量子计算过程中是否必须有量子纠缠?

正如 @quantum-study 的回答所说,某些量子计算算法如DQC1被提议可以通过除了量子纠缠(Entanglement)以外的其他量子关联来实现,讨论的比较多是量子失谐(Discord)度量。

量子纠缠态的定义是,如果系统量子态的波函数不能被写成其包含子系统的张量积连加和,即它是不可分离(not separable)的,则称该系统为纠缠的。

那么问题就来了,但是如果一个量子系统是可以分离(separable)的,它就没有量子关联了吗?回答是否定的,为了描述一个量子系统中除了量子纠缠之外的量子关联,研究者提出了许多其他量子关联度量,具体见下文表,量子失谐就是其中最热门的。与量子纠缠以量子态可否分离决定有无不同,量子失谐的有无是基于量子态的密度矩阵之间的不可对易性。由于量子失谐和量子纠缠一样,还处于研究的初期,所以研究者们还在提出和探究各种量子失谐的定义。现在比较常用的定义是将其作为两个经典相互信息(mutual information)在量子力学中的对应表达之差,得到的结果是该量子系统中总的量子相互信息与在局部测量后得到的经典信息之差,也就是说量子失谐是包含量子纠缠在内的量子关联的,它可能是更一般的可以用来描述量子态之间量子关联的量。

对于纯态,量子失谐等于量子纠缠;对于混态,量子失谐在量子纠缠为零时仍可以大于零。

量子失谐是一个用来判断某系统是量子态,量子-经典态(一个子系统是量子态,另外一个是经典态)的有力判据。前者的量子失谐是正值,后者则是零。

就计算难度而言,辨识任意混合态量子系统是否被量子纠缠是否量子纠缠是很困难的,其中一般两体案例已被证明为NP困难。而计算任意混合态量子系统的量子失谐的值也被证明是NP困难的。

有研究者将量子失谐解释成量子麦克斯韦妖和经典麦克斯韦妖获取信息的差别,也有研究 【B. Davic, etc, Nature Physics 8, 666-670 (2012)】提出把几何量子失谐(Geometric quantum discord, 跟上面介绍的量子失谐定义不同)的值跟一个叫远程态制备(Remote state preparation)的量子通信方案中得到的保真度(fidelity)联系在了一起,称使用一个没有量子纠缠的量子态作量子通信资源也可以达到通信效果,甚至还可以有更好的保真度。在这篇文章发表之后还是有较大争议的,反对者最有力的论点是几何量子失谐可以通过局部操作和经典通信(LOCC)产生,这样它不应该被看作量子关联,因为量子关联量应该只能被全局操作改变。这样来说,噪音作为局部非厄正操作也可以改变量子失谐的值,增大/减少都有可能,这样把它作为一个量子通信资源来说就不是一个好主意了。由于这些困难,对量子失谐的研究在冷了几年,但是在最近两年它又成为了量子信息的研究热点之一。

所以说,无论是量子计算还是量子通信,都有方案用其他量子关联量来取代量子纠缠作为所需的量子资源,当然它们大都只是想法或者少量限制比较多的实验,在对量子纠缠之外的量子关联研究更透彻之前,使用量子纠缠作量子通信/计算的元件,还是大势所趋。

量子失谐一开始提出是因为多个量子纠缠态太难造也太难保持,但是如果要作高容量的量子通信通道需要非常多的纠缠态,因为一个量子通道的容量不能超过一个经典通道容量,因此人们想找一个更易造的量子资源。量子失谐的一个有利特性是它对噪音不敏感,所以能在强噪音的环境下比量子纠缠更好存活,这对于现在比较流行的量子计算方案之一超导量子比特很有意义,因为其核心元件约瑟夫森超导线路只能在低温环境下工作,且对磁场极为敏感(之前LIGO有尝试用它作探测),它在微波频率(~GHz)工作,为了避免真空量子涨落产生的噪音光子对器件造成影响,通常要把温度降到mK的量级,这样噪音光子的平均频率就基本是工作频率的千分之一。但是如果将来把实验装置扩大来做更复杂的量子通信实验,会遇到的噪音就会大得多,此时保持实验量子态的纠缠就比较困难,而更抗噪音的量子失谐就有可能被派上用场。还有,量子失谐没有量子纠缠具有“一对一”性质(monogamy),所以也可能借此更好地控制子系统之间的关联。

下图给出了各种关联之间的包含关系,意思是量子态都可以用量子失谐描述,其中的一部分量子态是纠缠的,在纠缠态里面有一部分是可以通过对关联系统中一个子系统作局部测量操作控制来控制(steerable)另一个子系统的状态,在可控量子态中有一部分是非局域(nonlocal)的,希望能帮助大家更好理解,此图也可以在【Quantification of Gaussian quantum steering】中找到。

最后附一张在【G. Adesso etc, J. Phys. A: Math. Theor. 49, 473001 (2016)】文章中的图,看看最近在研究的量子关联量有哪些

来源:知乎 www.zhihu.com

作者:Minxing Xu

【知乎日报】千万用户的选择,做朋友圈里的新鲜事分享大牛。
点击下载

此问题还有 11 个回答,查看全部。