} n mal klassisch: Kolineare Systeme mit Zustandsräumen V mit Basis v,...,v m V W = W mit Basis w,...,w n Produktraum V W mit Basis v,...,v m,w,...,w n dim(v W = dim(v + dim(w hier: Zustandsraum V W mit Basis {v i w j : i =,...,m, j =,...,n} dim(v W = dim(v dim(w (exp. Wachstum der Dimension in der Anzahl der Komponenten.3.6 Notation für auch oder für... Für jedes Paar: ψ = i a i v i in V und ψ = b j w j in W j a i b j ( v i w i haben wir in V W den Vektor ψ ϕ = i, j Aber: nicht jeder Vektor v V W kann als Produkt v = ψ ϕ mit ψ V, ϕ W geschrieben werden! Beispiel : v = ( + H H es gibt keine ϕ, ϕ H mit v = ϕ ϕ Beweis : sonst existieren α,α,β,β C mit v = (α + β (α + β = α α + α β }{{} + α β + β }{{} β = = α α = oder β β = Solche nicht-zerlegbaren Zustände heissen entangled (verschränkt 5
7 .3.7 Messung Messung des ersten Qubits eines n-bit-zustands ψ = α v v ergibt: v {,} n mit Wahrscheinlichkeit p = α w w {,} n und projiziert ψ auf den Zustand p α w w w {,} n mit Wahrscheinlichkeit q = α w w {,} n und projiziert ψ auf den Zustand q α w w w {,} n (q = p.3.8 Observable Eigenschaft eines physikalischen Systems, welche prinzipiell messbar ist. Zerlegung des Zustandsraums in orthogonale Teilräume: H = E E... E n mit E i E j (i j ψ = ϕ + ϕ ϕ n mit ϕ i E i Messung bzgl. {E,...,E n }: Projektion von ψ auf ein ϕ i Resultat: ϕ i mit Wahrscheinlichkeit ϕ i.3.9 Evolution Evolution eines qm-systems via unitärer Transformationen ψ U ψ U lineare Abbildung von H nach H U unitär: U ϕ U ψ = ϕ ψ Für die Beschreibung der Transformation durch eine Matrix U bedeutet dies, dass U = U (U konjugiert transponierte Matrix zu U Insbesondere sind unitäre Transformationen invertierbar d.h. reversibel Berechnungen von QL sind aus reversiblen Basisschritten zusammengesetzt. (Ausnahme: Messung!.3. No Cloning Theorem Es gibt für n >, keine unitäre Transformation Copy : H n H n H n H n so dass für ein a H n und alle ψ H n Copy( ψ a = ( ψ ψ (Notation: ψ,ϕ = ψ ϕ = ψ ϕ Beweis : Annahme : Copy existiert. Für n > existiert ein zu a orthogonaler Zustand ϕ 6
8 Setze ψ = ( a + ϕ Copy( Φ a = [Copy( a a +Copy( ϕ a ] = ( a a + ϕ ϕ ψ ψ ψ ψ = ( aa + aϕ + ϕa + ϕϕ.4 Quantum Gates und QGA.4. Definition Ein Quantum Gate auf m Qubits ist eine unitäre Transformation U : H m H m auf dem m dim Hilbertraum..4. Gates auf dimensionalem Hilbertraum (m= Gates auf einem Qubit U : H H Betrachte Standardbasis, von H ( a U : a + b b ( c c + d d ( a c Matrix b d U unitär : ( a b c d ( a c b d ( = ( Koordinatendarstellung : = (, = Beispiel : ( M = ( not Gate M =,M = ( Sei M = i + i unitär, da i + i ( ( M M = i + i + i i 4 + i i i + i ( ( MM = + i i 4 = i + i also M = M ( = 4 = M ( i ( i + ( + i ( i + ( + i ( i ( = Hadamard ( (Hadamard-Walsh H = 7
9 transformiert Standardbasis, in Hadamard-Basis (Fourier - Basis = ( +, = ( und zurück, H = H ( ( H = H ( S(Phase= i ( T = e i ϕ π ( = ( = = = Abbildung.3: Quantum Gate (m=.4.3 Gates auf dimensionalem Hilbertraum (m= -Qubit Gates U : H 4 H 4 Standard Basis }{{} }{{} }{{} }{{} Beispiel : CNOT (controlled-not M CNOT = Abbildung.4: Notation M CNOT 8
10 M CNOT = M CNOT = M CNOT = M CNOT = M CNOT = i j = i i j Allgemein : Sei U eine unitäre Transformation auf einem Qubit. Controlled-U (C-U Transformation auf zwei Qubits: C-U i j = i if i then U j else j Abbildung.5: allgemeine Notation U Interessantes Gate : C-C-NOT = Toffoli-Gate (Tf Tf i jk = i j i j k Abbildung.6: Notation C-C-NOT... 9
11 Tf als klassisches Gate : Tf : {,} 3 {,} 3 (i, j,k (i, j,i j k Jeder klassische Schaltkreis kann durch einen Schaltkreis aus Tf-Gates simuliert werden. Zu f : {,} n {,} m betrachten wir die reversible Funkition f : {,} n {,} m {,} n {,} m (x,y (x, f (x y Die Menge Ω von reversiblen Gates ist vollständig (für klassische reversible Berechnungen wenn zu jeder reversiblen Funktion g : {,} n {,} n ein reversibler Schaltkreis aus Ω-Gates gebaut werden kann, welcher eine Funktion h : {,} n {,} k {,} n {,} k realisiert, so dass für ein festes u {,} k h(x,u = (g(x,v Satz : {Tf} ist vollständig (für klassische reversible Berechnungen Beweis : Jede Funktion kann durch einen klassischen Schaltkreis über { NAND} berechnet werden Abbildung.7: NAND i j i if i = then U j else j
12 Abbildung.8: Kontrolle durch statt.4.4 Tensorprodukt von Matrizen Definition : a a n Sei A =..... (mxn-matrix a m a mn b b s B =..... (rxs-matrix b r b rs a B a n B Dann ist die (mr ns-matrix A B :=..... a m B a mn B Seien A, B ( -Matrizen, welche Quanten-Gates auf einem Qubit beschreiben, dann wird die simultane Aktion von A auf dem ersten und B auf dem zweiten Qubit durch die Matrix A B beschrieben : Abbildung.9: simultane Aktion Begründung : ausrechen In den Spalten der Matrix stehen, in Koordinatenschreibweise, die Bilder der Basisvektoren Operation : i j A i B j }{{} = i j ( a a A = B = a a ( b b b b A i B j = (a i + a i (b j + b j = a i b j + a i b j + a i (b j + a i b j a i b j In der zu i j gehörenden Spalte der Produktmatrix steht also : a i b j a i b j a i b j
13 Dies ist genau die entsprechende Spalte von A B. Dies gilt für Räume beliebiger Dimensionen. Wenn A und B (unitäre Transformationen auf H n bzw. H m beschreiben, dann beschreibt A B die Operation auf H n H m die der simultanen Kombination der beiden Operationen entspricht(reihenfolge egal. A B führt kein Entanglement ein. Beispiel : Sei A = B = H (Hadamard H H = ( = ( (H H i j = ( + ( i ( + ( j zerlegbar ( i j zerlegbar, H H führt kein Entanglement ein Hingegen ist M CNOT kein Tensorprodukt von ( Matrizen. = ( + ( j + ( i + ( i+ j Betrachte Operation von M CNOT auf zerlegbarem Zustand : ψ = (( + = ( + M CNOT ψ = ( + EPR Paar(entangled führt also ein Entanglement ein..4.5 Hadamard Transformation revisited H = ( H = ( + H = ( Sei H n = H H... H }{{} m Mal : H n H n
14 H n = H... H = ( + ( +... ( + n = n x x {,} n Abbildung.: Hadamard auf mehreren Qubits Mit linearem Aufwand (n Q-Gates wird in gleichmäßige Überlagerung aller n Basisvektoren transformiert!.4.6 Quantum Gate Arrays (QGA Sei Ω eine Menge von Quanten-Gates. Ein Quanten Schaltkreis oder Quanten Gate Array(QGA auf n Qubits ist eine unitäre Transformation U : H n H n, welche aus Q-Gates aus Ω zusammengesetzt ist. Basisoperation : Wende Gate G auf Qubits i,...,i m an. m= : }{{} G I n (4 4 Matrix( Qubits Abbildung.: Basisoperation P i i (G I n P i i P i i : Permutation, welche Qubits i,i auf Qubits, vertauscht. 3
15 Abbildung.: Basisoperation mit Permutation 4
16 Index Basisoperation, 3 C-C-NOT, 9 C-U, 9 CNOT, 8 controlled U, 9 controlled-not, 8 Dirac-Notation, 4 entangled, 5 Entanglement, 5 Evolution, 6 Hadamard, 7, Hilbertraum, 4 induzierte Norm, 4 Koordinatendarstellung, 7 Messung, 3, 6 n-qubit System, 5 No Cloning Theorem, 6 Notation, 5 Observable, 6 Polarisierungsfilter, QGA, 3 Quantum Gate, 7 Quantum Gate Array, 3 Qubit, 4 Tensorprodukt von Matrizen, Tf-Gate, 9 Toffoli-Gate(Tf, 9 unitär, 7 Zustand, 4 5
17 Abbildungsverzeichnis. Experiment Messung des Pol. Zustands Quantum Gate (m= Notation M CNOT allgemeine Notation Notation C-C-NOT NAND Kontrolle durch statt simultane Aktion Hadamard auf mehreren Qubits Basisoperation Basisoperation mit Permutation
Quantencomputer: 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
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,
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
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
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
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
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
MehrQuantenrechner und Grovers Algorithmus
Quantenrechner und Grovers Algorithmus Dirk Winkler Informatik Technische Universität Chemnitz. Januar 005 Inhalt Hintergrund Einführung Quanteninformation Grovers Algorithmus Verallgemeinerungen Literatur
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
MehrQuanteninformation/ 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
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
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,
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
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
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
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
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
MehrTeleportation mit Photonen und Ionen
Hauptseminar: Schlüsselexperimente der Quantenphysik und ihre Interpretation Teleportation mit Photonen und Ionen Stephan Kleinert Teleportation mit Photonen und Ionen - Allgemeines Prinzip der Teleportation
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
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
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
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
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
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
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:
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
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
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
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
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
MehrDekohärenz und Grundprinzip der Quantenfehlerkorrektur
Dekohärenz und Grundprinzip der Quantenfehlerkorrektur Bachelorarbeit Gregor Wurm, Betreuer: Prof. E. Arrigoni Institut für Theoretische Physik der Technischen Universiät Graz 24. Sept. 2010 Übersicht
Mehr8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen
8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen In diesem Kapitel werden nur endlich dimensionale
Mehr4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit
4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit Definition 4.41. Eine Familie F linearer Operatoren heißt vertauschbar oder kommutierend, wenn für je zwei Operatoren U,T in F gilt: UT = TU.
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 26.11.2013 Alexander Lytchak 1 / 12 Wiederholung Ist B = (v 1,..., v n ) eine Basis eines Vektorraums V, so erhalten
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
MehrLineare Algebra. 9. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 9. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching November, 07 Erinnerung Ein Skalarprodukt ist eine Abbildung, : E n E n E, (v, w) v, w n k v kw k so dass:
Mehr17. Orthogonalsysteme
17. Orthogonalsysteme 17.1. Winkel und Orthogonalität Vorbemerkung: Sei V ein Vektorraum mit Skalaprodukt, und zugehöriger Norm, dann gilt nach Cauchy-Schwarz: x, y V \ {0} : x, y x y 1 Definition: (a)
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
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
MehrVortrag zur. Quantenteleportation. Sebastian Knauer Institut für Physik Humboldt-Universität zu Berlin. S.Knauer. Einleitung.
Vortrag zur Sebastian Knauer Institut für Physik Humboldt-Universität zu Berlin 07.01.2008 1 / 27 Inhaltsverzeichnis 1 2 Protokoll nach 3 Experiment nach 4 5 6 2 / 27 Qubit keine Realisierung der allg.
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
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).
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)
MehrHM II Tutorium 1. Lucas Kunz. 24. April 2018
HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................
MehrSymmetrisches und antisymmetrisches Tensorprodukt, direkte Summe und Fockraum
Symmetrisches und antisymmetrisches Tensorprodukt, direkte Summe und Fockraum Michael Zirpel (mz@qlwi.de), München 3. April 203 Im Folgenden ist (H,+,0,,C,, ) ein komplexer, separabler Hilbertraum, ϕ =
MehrUnter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über
9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrQuantenfehlerkorrektur
korrektur korrektur 14. Juli 2005 Seminar: Quantencomputing korrektur Einleitung Ideales (fehlerfreies) Quantencomputing liefert schnelle Algorithmen Ideales Quantencomputing ohne Bedeutung für die Praxis
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
Mehr13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN
13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix
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
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
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
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
MehrLineare Transformationen und Determinanten. 10-E Ma 1 Lubov Vassilevskaya
Lineare Transformationen und Determinanten 10-E Ma 1 Lubov Vassilevskaya Lineare Transformation cc Definition: V und W sind zwei Vektorräume. Eine Funktion T nennt man eine lineare Transformation von V
Mehr7 Lineare Abbildungen und Skalarprodukt
Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u
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
MehrQuanten Computing - was erwartet uns: Big Bang oder Flaute?
Quanten Computing - was erwartet uns: Big Bang oder Flaute? Peter Schwab Mai 2014 1 / 43 Abstract Quantenphysikalische Systeme sind oft nur mit grossem Rechenaufwand nachzubilden. Umgekehrt können quantenphysikalische
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
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.
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
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
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrOrthonormalbasis. Orthogonalentwicklung
Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht
MehrSeminar Quanten-Computing. Grundlagen der Quantenmechanik
Seminar Quanten-Computing RWTH-Aachen, SS 004/005 Seminar Quanten-Computing Grundlagen der Quantenmechanik. Juni 005 Grundlagen der Quantenmechanik Inhalt 1. Quantenmechanische Grundpostulate. Die Heisenberg
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
MehrVerschränkung. Kay-Sebastian Nikolaus
Verschränkung Kay-Sebastian Nikolaus 24.10.2014 Überblick 1. Definition und Allgemeines 2. Historische Hintergründe, Probleme 2.1 Einstein-Podolsky-Rosen-Paradoxon 2.2 Erklärung, Bell sche Ungleichungen
MehrOrdnungsberechnung und Faktorisierung
sberechnung Information, Codierung, Komplexität 2 SS 2007 14. Juni 2007 Voraussetzungen: sberechnung U ist unitäre Transformation mit EV ψ zum EW e 2πiϕ kontrollierte U j -Operationen auf ψ sind durchführbar
Mehr42 Orthogonalität Motivation Definition: Orthogonalität Beispiel
4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrQubits Interferenz Verschränkung Messung
Vortrag Nr. Qubits Interferenz Verschränkung Messung 4. November 00 Referent: Christoph Mühlich (muehlich@in.tum.de) Betreuer: Hanjo Täubig (taeubig@in.tum.de) Christoph Mühlich 4. November 00 Folie Einführung
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
Mehr1 C. Ee 1 D B C. ; : : : ; Ee n D ; Ee 2 D B C : : A 2Rn A : v 1 v 2. Ev D B. A D v 1Ee 1 C v 2 Ee 2 C C v n Ee n : (30.3) v n
Abschnitt 3 Lineare Unabhängigkeit, Basis, Dimension R Plato 77 Die beiden Vektoren und 2 sind hingegen linear unabhängig, ebenso die beiden Vektoren und 3 sowie auch die beiden Vektoren 2 und 3 (Übungsaufgabe)
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
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
MehrAbhörsichere Kommunikation über Quanten-Repeater
Abhörsichere Kommunikation über Quanten-Repeater Christian Deppe November 2017 C. Deppe (Universität Bielefeld) Quantenkommunikation Bielefeld 1 / 25 Outline 1 Historischer Überblick C. Deppe (Universität
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
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe / Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche Aufzeichnungen von maximal DinA4-Blättern.
MehrLösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler
D-MAVT Lineare Algebra II S 8 Prof. Dr. N. Hungerbühler Lösungen Serie 5. Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei B =
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
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
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
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
Mehr4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo
Fachbereich Mathematik Prof. J. Lehn Hasan Gündoğan, Nicole Nowak Sommersemester 8 4./5./8. April 4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo Gruppenübung Aufgabe G9 (Multiple Choice Bei
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
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
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
Mehr