갈래의 확률과 정규화
Aₓ(ρ)의 trace가 결과 확률입니다. pₓ>0일 때만 나누어 조건부 상태를 만듭니다. 여러 Kraus 연산자를 한 결과로 묶으면 순수 입력도 그 결과 안에서 혼합될 수 있습니다.
pₓ=Tr Aₓ(ρ); ρₓ=Aₓ(ρ)/pₓ for pₓ>0
각 갈래에 확률과 상태를 따로 쓰고 확률0인 갈래의 조건부 상태 자리를 비워 둡니다.
측정 결과는 숫자 한 개가 아니라 다음 행동이 읽을 수 있는 기록입니다. 확률을 담은 정규화 전 갈래와 조건부 상태를 구별하고, 어떤 정보를 남겼는지 표시하세요.
Aₓ(ρ)의 trace가 결과 확률입니다. pₓ>0일 때만 나누어 조건부 상태를 만듭니다. 여러 Kraus 연산자를 한 결과로 묶으면 순수 입력도 그 결과 안에서 혼합될 수 있습니다.
pₓ=Tr Aₓ(ρ); ρₓ=Aₓ(ρ)/pₓ for pₓ>0
각 갈래에 확률과 상태를 따로 쓰고 확률0인 갈래의 조건부 상태 자리를 비워 둡니다.
확률0 결과에도 조건부 상태가 있을까요? 한 결과 안에 연산자가 여러 개면 순수할까요?
Z 사영 |+〉와 |0〉를 비교한 뒤 여러 연산자를 묶은 |+i〉 예제를 고르세요. 갈래 확률·정규화 전 출력·조건부 상태를 나란히 읽으세요.
|0〉에서 결과1은 확률0·조건부 상태 미제공입니다. 묶인 결과0은 확률3/4이고 조건부 Y=1/3·순도5/9입니다. 결과를 하나 알았다고 숨겨진 Kraus 라벨까지 안 것은 아닙니다.
POVM은 결과의 확률을 지정하고, instrument는 각 결과에 대응하는 양자 출력까지 지정한다. 기록을 버려 얻는 채널에는 그보다 적은 정보가 들어 있다. 적응적 회로를 이해하려면 결과 확률, 조건부 상태, 다음 연산이 읽을 수 있는 기록을 모두 명시해야 한다.
앞의 POVM·채널 단원을 안다고 가정한다. 여기서는 그 개념을 전체 계산 과정에 연결한다. 오류 정정, 적응적 추론, 피드백에서는 이 구별이 실제 역할을 한다. 보정 연산은 이용 가능한 고전 결과에 의존할 수 있지만, 버린 결과에 의존할 수는 없다.
결과 x의 사상 A_x는 완전양성이며 trace 비증가라고 하자. 모든 결과의 합은 TP여야 한다. 여러 Kraus 연산자가 하나의 묶인 결과에 속할 수도 있다.
p_x=Tr(E_xρ), ΣE_x=I가 된다. p_x>0이면 조건부 상태는 ρ_x=A_x(ρ)/p_x이다. p_x=0이면 불가능한 갈래로 표시하고 조건부 상태를 정의하지 않는다. 정규화 전 영연산자는 여전히 합에 넣을 수 있는 올바른 갈래다.
이 구별은 선형성도 보호한다. A_x는 선형이지만 p_x로 나누는 갱신은 일반적으로 비선형이다. 이미 정규화한 갈래 상태들을 확률 가중치 없이 평균하면 잘못된 채널을 얻는다.
고전 결과를 레지스터 C의 직교 기저로 나타내자.
이 블록 대각 상태의 trace는1이다. 각 블록에는 확률과 출력 상태가 함께 들어 있다. Tr_B ω는 고전 결과 분포이고, Tr_C ω=ΣA_x(ρ)는 기록을 버린 출력이다. 기록 사이의 비대각 블록이 없다는 점이 중요하다. 고전 기록을 곧바로 결과 라벨의 결맞는 중첩으로 취급하면 안 된다.
|+〉를 Z측정하면 두 블록은 |0〉〈0|/2와 |1〉〈1|/2이다. 기록을 버리면 I/2가 된다. 기록을 보존하면 관찰자는 측정된 계의 Z값을 정확히 예측할 수 있다. 계의 주변 상태는 같아도 다음 단계에서 가능한 일은 다르다.
효과가 E₀=|0〉〈0|, E₁=|1〉〈1|인 두 instrument를 비교하자. 사영 측정은 K₀=|0〉〈0|, K₁=|1〉〈1|을 쓴다. 측정 후 초기화는 L₀=|0〉〈0|, L₁=|0〉〈1|을 쓴다. 결과별로 K†K=L†L이므로 효과는 같다.
|+〉에서 두 실험의 결과 확률은 모두1/2,1/2이다. 하지만 사영 측정의 기록을 버리면 I/2이고, 초기화 실험은 |0〉〈0|이다. 따라서 결과 히스토그램이 같다는 사실만으로 상태 갱신이 같다고 인증할 수 없다. 반대로 앞 단원의 환경 기저 변경은 기록을 바꾸면서 무조건부 채널은 유지한다. POVM만으로도, 기록을 버린 채널만으로도 전체 instrument를 지정할 수 없다.
제어기가 x를 읽고 채널 F_x를 적용한다면 최종 출력은 ΣF_x(A_x(ρ))이다. 괄호 안은 정규화되지 않은 연산자이므로 F_x를 선형으로 적용한다. Z사영 측정에서0이면 I, 1이면 X를 적용하자. 두 갈래 모두 |0〉으로 끝나므로 |+〉 입력의 최종 출력은 I/2가 아니라 |0〉〈0|이다.
제어기가 작동하기 전에 결과를 버렸다면 사라진 결과에 따라 I와 X를 선택할 수 없다. 고정된 후속 연산이 일부 입력에서 같은 결과를 만들 수는 있어도, 없어진 고전 상관관계를 복원하는 것은 아니다. 정보 흐름 그림에는 양자 선과 함께 기록의 전달 경로도 표시해야 한다.
측정 상호작용은 먼저 계와 보조계를 결맞게 상관시킬 수 있다. Z읽기에서는 계 B를 제어, 기록 C를 대상으로 하는 CX가 |+〉_B|0〉_C를 Bell 상태로 바꾼다. C를 제어로 B에 X를 적용하면 |0〉_B|+〉_C가 된다. 마지막에 C를 측정하면 즉시 측정하고 결과에 따라 보정한 경우와 같은 최종 고전 기록과 계 상태를 얻는다.
마지막 측정 전에는 결맞는 구현의 C가 |+〉이고, 고전 구현의 기록은 대각 상태다. C의 위상에 민감한 측정으로 둘을 구별할 수 있다. 따라서 동등성은 적절한 측정·dephasing 이후에 지정한 최종 관측에 관한 것이며, 모든 중간 결합 상태가 같다는 뜻은 아니다.
측정 지연에는 기록을 결맞게 보존하고, 그 기록에 따른 제어 연산을 구현하며, 기록을 양립하지 않는 방식으로 사용하지 않는 조건이 필요하다. 초기화, 누출, 접근할 수 없는 환경, 제어 연산의 제약은 이 대체를 막을 수 있다. 채널만으로 제어된 구현의 결맞는 위상이 정해지지도 않는다. 알고리즘을 단순화하기 전에 가정을 명시하자.
결과를 하나 알면 상태가 순수해진다는 생각에 반례를 만들자. 결과0 안에 √(1/2)I와 √(1/4)Z를 묶고, 결과1에는 √(1/4)X를 둔다. 효과는3I/4와 I/4이며 합은 I이다. |+i〉에서 정규화 전 갈래는 다음과 같다.
결과0의 확률은3/4이다. 이 확률로 나눈 조건부 Y기댓값은 (1/2−1/4)/(3/4)=1/3이고 순도는 (1+1/9)/2=5/9이다. 결과1의 확률은1/4, 조건부 Y는−1이다. 기록을 버리면 전체 Y=0, 출력은 I/2이다. 처음 입력이 순수해도 결과0 안의 어떤 연산이 일어났는지는 묶인 보고가 알려 주지 않는다.
|+〉의 Z사영과 비교하자. 두 확률은1/2,1/2이고 조건부 출력은 |0〉와 |1〉이다. 측정 후 초기화 instrument는 같은 효과를 쓰지만 두 조건부 출력이 모두 |0〉이다. 기록1을 읽은 뒤 X를 적용해도 사영된 계를 |0〉으로 초기화할 수 있으며, 이때에는 보존된 기록을 사용한다. 확률이 같다는 사실만으로 상태 갱신이나 제어기가 이용할 수 있는 정보를 정할 수 없다.
측정 지연 예제에서는 B를 |+i〉, C를 |0〉로 준비한다. B에서 C로의 CX 뒤에 C에서 B로의 CX를 적용하면 |0〉_B|+i〉_C가 된다. 마지막 기록 읽기 전의 C는 Y=1이다. C를 dephasing하면 I/2와 Y=0이 되고 B는 |0〉으로 유지된다. 지정한 최종 계와 고전 기록의 읽기는 즉시 측정·feedforward와 같을 수 있지만 중간의 결맞는 기록과 고전 기록은 다르다. 보존된 기록의 X·Y읽기는 다른 과제이므로 이 동등성에 몰래 포함해서는 안 된다.
확률0인 갈래: |0〉을 Z측정하고 결과1의 조건부 상태를 구할 수 있는가? 확률이0이므로 정의되지 않는다. 갈래 연산자는0이며 무조건부 합에는0으로 기여한다.
교란: 결과 확률이 같으면 instrument도 같은가? 아니다. 사영·초기화 예는 모든 입력에서 같은 효과를 가지지만 조건부 출력과 기록을 버린 출력이 다르다.
측정 지연: 결맞는 보정 회로와 고전 보정 회로가 최종 읽기에서 같은 이유는? C를 측정하거나 dephasing한 뒤의 고전–양자 출력이 같기 때문이다. 그 전에는 다를 수 있으므로 특정 과제의 결과가 같은 것을 모든 상태의 동일성으로 확대하면 안 된다.
갈래 확률과 계의 주변 상태뿐 아니라 고전–양자 전체 블록 상태를 비교하자. 확률이 양수인 갈래만 정규화한다. 결맞는 측정 지연을 비교하기 전에는 기록 기저, 사용할 수 있는 제어, 최종 관측을 지정한다. 이후 적응적 프로토콜, 양자 궤적, 유한 기억 피드백을 연구하며 이 유한 예제들을 그 질문의 출발점으로 삼는다.
채널·확장 표현·측정의 배경은 Watrous 교재, IBM Quantum Learning을 참고한다. 이 예제에서는 기록 보존과 비교 조건을 명시적으로 계산의 일부로 삼았다.
실험 설정과 무관한 기준 예제를 묻습니다. 답을 고르고 설명을 확인해보세요.
선택한 답과 학습 표시는 이 브라우저에 저장됩니다. 다시 풀거나 표시를 해제할 수 있습니다.