جلسه 23 1 تابع آنتروپی و خاصیت مقعر بودن نظریه اطلاعات کوانتمی 1 ترم پاییز

Σχετικά έγγραφα
جلسه 22 1 نامساویهایی در مورد اثر ماتریس ها تي وري اطلاعات کوانتومی ترم پاییز

جلسه 15 1 اثر و اثر جزي ی نظریه ي اطلاعات کوانتومی 1 ترم پاي یز جدایی پذیر باشد یعنی:

جلسه 2 1 فضاي برداري محاسبات کوانتمی (22671) ترم بهار

جلسه 3 ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک کوانتمی بیان. d 1. i=0. i=0. λ 2 i v i v i.

جلسه 9 1 مدل جعبه-سیاه یا جستاري. 2 الگوریتم جستجوي Grover 1.2 مسا له 2.2 مقدمات محاسبات کوانتمی (22671) ترم بهار

جلسه 14 را نیز تعریف کرد. عملگري که به دنبال آن هستیم باید ماتریس چگالی مربوط به یک توزیع را به ماتریس چگالی مربوط به توزیع حاشیه اي آن ببرد.

محاسبه ی برآیند بردارها به روش تحلیلی

روش محاسبه ی توان منابع جریان و منابع ولتاژ

جلسه 12 به صورت دنباله اي از,0 1 نمایش داده شده اند در حین محاسبه ممکن است با خطا مواجه شده و یکی از بیت هاي آن. p 1

جلسه 16 نظریه اطلاعات کوانتمی 1 ترم پاییز

جلسه 2 جهت تعریف یک فضاي برداري نیازمند یک میدان 2 هستیم. یک میدان مجموعه اي از اعداد یا اسکالر ها به همراه اعمال

هو الحق دانشکده ي مهندسی کامپیوتر جلسه هفتم

جلسه 28. فرض کنید که m نسخه مستقل یک حالت محض دلخواه

سايت ويژه رياضيات درسنامه ها و جزوه هاي دروس رياضيات

مثال( مساله الپالس در ناحیه داده شده را حل کنید. u(x,0)=f(x) f(x) حل: به کمک جداسازی متغیرها: ثابت = k. u(x,y)=x(x)y(y) X"Y=-XY" X" X" kx = 0

تحلیل مدار به روش جریان حلقه

جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان

مدار معادل تونن و نورتن

آزمایش 8: تقویت کننده عملیاتی 2

محاسبات کوانتمی 1 علم ساخت و استفاده از کامپیوتري است که بر پایه ي اصول مکانیک کوانتم قرار گرفته است.

معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد:

قاعده زنجیره ای برای مشتقات جزي ی (حالت اول) :

دانشکده ی علوم ریاضی جلسه ی ۵: چند مثال

تمرینات درس ریاض عموم ٢. r(t) = (a cos t, b sin t), ٠ t ٢π. cos ٢ t sin tdt = ka۴. x = ١ ka ۴. m ٣ = ٢a. κds باشد. حاصل x٢

جلسه ی ۱۰: الگوریتم مرتب سازی سریع

مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل

ﯽﺳﻮﻃ ﺮﯿﺼﻧ ﻪﺟاﻮﺧ ﯽﺘﻌﻨﺻ هﺎﮕﺸﻧاد

جلسه ی ۵: حل روابط بازگشتی

جلسه ی ۲۴: ماشین تورینگ

فعالیت = ) ( )10 6 ( 8 = )-4( 3 * )-5( 3 = ) ( ) ( )-36( = m n m+ m n. m m m. m n mn

1) { } 6) {, } {{, }} 2) {{ }} 7 ) { } 3) { } { } 8) { } 4) {{, }} 9) { } { }

آزمایش 1: پاسخ فرکانسی تقویتکننده امیتر مشترك

دبیرستان غیر دولتی موحد

تصاویر استریوگرافی.

جلسه ی ۳: نزدیک ترین زوج نقاط

جلسه ی ۴: تحلیل مجانبی الگوریتم ها

هندسه تحلیلی بردارها در فضای R

آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ(

تخمین با معیار مربع خطا: حالت صفر: X: مکان هواپیما بدون مشاهده X را تخمین بزنیم. بهترین تخمین مقداری است که متوسط مربع خطا مینیمم باشد:

فصل چهارم : مولتی ویبراتورهای ترانزیستوری مقدمه: فیدبک مثبت

تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: میباشد. تلفات خط انتقال با مربع توان انتقالی متناسب

تحلیل الگوریتم پیدا کردن ماکزیمم

همبستگی و رگرسیون در این مبحث هدف بررسی وجود یک رابطه بین دو یا چند متغیر می باشد لذا هدف اصلی این است که آیا بین

نویسنده: محمدرضا تیموری محمد نصری مدرس: دکتر پرورش خالصۀ موضوع درس سیستم های مینیمم فاز: به نام خدا

فصل پنجم زبان های فارغ از متن

Angle Resolved Photoemission Spectroscopy (ARPES)

:موس لصف یسدنه یاه لکش رد یلوط طباور

باشند و c عددی ثابت باشد آنگاه تابع های زیر نیز در a پیوسته اند. به شرطی که g(a) 0 f g

فصل 5 :اصل گسترش و اعداد فازی

تمرین اول درس کامپایلر

تئوری جامع ماشین بخش سوم جهت سادگی بحث یک ماشین سنکرون دو قطبی از نوع قطب برجسته مطالعه میشود.

خالصه درس: نویسنده:مینا سلیمان گندمی و هاجر کشاورز امید ریاضی شرطی. استقالل متغیر های تصادفی پیوسته x و y استقالل و امید ریاضی

به نام ستاره آفرین قضیه ویریال جنبشی کل ذرات یک سیستم پایدار مقید به نیرو های پایستار را به متوسط انرژی پتانسیل کل شان

مینامند یا میگویند α یک صفر تابع

شاخصهای پراکندگی دامنهی تغییرات:

1 دایره فصل او ل کاربردهای بسیاری داشته است. یک قضیۀ بنیادی در هندسه موسوم با محیط ثابت دایره دارای بیشترین مساحت است. این موضوع در طراحی

هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه

به نام خدا. الف( توضیح دهید چرا از این تکنیک استفاده میشود چرا تحلیل را روی کل سیگنال x[n] انجام نمیدهیم

بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )2( shimiomd

CD = AB, BC = ٢DA, BCD = ٣٠ الاضلاع است.

فهرست مطالب جزوه ی فصل اول مدارهای الکتریکی مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل تحلیل مدار به روش جریان حلقه... 22

دانشکده علوم ریاضی دانشگاه گیلان آزمون پایان ترم درس: هندسه منیفلد 1 باشد. دهید.f (gx) = (gof 1 )f X شده باشند سوالات بخش میان ترم

فصل چهارم تعیین موقعیت و امتدادهای مبنا

Ali Karimpour Associate Professor Ferdowsi University of Mashhad. Reference: Chi-Tsong Chen, Linear System Theory and Design, 1999.

هدف از انجام این آزمایش بررسی رفتار انواع حالتهاي گذراي مدارهاي مرتبه دومRLC اندازهگيري پارامترهاي مختلف معادله

عنوان: رمزگذاري جستجوپذیر متقارن پویا

جلسه ی ۱۸: درهم سازی سرتاسری - درخت جست و جوی دودویی

تئوری رفتار مصرف کننده : می گیریم. فرض اول: فرض دوم: فرض سوم: فرض چهارم: برای بیان تئوری رفتار مصرف کننده ابتدا چهار فرض زیر را در نظر

به نام حضرت دوست. Downloaded from: درسنامه

آشنایی با پدیده ماره (moiré)

پروژه یازدهم: ماشین هاي بردار پشتیبان

فصل چهارم : مولتی ویبراتورهای ترانزیستوری مقدمه: فیدبک مثبت

هد ف های هفته ششم: 1- اجسام متحرک و ساکن را از هم تشخیص دهد. 2- اندازه مسافت و جا به جایی اجسام متحرک را محاسبه و آن ها را مقایسه کند 3- تندی متوسط

مسائل. 2 = (20)2 (1.96) 2 (5) 2 = 61.5 بنابراین اندازه ی نمونه الزم باید حداقل 62=n باشد.

می باشد. انشاال قسمت شعاعی بماند برای مکانیک کوانتومی 2.

فصل سوم جبر بول هدف های رفتاری: در پایان این فصل از فراگیرنده انتظار می رود که :

فصل دهم: همبستگی و رگرسیون

ثابت. Clausius - Clapeyran 1

I = I CM + Mh 2, (cm = center of mass)

مسي لهای در م انی : نردبان که کنار دیوار لیز م خورد

Beta Coefficient نویسنده : محمد حق وردی

بررسی خرابی در سازه ها با استفاده از نمودارهاي تابع پاسخ فرکانس مجتبی خمسه

هندسه تحلیلی و جبر خطی ( خط و صفحه )

Answers to Problem Set 5

ˆ ˆ ˆ. r A. Axyz ( ) ( Axyz. r r r ( )

برابری کار نیروی برآیند و تغییرات انرژی جنبشی( را بدست آورید. ماتریس ممان اینرسی s I A

2/13/2015 حمیدرضا پوررضا H.R. POURREZA 2 آخرین گام در ساخت یک سیستم ارزیابی آن است

ارتعاشات واداشته از حرارت در تیرها با در نظر گرفتن اینرسی دورانی

فصل اول هدف های رفتاری: پس از پایان این فصل از هنرجو انتظار می رود: 5 روش های اجرای دستور را توضیح دهد. 6 نوارهای ابزار را توصیف کند.

تابع هزینه حداقل میانگین مربعات توأم با حداقل واریانس خطا

عوامل جلوگیری کننده از موازی سازی عبارتند از : 1.هزینه I/O 2.هماهنگی/رقابت

Delaunay Triangulations محیا بهلولی پاییز 93

تعیین محل قرار گیری رله ها در شبکه های سلولی چندگانه تقسیم کد

فهرست جزوه ی فصل دوم مدارهای الکتریکی ( بردارها(

جلسه ی ۱۱: درخت دودویی هرم

3 لصف یربج یاه ترابع و ایوگ یاه ناوت

راهنمای کاربری موتور بنزینی )سیکل اتو(

حفاظت مقایسه فاز خطوط انتقال جبرانشده سري.

مود لصف یسدنه یاه لیدبت

ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی

Transcript:

نظریه اطلاعات کوانتمی ترم پاییز 392-39 مدرس: ابوالفتح بیگی و امین راده گوهري نویسنده: علی ایزدي راد جلسه 23 تابع آنتروپی و خاصیت مقعر بودن در جلسه ي قبل به تعریف توابع محدب و صعودي پرداختیم و قضیه هاي جنسن کلین پیرل و لونر را بررسی کردیم. در این جلسه قصد داریم تا با استفاده از این قضایاي چند خاصیت تابع آنتروپی را بررسی کنیم تابع آنتروپی در تي وري اطلاعات کوانتومی به صورت (ρ H(ρ) = tr(ρ log تعریف میشود. تابع آنتروپی تابعی مقعر است و در ادامه با چند روش به بررسی این موضوع می پردازیم. تابع f(x) مقعر است اگر( f(x محدب باشد. بنابر این می خواهیم نشان دهیم که : ρ := qσ + qω H(ρ) qh(σ) + qh(ω) tr(ρ log ρ) qtr(σ log σ) qtr(ω log ω) و یا : اثبات اول: تابع f(t) = t log t یک تابع محدب است.اگر نامساوي بالا را بر حسب این تابع بازنویسی کنیم خواهیم داشت : tr(f(qσ + qω)) qtr(f(σ)) + qtr(f(ω)) بنابر این به دنبال این هستیم که نامساوي بالا را اثبات کنیم. ماتریس ρ یک ماتریس مثبت است و بنابراین می توان آن را به صورت زیر نوشت : ρ = λ i e i e i f(ρ) = f(λ i ) e i e i, f(λ i ) = e i f(ρ) e i حال : d tr(f(ρ)) = e i f(ρ) e i = f(λ i ) = f( e i ρ e i ) i= = f( e i qσ + qω e i = f(q e i σ e i + q e i ω e i ) چون تابع f(t) محدب است نامساوي جنسن براي آن برقرار است بنابراین : tr(f(ρ)) q f( e i σ e i ) + q f( e i ω e i )

و اکنون طرف راست نامساوي توسط نامسواي پیرل به صورت زیر در می آید : tr(f(ρ)) qtr(f(σ)) + qtr(f(ω)) و این همان نامساوي است که در صدد اثباتش بودیم.پس اثبات تمام است و نتیجه می گیریم که تابع آنتروپی یک تایع مقعر است اثبات دوم: می دانیم که تابع log(t) f(t) = t یک تابع محدب است از تعریف تابع محدب داریم که : qf(σ) + qf(ω) f(qσ + qω) در نتیجه با تعریف ρ = qσ + qω خواهیم داشت : ρ log(ρ) qσ log(σ) + qω log(ω) از قضایاي جبر خطی به خاطر داریم براي دوماتریس مثبت, Aاگر B A B آنگاه tr(b). tr(a) در نتیجه اگر از نامساوي بالا رد بگیریم خواهیم داشت : tr(ρ log(ρ)) qtr(σ log(σ)) + qtr(ω log(ω)) و این نامساوي مقعر بودن تابع آنتروپی را نشان می دهد. اثبات سوم: مجددا یا تعریف ρ = qσ + qω داریم : tr(ρ ln ρ) = tr((qσ + qω) ln ρ) = qtr(σ ln ρ) + qtr(ω ln ρ) با توجه به نامساوي بالا اگر بتوانیم اثبات کنیم که σ) tr(σیا ln ρ) tr(σ ln 0 ρ) tr(σ ln σ) tr(σ ln آنگاه اثبات مقعر بودن تابع به راحتی امکان پذیر می شود.براي اثبات این موضوع از نامساوي کلین کمک میگیریم طبق نامساوي کلین به ازاي تابع محدب f نامساوي زیر برقرار است: tr(f(a) f(b)) tr((a B)f (B)) اکنون با در نظر گرفتن f := t ln t و + t f = ln و A := σ, B := ρ و با استفاده از نامساوي کلین به دست می آوریم که : tr[σ ln σ ρ ln ρ] tr[(σ ρ)(ln ρ + )] tr[(σ ρ)(ln ρ + )] = tr(σ) tr(ρ) + tr(σ ln ρ) tr(ρ ln ρ) = tr(σ ln ρ) tr(ρ ln ρ) اما : در تساوي آخر از این واقعیت بهره جستیم که براي ماتریس هاي چگالیσ tr(ρ) = tr(σ) =,ρ برقرار است. درنتیجه : tr[σ ln σ ρ ln ρ] tr(σ ln ρ) tr(ρ ln ρ) tr(σ ln σ) tr(σ ln ρ) 0 اکنون اثبات مقعر بودن تابع آنتروپی ساده خواهد بود با توجه به نامساوي اخیر : tr(σ ln σ) tr(σ ln ρ) 2

tr(ω ln ω) tr(ω ln ρ) tr(ρ ln ρ) = qtr(σ ln ρ) + qtr(ω ln ρ) qtr(σ ln σ) + qtr(ω ln ω) بنابراین : نامساوي اخیر نشان میدهد که تابع آنتروپی مقعر است. اثبات چهارمی هم وجود دارد که از خاصیت نامنفی بدون آنتروپی نسبی به دست می آید تعریف آنتروپی نسبی و خواص ان را در قسمت بعدي اثبات وبررسی می کنیم اما اگر بدانیم که آنتروپی نسبی نامنفی است بنا به تعریف آن نامساوي زیر حاصل می شود و ادامه اثبات مانند روند اثبات سوم خواهد بود : 2 آنتروپی نسبی و خواص آن tr(σ ln σ) tr(σ ln ρ) در اثبات سوم مقعر بودن تابع آنتروپی فون نویمان به جمله ي (ρ tr(σ ln (σ tr(σ ln برخورد کردیم.اگر این رابطه را در پایه مناسب بنویسیم خواهیم داشت : tr(σ ln σ) tr(σ ln ρ) = λ i ln λ i λ i ln µ i = λ i ln( λ i µ i ) جمله ي اخر شبیه به رابطه ي انتروپی نسبی یا فاصله ي کولبک در تي وري اطلاعات کلاسیک است. در تي وري اطلاعات کلاسیک براي دو توزیع q(x) p(x), آنتروپی نسبی به صورت زیر تعریف می شود : D(p q) = p(x) log p(x) q(x) و بنابراین با این شهودي کلاسیکی می توان گفت که: tr(σ ln σ σ ln ρ) = λ i ln( λ i µ i ) := D(σ ρ) خواص انتروپی نسبی در ادامه ي این جلسه بررسی خواهند شد اما اولین خاصیتی که به اثبات چهارم ما براي بررسی مقعر بودن تابع انتروپی کمک می کند این است که : خاصیت اول : آنتروپی نسبی همیشه نامنفی است. براي درستی رابطه بالا با باز نویسی آنتروپی نسبی داریم : D(σ ρ) 0 D(σ ρ) = tr(σ ln σ σ ln ρ) = tr[σ ln σ] tr[σ 2 ln ρσ 2 ] = tr[σ 2 [σ 2 ln σ ln ρσ 2 ]] 3

به خاطر داریم که ضرب داخلی بین دوماتریس را می توانستیم به صورت (B,A) (B = tr(a در نظر بگیریم.اگر بخواهیم با این دید به جمله آخر رابطه اخیر نگاه بیاندازیم بد نیست توابع زیر را در ابتدا تعریف کنیم : Φ(A) := A ln σ + (ln ρ)a L(A) := Aσ, L 2 (A) = Aσ 2,..., L k (A) = Aσ k R(A) := ρa (LR)(A) = ρaσ = (RL)(A) (ln L)(A) = A ln σ = A ln σ و مشاهده می شود که : خاصیت اخیر با استفاده از بسط سري تیلور σ ln قابل حصول است. همچنین : Φ(A) = A ln σ + (ln ρ)a = (ln L)(A) + (ln ρ)(a) = [ln L + ln R](A) = ln(lr)(a) اکنون از این توابع براي باز نمایش رابطه ي آنتروپی نسبی کمک می گیریم : D(σ ρ) = tr[σ 2 [σ 2 ln σ ln ρσ 2 ]] = tr[σ 2 ( Φ(σ 2 ))] = σ 2, Φ(σ 2 ) = σ 2, ln(lr)(σ 2 ) ln( σ 2, LR(σ نامساوي پیرل ( 2 = ln( σ 2, ρσ 2 ) = ln(tr(σ 2 ρσ 2 ) = ln(tr(ρσ 2 σ خاصبت جابجایی ln(tr(ρ)) = )) 2 = ln() = 0 پس نامنفی بودن آنتروپی نسبی اثبات شد. تمرین : با نوشتن ρ و σ به صورت تجزیه اشمیت و قرار دادن آنها در تعریف رابطه ي آنتروپی نسبی و با توجه به اینکه آنتروپی نسبی در حالت کلاسیک نامنفی است نشان دهید که آنتروپی نسبی کوانتومی نیز نامنفی است. اکنون می خواهیم دیگر خواص آنتروپی نسبی را بررسی کنیم. در حالت کلاسیک می دانیم که : 4

I(X; Y ) = H(X) + H(Y ) H(X, Y ) = x x,y P X (x) log( P X (x) ) + P Y (y) log( P y Y (y) ) P X,Y (x, y) log( P X,Y (x, y) ) = D(P (x, y) P (X)P (Y )) مشابها در حالت کوانتومی نیز رابطه ي زیر برقرار است : I(A; B) = D(ρ AB ρ A ρ B ) درستی این رابطه را با بازنویسی تعریف آنتروپی نسبی می توان پیگیري نمود : D(ρ AB ρ A ρ B ) = tr(ρ AB log(ρ AB ) ρ AB log(ρ A ρ b )) log(ρ A ρ B ) = log(i ρ B )(ρ A I) = log(i ρ B ) + log(ρ A I) اما : همچنین به عنوان تمرین و با استفاده از بسط تیلور می توانید نشان دهید که log(i ρ B ) = I log ρ B است و بنابراین D(ρ AB ρ A ρ B ) = tr(ρ AB log(ρ AB )) tr(ρ AB log(ρ A ρ b ))) = H(AB) tr(ρ AB (I log(ρ B ))) tr(ρ AB (log(ρ A ) I)) = H(AB) + H(B) + H(A) = I(A; B) در محاسبات بالا از این واقعیت استفاده کردیم که ((( B tr(ρ AB I) log(ρ برابر با ) B tr(ρ B log ρ است.جهت تحقیق آن ابتدا می توانید ابتدا حالت ρ AB = ρ A ρ B را بررسی کنید و سپس تعمیم کلی ان توسط تجزیه اشمیت را بنویسید و از این نکته نیز استفاده کنید که. tr = tr A tr B به همین ترتیب در حالت کلاسیک داشتیم که : H(X Y ) = D(P (x, y) p(y)) و مشابها در حالت کوانتومی آن رابطه ي زیر برقرار است : H(A B) = D(ρ AB I A ρ B ) خاصیت دوم: 5

خاصیت دیگر آنتروپی نسبی این است که تحت عملگر یکانی ناوردا است یعنی : D(ρ σ) = D(UρU UσU ) تمرین: خاصیت بالا را اثبات کنید خاصیت سوم: یکی دیگر از خواص آنتروپی نسبی جمع پذیري آن است.بدین معنا که : D(ρ ρ 2 σ σ 2 ) = D(ρ σ ) + D(ρ 2 σ 2 ) D(ρ n σ n ) = nd(ρ σ) یکی از نتایج این خاصیت این است که : خاصیت چهارم: خاصیت مهم وجالب دیگر انتروپی نسبی این است که : D(ρ AB σ AB ) D(ρ A σ A ) قضیه آنتروپی نسبی دو حالت ρ و σ با اعمال یک نگاشت نویزي یکسان N به هر دو حالت کاهش پیدا می کند یعنی : D(ρ σ) D(N (ρ) N )(σ)) اثبات: هر نگاشت نویزي را می توان با اضافه کردن حالت 0 E به سیستم و اعمال کردن یک تحول یکانی به سیستم وسپس اثر جزي ی گرفتن به دست اورد یعنی N را به صورت U( 0 0 N (ρ) = tr E U(ρ نوشت. حال با این ایده : D(ρ σ) = D(ρ σ) + D( 0 0 E 0 0 E ) = D(ρ 0 0 E σ 0 0 E ) = D(Uρ 0 0 E U Uσ 0 0 E U ) D(N (ρ) N (σ)) در نامساوي آخر از خاصیت ) A D(ρ AB σ AB ) D(ρ A σ استفاده کردیم تمرین: نشان دهید که انتروپی نسبی بین دو حالت کوانتومی-کلاسیکی ρ XB و σ XB از رابطه زیر به دست می آید : D(ρ XB σ XB ) = P X (x)d(ρ x σ x ) x که در آن : ρ XB := x P X x x X ρ B x قضیه 2 تابع آنتروپی نسبی به صورت مشترك نسبت به آرگومان هاي خود محدب است یعنی اگر تعریف کنیم : = ρ D(ρ σ) x P X (x)d(ρ x σ x ) x P x(x)ρ x و σ = x P X(x)σ x آنگاه : 6

اثبات: از تمرین بالا می دانیم که : P X (x)d(ρ x σ x = D(ρ XB σ XB ) x اما از آنجا که بنا به خاصیت آنتروپی نسبی : D(ρ XB σ XB ) D(ρ B σ B ) D(ρ σ) x P X (x)d(ρ x σ x ) پس نتیجه میگیریم که : 7