4個量子位元的IBM實驗晶片,但最後並無實用價值。 在量子資訊科學 中,量子位元 (英語:quantum bit ),又稱Q位元 (qubit [ 1] )是量子信息的計量單位 。傳統電腦 使用的是0和1,量子電腦 雖然也是使用0跟1,但不同的是,量子電腦 的0與1可以同時計算。在古典系统中,一个位元在同一时间,只有0或1,只存在一種狀態,但量子位元可以同時是1和0,兩種狀態同時存在,這種效果叫量子疊加 。這是量子電腦計算目前獨有的特性。
具有量子 特性的系統(通常為雙態系統 ,如自旋1/2粒子),選定兩個相互正交 的本徵態 ,分別以 | 0 ⟩ {\displaystyle |0\rangle } (採狄拉克標記 右括向量表示)和 | 1 ⟩ {\displaystyle |1\rangle } 代表。當對此系統做投影式量子測量 時,會得到的結果必為這兩個本徵態之一,以特定機率比例出現。此外,這兩個本徵態可以複數 係數做線性疊加 得到諸多新的量子態
| ψ ⟩ = α | 0 ⟩ + β | 1 ⟩ ; α , β ∈ C {\displaystyle |\psi \rangle =\alpha |0\rangle +\beta |1\rangle ;\quad \alpha ,\beta \in \mathbb {C} } , 而從量子力學 得知,這些線性疊加態 | ψ ⟩ {\displaystyle |\psi \rangle \,} 的兩個複數係數,必須要求各自絕對值平方相加之和為1,也就是:
| α | 2 + | β | 2 = 1 {\displaystyle |\alpha |^{2}+|\beta |^{2}=1\,} 因為
1 = ⟨ ψ | ψ ⟩ = ( α | 0 ⟩ + β | 1 ⟩ ) † ( α | 0 ⟩ + β | 1 ⟩ ) = ( α ∗ ⟨ 0 | + β ∗ ⟨ 1 | ) ( α | 0 ⟩ + β | 1 ⟩ ) {\displaystyle 1=\langle \psi |\psi \rangle =(\alpha |0\rangle +\beta |1\rangle )^{\dagger }(\alpha |0\rangle +\beta |1\rangle )=(\alpha ^{*}\langle 0|+\beta ^{*}\langle 1|)(\alpha |0\rangle +\beta |1\rangle )} = α ∗ α ⟨ 0 | 0 ⟩ + β ∗ β ⟨ 1 | 1 ⟩ {\displaystyle =\alpha ^{*}\alpha \langle 0|0\rangle +\beta ^{*}\beta \langle 1|1\rangle } = | α | 2 + | β | 2 {\displaystyle =|\alpha |^{2}+|\beta |^{2}\,} ,即要求總機率要是1。 兩個本徵態 | 0 ⟩ {\displaystyle |0\rangle } 、 | 1 ⟩ {\displaystyle |1\rangle } 及無限多種線性疊加態 | ψ ⟩ = α | 0 ⟩ + β | 1 ⟩ {\displaystyle |\psi \rangle =\alpha |0\rangle +\beta |1\rangle } ,集合起來就代表了一個量子位元;各態皆屬純態 。
和(古典)位元 「非0即1」有所不同,量子位元可以「又0又1」的狀態存在,所謂「又0又1」即上述無限多種 ( α , β ) {\displaystyle (\alpha ,\beta )\,} 組合的線性疊加態。這特性導致了量子平行處理 等現象,並使量子計算 應用在某些課題上顯著地優於古典計算,甚至可進行古典計算無法做到的工作。
量子位元通常會採用一種幾何表示法將之圖像化,此表示法稱之為布洛赫球面 。
若設定 | 0 ⟩ {\displaystyle |0\rangle } 、 | 1 ⟩ {\displaystyle |1\rangle } 順沿直角坐標系 的z方向,則有諸多表示法。可採上述向量 形式如狄拉克標記 的右括向量,亦可將之表為行矩陣;另外有密度矩陣 形式,可表為右括向量乘以左括向量,或表為方块矩阵 ,可見如下:
向量: z + = | 0 ⟩ = ( 1 0 ) , z − = | 1 ⟩ = ( 0 1 ) {\displaystyle z_{+}=|0\rangle ={\begin{pmatrix}1\\0\end{pmatrix}},\quad z_{-}=|1\rangle ={\begin{pmatrix}0\\1\end{pmatrix}}} 密度矩陣: z + = | 0 ⟩ ⟨ 0 | = ( 1 0 ) ∗ ( 1 0 ) = ( 1 0 0 0 ) , {\displaystyle z_{+}=|0\rangle \langle 0|={\begin{pmatrix}1\\0\end{pmatrix}}*{\begin{pmatrix}1&0\end{pmatrix}}={\begin{pmatrix}1&0\\0&0\end{pmatrix}},} z − = | 1 ⟩ ⟨ 1 | = ( 0 1 ) ∗ ( 0 1 ) = ( 0 0 0 1 ) {\displaystyle z_{-}=|1\rangle \langle 1|={\begin{pmatrix}0\\1\end{pmatrix}}*{\begin{pmatrix}0&1\end{pmatrix}}={\begin{pmatrix}0&0\\0&1\end{pmatrix}}} 向量: x + = | x + ⟩ = ( 1 2 1 2 ) , x − = | x − ⟩ = ( 1 2 − 1 2 ) {\displaystyle x_{+}=|x_{+}\rangle ={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}},\quad x_{-}=|x_{-}\rangle ={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\-{\frac {1}{\sqrt {2}}}\end{pmatrix}}} 密度矩陣: x + = | x + ⟩ ⟨ x + | = ( 1 2 1 2 ) ∗ ( 1 2 1 2 ) = ( 1 2 1 2 1 2 1 2 ) , {\displaystyle x_{+}=|x_{+}\rangle \langle x_{+}|={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}}*{\begin{pmatrix}{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\end{pmatrix}}={\begin{pmatrix}{\frac {1}{2}}&{\frac {1}{2}}\\{\frac {1}{2}}&{\frac {1}{2}}\end{pmatrix}},} x − = | x − ⟩ ⟨ x − | = ( 1 2 − 1 2 ) ∗ ( 1 2 − 1 2 ) = ( 1 2 − 1 2 − 1 2 1 2 ) {\displaystyle x_{-}=|x_{-}\rangle \langle x_{-}|={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\-{\frac {1}{\sqrt {2}}}\end{pmatrix}}*{\begin{pmatrix}{\frac {1}{\sqrt {2}}}&-{\frac {1}{\sqrt {2}}}\end{pmatrix}}={\begin{pmatrix}{\frac {1}{2}}&-{\frac {1}{2}}\\-{\frac {1}{2}}&{\frac {1}{2}}\end{pmatrix}}} 向量: y + = | y + ⟩ = ( 1 2 i 2 ) , y − = | y − ⟩ = ( 1 2 − i 2 ) {\displaystyle y_{+}=|y_{+}\rangle ={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\{\frac {i}{\sqrt {2}}}\end{pmatrix}},\quad y_{-}=|y_{-}\rangle ={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\-{\frac {i}{\sqrt {2}}}\end{pmatrix}}} 密度矩陣: y + = | y + ⟩ ⟨ y + | = ( 1 2 i 2 ) ∗ ( 1 2 − i 2 ) = ( 1 2 − i 2 i 2 1 2 ) , {\displaystyle y_{+}=|y_{+}\rangle \langle y_{+}|={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\{\frac {i}{\sqrt {2}}}\end{pmatrix}}*{\begin{pmatrix}{\frac {1}{\sqrt {2}}}&-{\frac {i}{\sqrt {2}}}\end{pmatrix}}={\begin{pmatrix}{\frac {1}{2}}&-{\frac {i}{2}}\\{\frac {i}{2}}&{\frac {1}{2}}\end{pmatrix}},} y − = | y − ⟩ ⟨ y − | = ( 1 2 − i 2 ) ∗ ( 1 2 i 2 ) = ( 1 2 i 2 − i 2 1 2 ) {\displaystyle y_{-}=|y_{-}\rangle \langle y_{-}|={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\-{\frac {i}{\sqrt {2}}}\end{pmatrix}}*{\begin{pmatrix}{\frac {1}{\sqrt {2}}}&{\frac {i}{\sqrt {2}}}\end{pmatrix}}={\begin{pmatrix}{\frac {1}{2}}&{\frac {i}{2}}\\-{\frac {i}{2}}&{\frac {1}{2}}\end{pmatrix}}} 量子三位元 (qutrit)是量子位元的推廣,有些應用採取之。量子三元以狄拉克標記 右括向量表示可寫為 | 0 ⟩ {\displaystyle |0\rangle } 、 | 1 ⟩ {\displaystyle |1\rangle } 、 | 2 ⟩ {\displaystyle |2\rangle } 。一個自旋 為1的粒子,其自旋自由度有三,所對應的本徵值 為+1, 0, -1,此粒子即可用作量子三元。
^ MA Nielsen, IL Chuang. Quantum Computation and Quantum Information , Cambridge University Press, Cambridge (2000). Michael A. Nielsen, Isaac L. Chuang: Quantum Computation and Quantum Information. Cambridge University Press, Cambridge 2000, ISBN 0-521-63503-9 . Oliver Morsch: Quantum bits and quantum secrets - how quantum physics is revolutionizing codes and computers. Wiley-VCH, Weinheim 2008, ISBN 978-3-527-40710-1 . Anthony J. Leggett: Quantum computing and quantum bits in mesoscopic systems. Kluwer Academic, New York 2004, ISBN 0-306-47904-4 .