QUANTUM PHYSICS LÀ GÌ

     
Các đặc thù cơ phiên bản 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 physics là gì

Dịch nghĩa: Cơ học tập lượng tử, bao hàm cả triết lý trường lượng tử là một trong nền tảng của vật lý nhằm diễn tả các trực thuộc tính(tính chất) của tự nhiên và thoải mái ở mức độ nguyên tử.

Các nguyên lý của cơ học cổ xưa áp dụng cho quả đât vĩ mô đã mất phản ánh đúng đắn hoạt động ở tại mức vi mô của những hạt nguyên tử và hạ nguyên tử. Cơ học lượng tử mang đến rằng năng lượng (energy — trang bị căn bạn dạng cấu thành vũ trụ) là một trong những dạng vật hóa học nên hoàn toàn có thể đong, đo, định lượng và chia thành các đối kháng vị.

Spin

Những vật lớn như một hành tinh hoặc nhỏ như một proton đều sở hữu một đặc thù gọi là spin.

Spin là lượng hoạt động quay nhưng một thiết bị có, xét cả cân nặng và ngoài mặt của nó. Đây còn gọi là moment hễ lượng của một vật. Spin là 1 trong những khái niệm thuần túy lượng tử, không có sự tương xứng trong cơ học tập cổ điển.

Quan niệm về spin kế tiếp được chứng minh rằng có mâu thuẫn với thuyết tương đối. Mặc dù nhiên, mang lại dù nguồn gốc sinh ra spin ra sao chưa rõ, spin của tất cả các phân tử cơ phiên bản tạo nên thế giới vật chất, như electron, quark các khác ko và bằng ħ/2 (ħ là hằng số plank), điện thoại tư vấn tắt là 1/2. Các hạt như photon bao gồm spin bằng 1… Như vậy, spin là một đặc trưng nội tại của hạt, nó thay hữu như thể như khối lượng và điện tích đặc thù của phân tử đó. Nếu như một electron không có spin thì nó không còn là một electron nữa.

*

Chồng chập lượng tử và Qubit

Chồng chập lượng tử (hay chồng quality tử, xếp lớp lượng tử) là việc áp dụng nguyên lý chồng chập vào cơ học lượng tử. Nguyên lý chồng chập vốn là sự cộng véctơ những véctơ sóng vào giao thoa. Trong cơ học lượng tử, những véctơ hàm sóng, tốt véctơ tâm lý được cộng.

Cụ thể, chồng chập lượng tử có thể được phát biểu là “nếu một hệ lượng tử hoàn toàn có thể được phát hiện tại ở 1 trong 2 trạng thái, A cùng B với các đặc thù khác nhau, nó cũng có thể được phát hiện nay ở trạng thái tổ hợp của chúng, aA + bB, ở đó a với b là những số bất kỳ”.

Điều này được vận dụng vào máy tính xách tay lượng tử với việc tạo ra các quantum bit (bit lượng tử), điện thoại tư vấn tắt là qubit. Những nhà phân phát minh máy vi tính lượng tử áp dụng một vi hạt như một qubit, và trạng thái spin phía lên hay hướng xuống của vi hạt tương xứng với tâm trạng của qubit.

Khác với laptop kỹ thuật số dựa vào tranzitor đòi hỏi cần yêu cầu mã hóa dữ liệu thành các chữ số nhị phân, từng số được gán cho một trong 2 trạng thái nhất mực là 0 hoặc 1, thống kê giám sát lượng tử sử dụng các bit lượng tử ngơi nghỉ trong trạng thái chồng chập nhằm tính toán. Điều này có nghĩa là 1 bit lượng tử có thể có cực hiếm 0 và 1 sinh sống cùng một thời điểm, có nghĩa là xảy ra hiện nay tường ck chập lượng tử của qubit.

Để phân tích và lý giải điều này, hãy hình dung rằng bao gồm một đồng tiền được tung lên. Trước khi nó tiếp đất bằng mặt trước tuyệt mặt sau, nó đang quay tít trong ko trung với vận tốc cực nhanh. Với khi nó sẽ quay tít như vậy, tại một thời điểm nhất thiết bạn khẳng định mặt của đồng xu thì nó sẽ có cả 2 trạng thái, sấp và ngửa.

Như vậy, nếu như một máy vi tính có 2 qubit, tại một thời điểm nó sẽ sở hữu 222^222 = 4 trạng thái, 3 qubit sẽ sở hữu 232^323 = 8 trạng thái, NNN qubit sẽ 2N2^N2N tâm trạng của qubit đồng thời. Điều này tức là chiếc máy tính lượng tử NNN qubit sẽ sở hữu tương đương với sức mạnh của 2N2^N2N sản phẩm công nghệ tính chạy song song nhau. Điều này phân tích và lý giải tại sao máy tính lượng tử có tác dụng tính toán cực cấp tốc so với máy vi tính thông thường.

Xem thêm: Hướng Dẫn Cách Kiểm Tra Oppo Neo 7, Cách Kiểm Tra Oppo Neo 7

Về mặt lý thuyết, một sản phẩm tính có nhiều qubit có công dụng xử lý một lượng tác vụ vô cùng mập như đo lường số học tập hoặc triển khai tìm kiếm đại lý dữ liệu cực đại trong thời gian nhanh hơn nhiều so cùng với các máy vi tính thông thường.

*

Rối lượng tử (Quantum Entanglement)

Rối lượng tử (Quantum Entanglement) là 1 trong hiện tượng xảy ra ở lever hạt mà tới nay những nhà công nghệ vẫn chưa 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 phân tử photon ở đầu này của vũ trụ và một hạt photon khác có link rối lượng tử cùng với nó, mà lại ở tận đầu tê của vũ trụ, thì nếu như bạn tác động vào một trong những hạt, phân tử kia cũng sẽ bị hình ảnh hưởng. Liên can này cấp tốc hơn ánh sáng tương đối nhiều và hoàn toàn tuyệt đối. Xuất xắc nói cách khác: NÓ KHÔNG PHỤ THUỘC VÀO KHOẢNG CÁCH GIỮA nhị HẠT.

Sự khác hoàn toàn của qubit đối với bit cổ điển, không chỉ ở sự biến chuyển thiên giá bán trị liên tiếp thông qua ông chồng chập lượng tử, mà còn tại phần cùng một lúc nhiều qubit có thể tồn trên và liên hệ với nhau qua hiện tượng lạ rối lượng tử . Sự vướng víu này có thể xảy ra ở khoảng cách vĩ mô giữa những qubit, có thể chấp nhận được chúng miêu tả các ck chập cùng lúc của không ít dãy cam kết tự (ví dụ ông chồng chập 01010 với 11111). đặc thù “song song lượng tử” này là thế khỏe mạnh cơ bản của laptop lượng tử.

*

Quantum machine learning

Hiểu về khái niệm tính toán lượng tử trong 1 phút

Bây giờ bạn có thể tự hỏi: "Quantum algorithm là gì?". Nó cũng chỉ dễ dàng và đơn giản là một chuỗi các lệnh như những thuật toán thông thường. Ở những máy tính xách tay thông thường họ sử dụng classic gates như OR, AND, NOT. Tuy nhiên điều làm cho đo lường và thống kê lượng tử không giống với những phép toán thường thì là nó áp dụng quantum gates, vận động trên qubits thay do bit. Vậy đầu vào của quantum algorithms được chế tạo lên trường đoản cú qubits, đơn giản như nếu như khách hàng có n qubits thì mặt khác bạn cũng đều có 2n2^n2n trạng thái, với 300 qubits thì chúng ta có 23002^3002300 trạng thái xảy ra cùng lúc, 23002^3002300 cũng chính là số nguyên tử trong tổng thể vũ trụ ^^

Một ví dụ điển hình nổi bật ở kế bên đời sinh sống mà vận dụng về giám sát và đo lường lượng tử là bộ xử lý siêu dẫn của google sử dụng 54 qubits để thực hiện phép toán mất 200s mà laptop thông thường với những thuật toán hiện bao gồm thời nay buộc phải đến 10,000 năm để giải ra.

Quantum machine learning là gì?

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

QML đã gồm có phát kiến tỏa nắng rực rỡ về phương diện toán học, khi mà lại toán học tập là gốc rễ cốt lõi cho những thuật toán lượng tử. Nhưng thực tế các phát loài kiến này vẫn chưa được khai quật nhiều và các thuật toán ML thông hay được dùng trong Artificial Neural Networks (ANNs) vẫn tỏ ra bổ ích khi chạy trên các máy tính xách tay truyền thống. Nhưng theo xu thế new của thời đại 4.0 khi Big Data là chủ đạo và yêu mong xử lý nghiệp vụ ngày càng cao của những doanh nghiệp, QML đang dần thay thế sửa chữa ML truyền thống. Cung ứng đó, các chuyên ngành như Quantum Computer Science cùng Quantum Information Science sẽ tạo ra những biến hóa lớn lao mang lại AI trong khoảng 10 năm tới với là tiền đề cho kỷ nguyên công nghiệp new 5.0.

Vậy QML sẽ sửa chữa và cung cấp cho ML truyền thống như thế nào? Có 2 hướng chính:

Quantum versions of ML algorithms: (1) sử dụng các phiên bản lượng tử trong việc tìm kiếm trị riêng và vector riêng của những ma trận lớn, (2) search kiếm nearest neighbours trong máy vi tính lượng tử, (3) các cách thức lượng tử vào việc cách tân thí nghiệm trên những hạt Higgs boston tạo nên khuôn khổ về việc hiểu biết các hạt và liên hệ cơ bạn dạng trong từ bỏ nhiên, tuyệt (4) những thuật toán lượng tử để giải quyết và xử lý các việc tuyến tính vào ML.

Classical ML to analyze quantum systems: (1) dấn diện các điểm biến hóa lượng tử (Quantum Change Point), (2) phân một số loại nhị phân về trạng thái của các qubit, (3) sự mất links lượng tử, và (4) tái tạo các giá trị quan gần cạnh trong nhiệt 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... Với chỉ áp dụng O(log⁡(N))O(log(N))O(log(N)) tham số biến đổi thiên cho đầu vào là NNN qubits.

Thực thi QNNs là giữa những bước tiến quan trọng trong AI với ML. Gần như bước đầu tiên là mô rộp Perception vào QNNs giỏi nói khác đi là mô phỏng một neutron lượng tử. Bạn có thể dựa vào thuyết diễn giải nhiều quả đât — Many-worlds Interpretation để mô bỏng cho neutron. Thuyết diễn giải nhiều trái đất cho rằng tồn tại tuy nhiên song nhiều vũ trụ quanh bọn họ với thừa khứ cùng tương lai trọn vẹn xác định. Vậy học tập thuyết này còn có liên quan lại gì tới QNNs? có thể hiểu đơn giản dễ dàng là ANNs thực hiện một mạng neural để lưu giữ những patterns khác biệt nhưng QNNs hoàn toàn có thể sử dụng cùng một lúc nhiều mạng neural để tàng trữ nhiều patterns không giống nhau. Nghe có vẻ như khá trừu tượng nhỉ? Các bạn cũng có thể hình dung nó như qubit tồn tại 2 tâm lý là 0 với 1 nghỉ ngơi cùng 1 thời điểm (Superposition).

Xem thêm: Cách Ướp Thịt Heo Nướng Ngon Mềm Không Thua Kém Hàng Quán, Cách Ướp Thịt Nướng

Hybrid quantum-classical

Xuyên suốt bài xích bạn đã năm được những khái niệm cơ phiên bản rồi chứ

*

Đầu tiền ta sẽ tạo nên một vòng bit vào 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 dễ dàng bằng keras (controller network):

controller = tf.keras.Sequential(< tf.keras.layers.Dense(10, activation="elu"), tf.keras.layers.Dense(3)>)Sử dụng tfq để liên kết với controller circuit như 1 keras.Model:

# This input đầu vào is the simulated miscalibration that the mã sản phẩm will learn to 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 to set the qubit to.commands_input = tf.keras.Input(shape=(1,), dtype=tf.dtypes.float32, name="commands_input")Tiếp theo vận dụng một loạt các 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 gói đo lường này bởi bằng một tf.keras.Model:

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

Mô hình này còn có hai đầu vào: những lệnh cho bộ tinh chỉnh và điều khiển và cổng đầu ra của controller circuit

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

*

Xây dựng command input đầu vào values đầu vào và đầu ra ao ước muốn:

Đây chưa hẳn là toàn bộ dữ liệu đào tạo nên nhiệm vụ này. Mỗi datapoint trong tập dữ liệu cũng cần được một mạch đầu vào, ta đang nói rõ rộng điều này tại đoạn kế tiếp

commands = np.array(<<0>, <1>>, dtype=np.float32)expected_outputs = np.array(<<1>, <-1>>, dtype=np.float32)Input-circuit bên dưới xác định đo lường sai tình cờ 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 những 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 to Control a Qubit")plt.xlabel("Iterations")plt.ylabel("Error in Control")plt.show()

*

Từ plot trên chúng ta có thể thấy quy trình mạng sẽ học bí quyết khắc phục tính toán sai của hệ thống.

Chúng ta vừa đi sang một loạt những khái niệm cơ phiên bản về quantum machine learning, cũng như bàn luận về nó. Mặc đây là một technology khá non trẻ tuy thế tiềm năng của nó lại rất lớn trong trí thông minh nhân tạo, cảm ơn các bạn đã hiểu bài, hẹn chúng ta 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