量子态层析(quantum state tomography)

量子态层析是通过测量获取量子态密度矩阵的方法。1-qubit量子态层析涉及2个变量,密度矩阵由4个实部参数决定,可通过测量不同偏振态的平均值来获取。2-qubit量子态层析更复杂,需要测量10个矩阵的平均值来确定密度矩阵的实部和虚部。通过对称取法和特定矩阵组合,可以解析2-qubit系统的密度矩阵。
摘要由CSDN通过智能技术生成

量子态层析(quantum state tomography)

量子层析可以分为:量子态层析 和 量子过程层析。这里介绍一下量子态层析。所谓的量子态层析,就是指的是如何通过测量的方式得到态密度 ρ \rho ρ
态密度是我们常用的,描述量子态的纯度等量子态的好坏量。它的定义如下:
ρ = ∑ 0 n P n ∣ φ n ⟩ ⟨ φ n ∣ \rho = \sum_0^n P_n |\varphi_n\rangle\langle \varphi_n| ρ=0nPnφnφn
其中, P n P_n Pn是产生这个态 ∣ φ n ⟩ |\varphi_n\rangle φn的概率,或是它占所有态的比重。

1-qubit的量子态层析

1-qubit的定义的只有一个可以变化的位置,且这个位置只能去0或者1. 因此可以写成:
∣ φ ⟩ = cos ⁡ θ 2 ∣ 0 ⟩ + sin ⁡ θ 2 e i ϕ ∣ 1 ⟩ |\varphi\rangle=\cos\frac\theta2|0\rangle+\sin\frac\theta2e^{i\phi}|1\rangle φ=cos2θ0+sin2θeiϕ1
其中有两个变量 θ \theta θ ϕ \phi ϕ。因此1-qubit的密度矩阵是个2维矩阵。
ρ = ( a 00 a 01 a 10 a 11 ) \rho=\begin{pmatrix}a_{00}& a_{01}\\a_{10}&a_{11}\\ \end{pmatrix} ρ=(a00a10a01a11)
考虑到密度矩阵满足的性质:
Tr  ρ = 1 ρ = ρ † \text{Tr } \rho=1\\ \rho =\rho^\dag Tr ρ=1ρ=ρ
因此得到, a 00 a_{00} a00 a 11 a_{11} a11是实数。 a 10 a_{10} a10= a 01 † a_{01}^\dag a01。因此,决定这个密度矩阵的分别是4个实数: a 00 , a 11 , Re  a 10 , Im  a 10 a_{00},a_{11},\text{Re }a_{10},\text{Im }a_{10} a00,a11,Re a10,Im a10
因此,我们可以把他们拆解为如下的形式:
ρ = a 00 ( 1 0 0 0 ) + a 11 ( 0 0 0 1 ) + Re  a 10 ( 0 1 1 0 ) + Im  a 10 ( 0 − i i 0 ) \rho=a_{00}\begin{pmatrix} 1&0\\0&0\end{pmatrix}+a_{11}\begin{pmatrix}0&0\\0&1 \end{pmatrix}+\text{Re }a_{10}\begin{pmatrix} 0&1\\1&0\end{pmatrix}+\text{Im }a_{10}\begin{pmatrix} 0&-i\\i&0\end{pmatrix} ρ=a00(1000)+a11(0001)+Re a10(0110)+Im a10(0ii0)
分解的前三项描述的是它的实部,最后一项描述的是它的虚部。上述4个矩阵中的任意两个的乘积都是0,自己和自己的乘积是 I I I.


以光子为例 光的偏振一般有三种分解的方法:水平/竖直,斜45度,左/右旋,对应的态分别为(未归一化):
∣ H ⟩ = ∣ 0 ⟩ ,代表水平偏振 ∣ V ⟩ = ∣ 1 ⟩ ,代表竖直偏振 ∣ D ⟩ = ∣ 0 ⟩ + ∣ 1 ⟩ ,代表右上斜45度偏振 ∣ A ⟩ = ∣ 0 ⟩ − ∣ 1 ⟩ ,代表左上斜45度偏振 ∣ R ⟩ = ∣ 0 ⟩ + i ∣ 1 ⟩ ,代表右旋偏振 ∣ L ⟩ = ∣ 0 ⟩ − i ∣ 1 ⟩ ,代表左旋偏振 \begin{aligned} &|H\rangle=|0\rangle& \text{,代表水平偏振}\\ &|V\rangle=|1\rangle& \text{,代表竖直偏振}\\ &|D\rangle=|0\rangle+|1\rangle& \text{,代表右上斜45度偏振}\\ &|A\rangle=|0\rangle-|1\rangle& \text{,代表左上斜45度偏振}\\ &|R\rangle=|0\rangle+i|1\rangle& \text{,代表右旋偏振}\\ &|L\rangle=|0\rangle-i|1\rangle& \text{,代表左旋偏振}\\ \end{aligned} H=0V=1D=0+1A=01R=0+i1L=0i1,代表水平偏振,代表竖直偏振,代表右上斜45度偏振,代表左上斜45度偏振,代表右旋偏振,代表左旋偏振
因此,我们可以得到:
P ^ H = ∣ H ⟩ ⟨ H ∣ = ( 1 0 0 0 ) P ^ V = ∣ V ⟩ ⟨ V ∣ = ( 0 0 0 1 ) P ^ D − P ^ A = ( 0 1 1 0 ) P ^ R − P ^ L = ( 0 − i i 0 ) \begin{aligned} &\hat{P}_H=|H\rangle\langle H|=\begin{pmatrix} 1& 0\\0&0\end{pmatrix}\\ &\hat{P}_V=|V\rangle\langle V|=\begin{pmatrix} 0& 0\\0&1\end{pmatrix}\\ &\hat{P}_D-\hat{P}_A=\begin{pmatrix} 0& 1\\1&0\end{pmatrix}\\ &\hat{P}_R-\hat{P}_L=\begin{pmatrix} 0& -i\\i&0\end{pmatrix} \end{aligned} P^H=HH=(1000)P^V=VV=(0001)P^DP^A=(0110)P^RP^L=(0ii0)
带入1-qubit的密度矩阵的表达式。我们可以得到:
a 00 = P H = ⟨ P ^ H ⟩ a 11 = P V = ⟨ P ^ V ⟩ 2 Re  a 01 = P D − P A = ⟨ P ^ D − P ^ A ⟩ 2 Im  a 10 = P R − P L = ⟨ P ^ R − P ^ L ⟩ \begin{aligned} &a_{00}=P_H=\langle\hat{P}_H\rangle\\ &a_{11}=P_V=\langle\hat{P}_V\rangle\\ &2\text{Re }a_{01}=P_D-P_A=\langle\hat{P}_D-\hat{P}_A\rangle\\ &2\text{Im }a_{10}=P_R-P_L=\langle\hat{P}_R-\hat{P}_L\rangle \end{aligned} a00=PH=P^Ha11=PV=P^V2Re a01=PDPA=P^DP^A2Im a10=PRPL=P^RP^L


综上:我们可以分别测量H,V,D,A,R和L的平均值,组合,得到它的密度矩阵。其密度矩阵可以表达为如下的形式:
Re  ρ = ( P H ( P D − P A ) / 2 ( P D − P A ) / 2 P V ) Im  ρ = ( 0 ( P L − P R ) / 2 ( P R − P L ) / 2 0 ) \begin{aligned} &\text{Re }\rho=\begin{pmatrix}P_H&(P_D-P_A)/2\\(P_D-P_A)/2&P_V\end{pmatrix}\\ \\ &\text{Im }\rho=\begin{pmatrix}0&(P_L-P_R)/2\\(P_R-P_L)/2&0\end{pmatrix}\\ \end{aligned} Re ρ=(PH(PDPA)/2(PDPA)/2P

  • 12
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
sar (Synthetic Aperture Radar)后向投影(Backprojection)是一种常用的SAR成像算法。CT层析(Computer Tomography)是一种图像重建技术。SAR后向投影CT层析结合了这两种方法的优点,用于在SAR系统中进行快速而精确的图像重建。 SAR后向投影是一种通过对雷达信号进行反演来生成高分辨率图像的方法。这种投影技术根据原始雷达数据中的相位和振幅信息,计算出每个像素点的散射系数并进行图像重建。通过使用后向投影算法,可以将雷达反射信号转换为图像,从而实现对目标进行成像和识别。 而CT层析则是一种通过多个方向的投影数据来恢复目标的内部结构和形状的方法。在CT层析中,通过从不同位置或角度对目标进行扫描并获取一系列投影数据,然后使用数学算法进行重建,得到目标的三维图像。这种方法在医学影像学中广泛应用,可以用于检测人体内部的病变和结构。 SAR后向投影CT层析结合了两种方法的优点,可以在SAR系统中实现更精确的图像重建。它利用SAR后向投影的高分辨率特性,结合CT层析的三维重建能力,可以实现对目标的高精度成像和定量分析。通过综合利用雷达信号的相位和振幅信息,以及多个方向的投影数据,这种方法可以更准确地重构和还原目标的形状和内部结构。 总而言之,SAR后向投影CT层析是一种在SAR系统中常用的图像重建技术,它综合了SAR后向投影和CT层析的优点,可以实现对目标的高分辨率成像和精确的三维重建。它在遥感、医学和其他领域的应用有着广泛的潜力。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值