QUANTUM ENTANGLEMENT LÀ GÌ

      26
Các đặc điểm cơ bạn dạng của Quantum Mechanic

Quantum mechanics (QM; also known as quantum physics, quantum theory, the wave mechanical model and matrix mechanics), including quantum field theory, is a fundamental theory in physics describing the properties of nature on an atomic scale.

Bạn đang xem: Quantum entanglement là gì

Dịch nghĩa: Cơ học lượng tử, bao hàm cả lý thuyết trường lượng tử là 1 trong những nền tảng của vật lý nhằm diễn tả các nằm trong tính(tính chất) của tự nhiên và thoải mái ở cường độ nguyên tử.

Các nguyên tắc của cơ học cổ điển áp dụng cho thế giới vĩ mô đã không còn phản ánh đúng mực hoạt động tại mức vi mô của những hạt nguyên tử và hạ nguyên tử. Cơ học lượng tử đến rằng tích điện (energy — thứ căn phiên bản cấu thành vũ trụ) là một dạng vật hóa học nên có thể đong, đo, định lượng và tạo thành các đối chọi vị.

Spin

Những vật khủng như một thế giới hoặc nhỏ tuổi như một proton đều phải có một đặc thù gọi là spin.

Spin là lượng chuyển động quay mà một đồ dùng có, xét cả trọng lượng và làm nên của nó. Đây có cách gọi khác là moment đụng lượng của một vật. Spin là 1 trong khái niệm thuần túy lượng tử, không có sự khớp ứng trong cơ học tập cổ điển.

Quan niệm về spin tiếp đến được minh chứng rằng có xích míc với thuyết tương đối. Tuy nhiên, cho dù nguồn gốc sinh ra spin ra làm sao chưa rõ, spin của toàn bộ các hạt cơ bạn dạng tạo nên thế giới vật chất, như electron, quark phần đông khác không và bởi ħ/2 (ħ là hằng số plank), hotline tắt là 1/2. Các hạt như photon gồm spin bởi 1… Như vậy, spin là 1 trong những đặc trưng nội tại của hạt, nó núm hữu giống như như cân nặng và điện tích đặc thù của hạt đó. Nếu một electron không tồn tại spin thì nó không còn là một electron nữa.

*

Chồng chập lượng tử cùng Qubit

Chồng chập lượng tử (hay chồng chất lượng tử, xếp lớp lượng tử) là việc áp dụng nguyên lý ông xã chập vào cơ học tập lượng tử. Nguyên lý chồng chập vốn là sự việc cộng véctơ những véctơ sóng vào giao thoa. Trong cơ học tập lượng tử, các véctơ hàm sóng, tốt véctơ tinh thần được cộng.

Cụ thể, ông xã chập lượng tử hoàn toàn có thể được phát biểu là “nếu một hệ lượng tử rất có thể được phát hiện ở 1 trong 2 trạng thái, A với B cùng với các tính chất khác nhau, nó cũng rất có thể được phát hiện nay ở trạng thái tổng hợp của chúng, aA + bB, ở kia a và b là những số bất kỳ”.

Điều này được vận dụng vào laptop lượng tử cùng với việc tạo thành các quantum bit (bit lượng tử), điện thoại tư vấn tắt là qubit. Các nhà phạt minh máy vi tính lượng tử sử dụng một vi hạt như một qubit, cùng trạng thái spin hướng lên tốt hướng xuống của vi hạt tương xứng với trạng thái của qubit.

Khác với máy tính xách tay kỹ thuật số dựa trên tranzitor yên cầu cần đề nghị mã hóa tài liệu thành các chữ số nhị phân, mỗi số được gán cho 1 trong 2 trạng thái nhất định là 0 hoặc 1, đo lường và thống kê lượng tử sử dụng những bit lượng tử nghỉ ngơi trong trạng thái ông xã chập để tính toán. Điều này tức là 1 bit lượng tử rất có thể có quý giá 0 với 1 sinh sống cùng một thời điểm, có nghĩa là xảy ra hiện tường ông chồng chập lượng tử của qubit.

Để giải thích điều này, hãy hình dung rằng có một đồng xu tiền được tung lên. Trước lúc nó tiếp đất bằng mặt trước tốt mặt sau, nó đã quay tít trong không trung với vận tốc cực nhanh. Với khi nó đang quay tít như vậy, tại 1 thời điểm nhất thiết bạn khẳng định mặt của đồng xu thì nó sẽ sở hữu cả 2 trạng thái, sấp với ngửa.

Như vậy, nếu như một laptop có 2 qubit, tại 1 thời điểm nó sẽ sở hữu được 222^222 = 4 trạng thái, 3 qubit sẽ sở hữu 232^323 = 8 trạng thái, NNN qubit đang 2N2^N2N tâm lý của qubit đồng thời. Điều này có nghĩa là chiếc máy tính lượng tử NNN qubit sẽ có tương đương với sức khỏe của 2N2^N2N trang bị tính chạy song song nhau. Điều này lý giải tại sao máy tính xách tay lượng tử có khả năng tính toán cực cấp tốc so với máy vi tính thông thường.

Xem thêm: Khuyến Mãi Khai Trương Hot And Cold Phạm Hùng, Lê Văn Sỹ Giảm Giá 50%

Về mặt lý thuyết, một vật dụng tính có khá nhiều qubit có tác dụng xử lý một lượng tác vụ vô cùng bự như tính toán số học tập hoặc triển khai tìm kiếm cửa hàng dữ liệu cực đại trong thời gian nhanh hơn các so cùng với các máy vi tính thông thường.

*

Rối lượng tử (Quantum Entanglement)

Rối lượng tử (Quantum Entanglement) là 1 trong hiện tượng xẩy ra ở cấp độ hạt mà lại tới nay các nhà công nghệ vẫn chưa phân tích và lý giải được. Đó là việc sánh đôi cùng tương tác lẫn nhau ở hai hạt trong vũ trụ hoàn toàn không phụ thuộc vào vào khoảng cách giữa chúng. Nghĩa là nếu như bạn có một hạt photon sinh hoạt đầu này của vũ trụ với một hạt photon không giống có link rối lượng tử cùng với nó, tuy vậy ở tận đầu tê của vũ trụ, thì nếu khách hàng tác động vào một trong những hạt, hạt kia cũng biến thành bị hình ảnh hưởng. Can hệ này nhanh hơn ánh sáng rất nhiều và hoàn toàn tuyệt đối. Giỏi nói biện pháp khác: NÓ KHÔNG PHỤ THUỘC VÀO KHOẢNG CÁCH GIỮA hai HẠT.

Sự biệt lập của qubit đối với bit cổ điển, không chỉ có ở sự đổi mới thiên giá chỉ trị thường xuyên thông qua ông xã chập lượng tử, nhưng mà còn ở phần cùng một lúc nhiều qubit hoàn toàn có thể tồn trên và tương tác với nhau qua hiện tượng rối lượng tử . Sự vướng víu này rất có thể xảy ra ở khoảng cách vĩ tế bào giữa các qubit, được cho phép chúng diễn tả các ck chập thuộc lúc của khá nhiều dãy ký tự (ví dụ ông chồng chập 01010 và 11111). đặc điểm “song song lượng tử” này là thế táo tợn cơ bản của máy vi tính lượng tử.

*

Quantum machine learning

Hiểu về khái niệm giám sát lượng tử trong 1 phút

Bây giờ bạn cũng có thể tự hỏi: "Quantum algorithm là gì?". Nó cũng chỉ dễ dàng là một chuỗi các lệnh như phần đông thuật toán thông thường. Ở những máy tính thông thường họ sử dụng classic gates như OR, AND, NOT. Nhưng điều có tác dụng cho đo lường và thống kê lượng tử khác với các phép toán thường thì là nó thực hiện quantum gates, hoạt động trên qubits thay vị bit. Vậy input đầu vào của quantum algorithms được tạo nên lên tự qubits, đơn giản như nếu như bạn có n qubits thì bên cạnh đó bạn cũng có 2n2^n2n trạng thái, cùng với 300 qubits thì các bạn có 23002^3002300 trạng thái xẩy ra cùng lúc, 23002^3002300 cũng chính là số nguyên tử trong tổng thể vũ trụ ^^

Một ví dụ nổi bật ở không tính đời sinh sống mà áp dụng về đo lường và tính toán lượng tử là chip xử lý siêu dẫn của google áp dụng 54 qubits để thực hiện phép toán mất 200s mà máy tính thông thường xuyên với các thuật toán hiện có thời nay đề nghị đến 10,000 năm nhằm giải ra.

Quantum machine learning là gì?

Quantum machine learning là một lĩnh vực nghiên cứu mới kết hợp giữa quantum physics với machine learning. Với mục tiêu phát triển những thuật toán lượng tử học từ tài liệu để nâng cao các phương thức hiện có trong học máy.

QML đã có những phát kiến tỏa nắng về phương diện toán học, khi nhưng mà toán học là gốc rễ cốt lõi cho các thuật toán lượng tử. Nhưng thực tế các phát kiến này vẫn không được khai thác nhiều và các thuật toán ML thông thường dùng trong Artificial Neural Networks (ANNs) vẫn tỏ ra có ích khi chạy xe trên các máy vi tính truyền thống. Cơ mà theo xu thế bắt đầu của thời đại 4.0 khi Big Data là chủ yếu và yêu ước xử lý nghiệp vụ ngày càng cao của các doanh nghiệp, QML đang dần thay thế sửa chữa ML truyền thống. Sản xuất đó, các chuyên ngành như Quantum Computer Science với Quantum Information Science sẽ tạo nên ra những đổi khác lớn lao đến AI trong khoảng 10 năm tới với là tiền đề đến kỷ nguyên công nghiệp new 5.0.

Vậy QML sẽ thay thế và hỗ trợ cho ML truyền thống như vậy nào? Có 2 hướng chính:

Quantum versions of ML algorithms: (1) sử dụng những phiên bạn dạng lượng tử trong việc tìm trị riêng cùng vector riêng của những ma trận lớn, (2) search kiếm nearest neighbours trong laptop lượng tử, (3) các phương thức lượng tử trong việc đổi mới thí nghiệm trên các hạt Higgs boston tạo nên khuôn khổ về sự hiểu biết những hạt và liên quan cơ bạn dạng trong trường đoản cú nhiên, tốt (4) những thuật toán lượng tử để giải quyết và xử lý các bài toán tuyến tính trong ML.

Classical ML khổng lồ analyze quantum systems: (1) nhận diện những điểm biến đổi lượng tử (Quantum Change Point), (2) phân nhiều loại nhị phân về trạng thái của những qubit, (3) sự mất liên kết lượng tử, với (4) tái tạo những giá trị quan tiếp giáp trong nhiệt rượu cồn học.

*

Quantum neural network

Quantum neural network(QNN) là quy mô mạng neural dưa trên những nguyên tắc cơ bản của thiết bị lý lượng tử như qubit, superposition... Cùng chỉ thực hiện O(log⁡(N))O(log(N))O(log(N)) tham số biến hóa thiên cho đầu vào là NNN qubits.

Thực thi QNNs là giữa những bước tiến quan trọng đặc biệt trong AI cùng ML. Các bước thứ nhất là mô rộp Perception trong QNNs giỏi nói không giống đi là mô rộp một neutron lượng tử. Chúng ta cũng có thể dựa vào thuyết diễn giải nhiều quả đât — Many-worlds Interpretation để mô rộp cho neutron. Thuyết diễn giải nhiều nhân loại cho rằng tồn tại song song nhiều vũ trụ quanh họ với quá khứ với tương lai trọn vẹn xác định. Vậy học tập thuyết này có liên quan gì cho tới QNNs? có thể hiểu đơn giản là ANNs thực hiện một mạng neural để lưu giữ những patterns khác nhau nhưng QNNs rất có thể sử dụng và một lúc nhiều mạng neural để lưu trữ nhiều patterns khác nhau. Nghe có vẻ như khá trừu tượng nhỉ? Các bạn cũng có thể hình dung nó như qubit mãi sau 2 tâm trạng là 0 với 1 sống cùng 1 thời điểm (Superposition).

Hybrid quantum-classical

Xuyên suốt bài bác bạn đã năm được những khái niệm cơ bạn dạng rồi chứ

*

Đầu tiền ta sẽ tạo một vòng bit trong một Controller Circuit

# Parameters that the classical NN will feed values into.control_params = sympy.symbols("theta_1 theta_2 theta_3")# Create the parameterized circuit.qubit = cirq.GridQubit(0, 0)model_circuit = cirq.Circuit( cirq.rz(control_params<0>)(qubit), cirq.ry(control_params<1>)(qubit), cirq.rx(control_params<2>)(qubit))SVGCircuit(model_circuit)

*

Xây dựng bố cục mạng đơn giản bằng keras (controller network):

controller = tf.keras.Sequential(< tf.keras.layers.Dense(10, activation="elu"), tf.keras.layers.Dense(3)>)Sử dụng tfq để kết nối với controller circuit như một keras.Model:

# This đầu vào is the simulated miscalibration that the model will learn lớn correct.circuits_input = tf.keras.Input(shape=(), # The circuit-tensor has dtype `tf.string` dtype=tf.string, name="circuits_input")# Commands will be either `0` or `1`, specifying the state khổng lồ set the qubit to.commands_input = tf.keras.Input(shape=(1,), dtype=tf.dtypes.float32, name="commands_input")Tiếp theo vận dụng một loạt những phép tính cho những đầu vào đó, nhằm tính toán:

dense_2 = controller(commands_input)# TFQ layer for classically controlled circuits.expectation_layer = tfq.layers.ControlledPQC(model_circuit, # Observe Z operators = cirq.Z(qubit))expectation = expectation_layer()Bây giờ đóng góp gói tính toán này bởi bằng một tf.keras.Model:

# The full Keras mã sản phẩm is built from our layers.model = tf.keras.Model(inputs=, outputs=expectation)Draw model:

Mô hình này còn có hai đầu vào: những lệnh mang lại bộ tinh chỉnh và điều khiển và áp ra output của controller circuit

tf.keras.utils.plot_model(model, show_shapes=True, dpi=70)

*

Xây dựng command input đầu vào values nguồn vào và đầu ra muốn muốn:

Đây không hẳn là tổng thể dữ liệu đào làm cho nhiệm vụ này. Từng datapoint vào tập dữ liệu cũng cần được một mạch đầu vào, ta đang nói rõ rộng điều này ở vị trí kế tiếp

commands = np.array(<<0>, <1>>, dtype=np.float32)expected_outputs = np.array(<<1>, <-1>>, dtype=np.float32)Input-circuit dưới xác định đo lường và tính toán sai bỗng nhiên mà quy mô sẽ học để sửa:

random_rotations = np.random.uniform(0, 2 * np.pi, 3)noisy_preparation = cirq.Circuit( cirq.rx(random_rotations<0>)(qubit), cirq.ry(random_rotations<1>)(qubit), cirq.rz(random_rotations<2>)(qubit))datapoint_circuits = tfq.convert_to_tensor(< noisy_preparation> * 2) # Make two copied of this circuitdatapoint_circuits.shapeOutput:

TensorShape(<2>)Tiếp tục chúng ta sẽ xây dựng các hàm cho quy trình training:

optimizer = tf.keras.optimizers.Adam(learning_rate=0.05)loss = tf.keras.losses.MeanSquaredError()model.compile(optimizer=optimizer, loss=loss)history = model.fit(x=, y=expected_outputs, epochs=30, verbose=0)plt.plot(history.history<"loss">)plt.title("Learning khổng lồ Control a Qubit")plt.xlabel("Iterations")plt.ylabel("Error in Control")plt.show()

*

Từ plot trên bạn có thể thấy quá trình mạng đã học cách khắc phục đo lường và thống kê sai của hệ thống.

Chúng ta vừa đi sang một loạt các khái niệm cơ bản về quantum machine learning, cũng như bàn luận về nó. Mặc đấy là một công nghệ khá non trẻ nhưng mà tiềm năng của chính nó lại không nhỏ trong kiến thức nhân tạo, cảm ơn các bạn đã phát âm bài, hẹn các bạn trong nội dung bài viết tiếp theo

*

Reference

http://360.thuvienvatly.com/bai-viet/nguyen-tu-hat-nhan/2985-spin-la-gi

https://trithucvn.net/khoa-hoc/may-tinh-tuong-tu-la-gi-va-vi-sao-no-co-kha-nang-tinh-toan-sieu-dang.html

tăng like fanpage | LOTO188 CITY