趋近智
Pauli 门提供了在量子系统中翻转比特和旋转相位的能力。然而,这些操作通常将标准基态直接映射到其他标准基态。例如,从 开始并应用 门会得到 。这种行为模仿了经典逻辑运算。为了获得量子系统的计算能力,有必要离开这些确定状态并进入叠加态。实现这一点的常用工具是 Hadamard 门,记作 。
Hadamard 门可以说是最实用的单量子比特门。它将确定状态转换为测量 或 的概率相等的叠加态。如果你想到一枚经典的硬币,它总是正面或反面。Hadamard 门就像是让硬币在边缘立住的投掷动作,在测量迫使其倒下之前,它在两种结果之间保持完美的平衡。
当 Hadamard 门作用于标准基态 时,它会产生一个 和 的概率振幅相等的状态。我们使用以下等式定义此操作:
你可能会好奇为什么我们使用系数 。回顾之前的章节,概率是通过对振幅的模进行平方来计算的。为了确保总概率之和为 1 (100%),我们必须满足:
我们将得到的状态称为“正态”(plus state),记作 。
当 Hadamard 门作用于状态 时,它会产生类似的叠加态,但在相位上有一个明显的区别。这被称为“负态”(minus state),或 。
请注意负号。如果你计算负态的概率,你仍然会得到 。 和 都有 50% 的几率被测量为 0,50% 的几率被测量为 1。区别在于矢量之间的相对相位,当这些量子比特随后与电路中的其他门交互时,这一点会变得很有意义。
在线性代数中,Hadamard 门由一个特定的酉矩阵表示。我们可以将 写为:
这个矩阵允许我们计算任何输入状态矢量的输出。如果我们将此矩阵应用于 的矢量表示(即 ),我们可以通过线性代数进行推导:
结果是一个矢量,其中顶部分量对应 ,底部分量对应 ,两者都带有 的缩放因子。
从几何角度观察这种变换很有帮助。在布洛赫球上,基态 和 分别位于 Z 轴上的北极和南极。Hadamard 门执行一次旋转,将这些状态移动到赤道(X 轴)。
具体来说,Hadamard 门绕 Y 轴旋转 90 度( 弧度),然后绕 X 轴旋转 180 度( 弧度)。一种更简单的方法是将其看作绕 X 轴和 Z 轴之间的一根对角轴进行单次 180 度旋转。
下图展示了从基态到叠加态的转换过程。
Hadamard 门将 0 态映射到正态,将 1 态映射到负态。
Hadamard 门的一个特性是它是其自身的逆。在量子力学中,操作必须是可逆的(酉变换)。如果你连续两次应用 Hadamard 门,你会回到原始状态。
从数学上讲,这意味着 ,其中 是单位矩阵。这个特性允许我们撤销叠加。在许多量子算法中,我们首先通过应用 Hadamard 门来初始化叠加态,进行计算,然后再次应用 Hadamard 门通过干涉将状态变回可测量的基态。
为了将理论付诸实践,我们可以使用 NumPy 模拟 Hadamard 门的矩阵力学。这有助于巩固量子电路模拟器背后运行的线性代数逻辑。
我们定义 的态矢量,创建 Hadamard 矩阵,并计算点积。
import numpy as np
# 定义标准基态 |0>
ket_0 = np.array([[1],
[0]])
# 定义 Hadamard 矩阵
# 1/sqrt(2) * [[1, 1], [1, -1]]
H_gate = (1 / np.sqrt(2)) * np.array([[1, 1],
[1, -1]])
# 使用矩阵乘法(点积)应用门操作
superposition_state = np.dot(H_gate, ket_0)
print("输入状态:\n", ket_0)
print("\nHadamard 矩阵:\n", H_gate)
print("\n结果状态 (|+>):\n", superposition_state)
运行此代码可以得到 状态的数值结构:
这里, 是 的数值近似值。如果你通过对这些数字进行平方来计算概率(),你将得到大约 ,从而验证了 50/50 的概率分布。
在下一节中,我们将学习相位门,它允许我们在不改变概率大小的情况下修改这些状态的复数角度。
这部分内容有帮助吗?
© 2026 ApX Machine Learning用心打造