这是我的个人公众号“熙熙学习笔记”的第一篇推送。因为我是个自律性很差的人,创建这个公众号的目的其实是为了监督自己学习。推送主要是记录一些学习笔记,希望能向朋友圈大佬们学习,希望大家多指出我的错误,一起学习,谢谢大家!
我这里量子计算的笔记不涉及到量子力学的研究,主要是讨论如何认识量子计算机和量子计算机上的算法。讨论的对象也基本上就是一个量子比特,所以不用害怕,一点基础都没有也可以看得懂!如果看不懂或者觉得哪里有错请给我发消息或者留言(不知道咋开留言)指教!
三个命题及其延伸
我们要讨论三个命题,每个命题还有一个延伸或加强版本,这些命题在我们的经典世界里是显然成立的,但是他们的加强或者延伸版本在量子领域内不成立,这个不用问为什么,问我也不知道。
命题一,概率命题:
概率大于等于0,概率之和为1。
经典世界和量子领域里概率命题均成立!
在量子世界里,硬币正反面的概率也都是非负数,且加起来也是等于1的。
命题一延伸,单调性命题:
假设增加事件发生的途径,其发生的概率也增加。
经典世界里单调性命题成立。
量子领域里,单调性命题不成立。比如一个粒子通过墙到达另一边某位置的概率,不会因为另外多开了几条缝而增加,可能还会减少。这应该也和双缝干涉里面的某些现象有关。
命题二,局部性locality命题:
事物在宇宙中的传播速度是有限的。
经典世界和量子领域里局部性命题均成立!
狭义相对论中也表示光速是信号传播的最快速度。
命题二延伸,局部真实性local realism命题:
任何两异地信息的同时更新和随机变量的关联性有关。
经典世界里命题二延伸成立,比如张三在上海李四在北京,两个人同时打开我的公众号文章,同时获得了同样的信息,这不是因为信息传播超过了光速,而是因为张三李四读的是同一个公众号的内容。
量子领域中,该命题不成立,这个我也不懂为啥,估计是和量子纠缠的现象有关系。
命题三,邱奇图灵命题(churching-turing thesis):
任何可计算问题,都可以用图灵机进行计算,即使可能花费指数时间。
经典世界和量子领域里邱奇图灵命题均成立!
图灵机,目前我只知道其决定了计算机的极限,量子计算机的发展应该也是从图灵机的基础上开展的。图灵也证明了不可计算问题的存在,比如停机问题。
有些对于邱奇图灵命题描述将可计算问题称为物理过程(physical process),这可能是将宇宙视为一个图灵机,这样起到证伪的作用,即任何不能由图灵机计算的过程都不是真实世界存在的。该命题是联系物理现实和计算机数学理论的重要桥梁!
换句话说,我们存在的宇宙,可能是某高级生物的电子游戏。
命题三延伸,增强邱奇图灵命题(extended/strong churching-turing thesis):
这个我实在不确定理解是否正确,就找了两个版本的英文陈述
(1) When we simulate reality on a digital computer, there’s at most a polynomial (e.g., linear or quadratic) blowup in time, space, and other computational resources. (https://www.scottaaronson.com/)
(2) Any model of computation, be it the circuit model or something else, can be simulated by a probabilistic Turing machine with at most polynomial overhead. (Introduction to Classical and Quantum Computing)
大概的意思,应该是对于真实物理过程,都可以在数字计算机上有效率(polynomial)的模拟。或者是说,在一个计算机上能有效率计算的都可以在其它计算机上有效率地计算。
该命题在经典世界里成立。
在量子领域,有可能该命题不成立。因为现在经典计算机无法有效率(polynomial)模拟的可能会在量子计算机上有效率的模拟。这也是量子计算机为什么潜力巨大的原因。
一个有名的例子就是质数分解的Shor’s Algorithm,在量子计算的后期推送中应该会介绍。因为质数分解问题是许多加密算法的基础,如果量子计算机可以顺利的执行Shor’s Algorithm,会对密码学影响巨大。但是注意质数分解还没有被证明不能在经典计算机上有效率的解决(NP=P?),所以即使量子计算机可以,也还不足以严谨的推翻该命题。
总结及预告
这里,通过三个命题及其延伸版本,介绍了经典世界和量子领域的一些不一样的现象。也是因为这些命题的讨论奠定了量子计算的基础。接下来会介绍量子比特的状态,和一些简单的数学表达。欢迎关注,敬请期待!
后续内容请关注我的CSDN和微信公众号“熙熙学习笔记”