Các cách có thể để hình dung các trạng thái lớn, vướng mắc là gì?

Các hình ảnh nổi bật được sử dụng để mô tả các trạng thái lớn, vướng víu và trong bối cảnh nào chúng được áp dụng phổ biến nhất?

Ưu điểm và nhược điểm của họ là gì?

Khi xác minh vướng mắc thứ tự cao cấp chính hãng , các biểu đồ sau biểu thị các qudits vướng víu

Trong câu trả lời cho 'Thay thế cho hình cầu Bloch để thể hiện một qubit duy nhất' @Rob tham chiếu đại diện Majorana, không gian qutrit Hilbert và thực hiện NMR của cổng qutrit trong đó nêu rõ

Đại diện Majorana cho hệ thống spin đã tìm thấy các ứng dụng rộng rãi như xác định pha spin hình học, đại diện cho spinor bằng điểm, biểu diễn hình học của các trạng thái vướng víu đa qubit, thống kê các hệ động lực lượng tử hỗn loạn và đặc trưng ánh sáng phân cực.N $s$$N$$N$

Bài viết cũng bao gồm phong cách đại diện này cho qudits

Gần đây tôi đã hỏi về cách thể hiện trực quan một qubyte . Trong các bình luận về câu trả lời của @ DaftWullie, tôi đã đề xuất một khối 8 khối ( đồ thị hypercube ):

Một khối n có thể được chiếu bên trong một đa giác 2n-gonal thông thường bằng một hình chiếu trực giao xiên

Phương pháp này dường như cho phép sự phức tạp của sự vướng víu được hình dung theo một cách có thể mở rộng.

Tính toán ZX là một ngôn ngữ đồ họa để xử lý các bản đồ tuyến tính của các qubit và đặc biệt nó có thể đại diện cho bất kỳ trạng thái nào của các qubit. Về cơ bản, sơ đồ ZX là các mạng tenxơ, nhưng có thêm một bộ quy tắc viết lại cho phép bạn thao tác chúng bằng đồ họa. Trên trang Wikipedia, bạn có thể tìm thấy một ví dụ về cách chứng minh rằng một mạch lượng tử nhất định thực sự thực hiện trạng thái GHZ. Nó cũng đã được sử dụng để lý giải về Điện toán lượng tử dựa trên đo lường, bởi vì nó cho phép bạn suy luận thẳng về các trạng thái biểu đồ.

Trong PyZX (từ chối trách nhiệm: Tôi là nhà phát triển chính), chúng tôi sử dụng viết lại biểu đồ tự động để lý giải và chứng minh kết quả với sơ đồ ZX liên quan đến hàng ngàn đỉnh và chúng tôi có thể hình dung các mạch và trạng thái trên hàng chục qubit.

Quan điểm cá nhân của tôi:

Vâng, các trạng thái vướng víu lớn có thể được hình dung bằng cách sử dụng các mạng bayes lượng tử. Xem

• Hệ số của ma trận mật độ lượng tử Theo Bayesian và Markov Networks, bởi Robert R. Tucci (rõ ràng tôi là tác giả ở đây)

• Các công cụ Python để phân tích cả Mạng Bayesian cổ điển và lượng tử (Tuyên bố miễn trừ trách nhiệm: artiste-qb.net là công ty của tôi)

Những người khác có thể sẽ khuyên sử dụng Mạng kéo căng thay vì lưới lượng tử Bayesian. Điều này đặt ra câu hỏi: Làm thế nào để Quantum Bayesian Networks và Tenor Networks so sánh? Tôi đã nghĩ về điều đó và tập hợp những suy nghĩ của tôi trong bài viết trên blog này .

Dòng đầu tiên của bài viết trên blog:

Một câu hỏi tôi thường được hỏi là sự khác biệt giữa mạng tenor và mạng Bayes lượng tử là gì, và có bất kỳ lợi thế nào khi sử dụng cái này so với cái kia không.

Khi xử lý các xác suất, tôi thích các mạng Bayes lượng tử hơn vì các mạng b là một cách tự nhiên hơn để thể hiện xác suất (và biên độ xác suất) trong khi lưới tenor có thể được sử dụng để biểu thị nhiều đại lượng vật lý khác với xác suất do đó chúng không được thiết kế riêng cho công việc như b lưới là. Hãy để tôi giải thích chi tiết hơn cho các kỹ thuật nghiêng.

Người ta có thể xem xét sự vướng víu lưỡng cực cho hai mặt của một phân vùng, của một mạng bayes lượng tử. Người ta có thể viết các bất đẳng thức tốt đẹp cho các vướng mắc lưỡng cực như vậy. Xem, ví dụ, bất bình đẳng đa giác vướng víu trong các hệ thống Qubit, Xiao-Feng Qian, Miguel A. Alonso, Joseph H. Eberly .

Người ta cũng có thể cố gắng xác định một phép đo vướng víu n-partite cho n> 2, trong đó n là số nút của mạng Bayes lượng tử. Xem, ví dụ, Xác minh vướng mắc thứ tự cao cấp chính hãng, Che-Ming Li, Kai Chen, Andreas Reingruber, Yueh-Nan Chen, Jian-Wei Pan .