0% found this document useful (0 votes)
78 views21 pages

Quantum Complexity Theory (Persian)

Quantum complexity theory ( Persian )

Uploaded by

kourosh mirsohi
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
0% found this document useful (0 votes)
78 views21 pages

Quantum Complexity Theory (Persian)

Quantum complexity theory ( Persian )

Uploaded by

kourosh mirsohi
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
You are on page 1/ 21

‫ﭘﺮوژه درس ﻣﺤﺎﺳﺒﺎت ﮐﻮاﻧﺘﻮﻣﯽ‬

‫ﻣﻌﺎدل ﮐﻮاﻧﺘﻮﻣﯽ ﮐﻼس ﻫﺎی ‪ P‬و ‪NP‬‬

‫ﻣﺤﻤﺪﻋﻠﯽ )ﮐﻮروش( ﻣﯿﺮﺳﻬﯽ‬

‫زﻣﺴﺘﺎن ‪١٣٩٩‬‬
‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬

‫ب‬ ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬

‫‪١‬‬ ‫‪ ١‬ﻣﺮوری ﺑﺮ ‪ P‬و ‪NP‬‬

‫‪٢‬‬ ‫‪ ٢‬ﻣﺤﺎﺳﺒﻪ ﮐﻮاﻧﺘﻮﻣﯽ‬

‫‪۴‬‬ ‫‪ ٣‬ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ‬

‫‪۶‬‬ ‫‪ ۴‬اﻟﮕﻮرﯾﺘﻢ ﮐﻮاﻧﺘﻮﻣﯽ‬

‫‪٨‬‬ ‫‪ ۵‬ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ‪BQP‬‬

‫‪١٠‬‬ ‫‪ ۶‬ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ‪QMA‬‬

‫‪١١‬‬ ‫‪ ٧‬ﭘﯿﭽﯿﺪﮔﯽ ﻫﺎﻣﯿﻠﺘﻮﻧﯽ‬

‫‪١٨‬‬ ‫ﻣﺮاﺟﻊ‬

‫ب‬
‫ﭼﮑﯿﺪه‬
‫در اﯾﻦ ﻣﻘﺎﻟﻪ ﺑﻪ ﻣﺮور ﻣﻌﺎدل ﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﮐﻼس ﻫﺎی ‪ P‬و ‪ NP‬ﻣﯿﭙﺮدازﯾﻢ‪ .‬اﯾﻦ ﮐﻼس ﻫﺎ ﺑﻪ ﺗﺮﺗﯿﺐ ‪BQP‬‬
‫و ‪ QMA‬ﻧﺎم دارﻧﺪ‪.‬‬
‫ﺑﺮای اﯾﻦ ﮐﺎر اﺑﺘﺪا ﻧﯿﺎز اﺳﺖ ﺗﺎ ﺗﻌﺮﯾﻒ ﮐﻨﯿﻢ ﻣﺤﺎﺳﺒﻪ ﮐﻮاﻧﺘﻮﻣﯽ ﭼﯿﺴﺖ و ﭼﻪ ﻓﺮﻗﯽ ﺑﺎ ﻣﺤﺎﺳﺒﻪ ﮐﻼﺳﯿﮏ‬
‫دارد‪.‬‬
‫ﺳﭙﺲ ﻗﺼﺪ ﻣﻌﺮﻓﯽ ﻣﺪل ﻣﺪاری ﮐﻮاﻧﺘﻮﻣﯽ را دارﯾﻢ و در اداﻣﻪ ﺑﻪ ﺳﺮاغ ﻣﻌﺮﻓﯽ دو ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ﻣﻮرد ﻧﻈﺮ‬
‫ﺧﻮاﻫﯿﻢ رﻓﺖ‪.‬‬
‫ﺳﻌﯽ ﺑﺮ اﯾﻦ ﺧﻮاﻫﺪ ﺑﻮد ﮐﻪ ﺑﻪ ﻓﯿﺰﯾﮏ ﻣﺴﺌﻠﻪ و اﯾﻦ ﮐﻪ ﻣﻨﺸﺎء ﮐﻮاﻧﺘﻮم ﻣﮑﺎﻧﯿﮏ ﭼﯿﺴﺖ ﭘﺮداﺧﺘﻪ ﻧﺸﻮد‪ .‬ﻫﻤﭽﻨﯿﻦ‬
‫ﺑﻪ ﻣﻔﺎﻫﯿﻢ اوﻟﯿﻪ ﻣﺤﺎﺳﺒﻪ ﻣﺎﻧﻨﺪ اﻟﮕﻮرﯾﺘﻢ‪ ،‬ﻣﺪارﻫﺎی ﮐﻼﺳﯿﮏ و ‪ ...‬ﭘﺮداﺧﺘﻪ ﻧﻤﯿﺸﻮد‪.‬‬

‫ﻣﺮوری ﺑﺮ ‪ P‬و ‪NP‬‬ ‫‪١‬‬


‫ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ‪ P‬ﺷﺎﻣﻞ ﻣﺴﺎﺋﻠﯽ اﺳﺖ ﮐﻪ ﺑﺮای ﺣﻞ آن ﻫﺎ ﺗﻮاﻧﺴﺘﻪ اﯾﻢ ﯾﮏ اﻟﮕﻮرﯾﺘﻢ ﭘﯿﺪا ﮐﻨﯿﻢ ﮐﻪ زﻣﺎن ﺣﻞ‬
‫ﻣﺴﺌﻠﻪ ﯾﮏ ﭼﻨﺪ ﺟﻤﻠﻪ ای ﻧﺴﺒﺖ ﺑﻪ اﻧﺪازه ی ﻣﺴﺌﻠﻪ ﺑﺎﺷﺪ‪[٧] .‬‬
‫ﺑﺮای ﻧﻤﻮﻧﻪ ﻣﯿﺘﻮان ﻣﺴﯿﺮ اوﯾﻠﺮی در ﯾﮏ ﮔﺮاف را در ﻧﻈﺮ ﮔﺮﻓﺖ‪ .‬اﯾﻦ ﻣﺴﺌﻠﻪ ﺑﻪ اﯾﻦ ﺻﻮرت ﺗﻌﺮﯾﻒ ﻣﯿﺸﻮد‪:‬‬
‫ﺑﺮای ﯾﮏ ﮔﺮاف ﺳﺎده آﯾﺎ ﻣﯿﺘﻮان ﻣﺴﯿﺮی را ﯾﺎﻓﺖ ﮐﻪ از ﻫﺮ ﯾﺎل دﻗﯿﻘﺎ ﯾﮏ ﺑﺎر ﺑﮕﺬرد؟‬
‫ﺷﺎﯾﺪ ﻧﺨﺴﺘﯿﻦ اﻟﮕﻮرﯾﺘﻤﯽ ﮐﻪ ﺑﻪ ذﻫﻦ ﺷﺨﺼﯽ ﺑﺮﺳﺪ آن ﺑﺎﺷﺪ ﮐﻪ از ﯾﮏ رأس ﺷﺮوع ﮐﻨﯿﻢ و در ﻫﺮ ﻣﺮﺣﻠﻪ‬
‫ﯾﮑﯽ از ﯾﺎل ﻫﺎ را اﻧﺘﺨﺎب ﮐﻨﯿﻢ و اداﻣﻪ دﻫﯿﻢ‪ .‬اﮔﺮ ﭘﯿﺶ از آﻧﮑﻪ از ﺗﻤﺎم رﺋﻮس ﺑﮕﺬرﯾﻢ ﻣﺠﺒﻮر ﺷﻮﯾﻢ از ﯾﮏ‬
‫رأس دو ﺑﺎر ﺑﮕﺬرﯾﻢ‪ ،‬آن ﮔﺎه ﺟﻮاب ﻣﻨﻔﯽ را ﺧﺮوﺟﯽ دﻫﯿﻢ‪.‬‬
‫اﻣﺎ واﺿﺤﺎً اﯾﻦ اﻟﮕﻮرﯾﺘﻢ ﺑﻪ زﻣﺎﻧﯽ ﻧﻤﺎﯾﯽ ﻧﺴﺒﺖ ﺑﻪ ﺗﻌﺪاد رﺋﻮس ﻧﯿﺎز دارد‪ .‬اﻟﮕﻮرﯾﺘﻢ ﺑﻬﺘﺮ از ﻗﻀﯿﻪ اوﯾﻠﺮ ﺑﻬﺮه‬
‫ﻣﯿﮕﯿﺮد ﮐﻪ ﻣﯿﮕﻮﯾﺪ‪:‬‬
‫در ﯾﮏ ﮔﺮاف ﻣﺴﯿﺮ اوﯾﻠﺮی وﺟﻮد دارد اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ﺗﻌﺪاد رﺋﻮﺳﯽ ﮐﻪ درﺟﻪ ﻓﺮد دارﻧﺪ ﺻﻔﺮ و ﯾﺎ دو ﺑﺎﺷﺪ‪.‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از اﯾﻦ ﻗﻀﯿﻪ ﻣﯿﺘﻮان ﺻﺮﻓﺎ ﺗﻤﺎم رﺋﻮس را ﮔﺸﺖ و ﭼﻨﺎﻧﭽﻪ ﺑﯿﺸﺘﺮ از دوﺗﺎ از آن ﻫﺎ درﺟﻪ ی ﻓﺮد‬
‫دارﻧﺪ‪ ،‬ﭘﺎﺳﺦ ﻧﻪ را ﺧﺮوﺟﯽ داد‪ .‬ﺑﻪ اﯾﻦ ﺻﻮرت ﺗﻮاﻧﺴﺘﻪ اﯾﻢ اﯾﻦ ﻣﺴﺌﻠﻪ ﺑﺎ اﻟﮕﻮرﯾﺘﻤﯽ ﮐﻪ زﻣﺎﻧﯽ ﭼﻨﺪﺟﻤﻠﻪ ای‬
‫)در اﯾﻨﺠﺎ درﺟﻪ ﯾﮏ( ﻧﺴﺒﺖ ﺑﻪ ﺗﻌﺪاد رﺋﻮس ﻣﯿﺨﻮاﻫﺪ‪ ،‬ﺣﻞ ﮐﺮد‪ .‬ﭘﺲ ﻣﺴﺌﻠﻪ اوﯾﻠﺮ در ﮐﻼس ‪ P‬ﺟﺎی دارد‪.‬‬
‫اﻣﺎ ﮐﻼس ‪ NP‬ﺑﻪ دﺳﺘﻪ ﻣﺴﺎﺋﻠﯽ ﮔﻔﺘﻪ ﻣﯿﺸﻮد ﮐﻪ ﺑﺘﻮان آن ﻫﺎ را در زﻣﺎن ﻏﯿﺮ ﻗﻄﻌﯽ ﭼﻨﺪﺟﻤﻠﻪ ای ﺣﻞ ﮐﺮد‪.‬‬
‫زﻣﺎن ﻏﯿﺮ ﻗﻄﻌﯽ ﺑﺎ اﯾﻦ ﻣﺜﺎل ﻣﺴﯿﺮ ﻫﻤﯿﻠﺘﻮﻧﯽ واﺿﺢ ﻣﯿﺸﻮد‪:‬‬
‫ﺑﺮای ﯾﮏ ﮔﺮاف ﺳﺎده آﯾﺎ ﻣﯿﺘﻮان ﻣﺴﯿﺮی را ﯾﺎف ﮐﻪ از ﻫﺮ رأس دﻗﯿﻘﺎ ﯾﮏ ﺑﺎر ﺑﮕﺬرد؟‬

‫‪١‬‬
‫ﺑﺮای اﯾﻦ ﻣﺴﺌﻠﻪ ﻫﯿﭻ اﻟﮕﻮرﯾﺘﻤﯽ )ﺗﺎﮐﻨﻮن( ﯾﺎﻓﺖ ﻧﺸﺪه اﺳﺖ ﮐﻪ ﺑﺘﻮاﻧﺪ آن را در زﻣﺎن ﭼﻨﺪﺟﻤﻠﻪ ای ﺣﻞ ﮐﻨﺪ‪.‬‬
‫ﺗﻨﻬﺎ راه اﯾﻦ اﺳﺖ ﮐﻪ ﺗﻤﺎم ﻣﺴﯿﺮﻫﺎی ﻣﻤﮑﻦ را ﺑﺮرﺳﯽ ﮐﻨﯿﻢ ﮐﻪ زﻣﺎن ﻧﻤﺎﯾﯽ ﻧﯿﺎز دارد‪ .‬اﻣﺎ ﺑﺮرﺳﯽ ﻫﺮ ﯾﮏ از‬
‫ﻣﺴﯿﺮﻫﺎ )آﯾﺎ از ﻫﻤﻪ رﺋﻮس ﯾﮏ ﺑﺎر ﻣﯿﮕﺬرد ﯾﺎ ﺧﯿﺮ( در زﻣﺎن ﭼﻨﺪﺟﻤﻠﻪ ای ﻗﺎﺑﻞ اﻧﺠﺎم اﺳﺖ‪ .‬ﮐﺎﻓﯽ اﺳﺖ از‬
‫ﻫﺮ رأﺳﯽ ﮐﻪ ﻣﯿﮕﺬرﯾﻢ ﻋﻼﻣﺘﺶ ﺑﺰﻧﯿﻢ!‬
‫ﭘﺲ زﻣﺎن ﻏﯿﺮ ﻗﻄﻌﯽ ﯾﻌﻨﯽ ﺗﻌﺪاد ﻧﻤﺎﯾﯽ از ﻣﺤﺎﺳﺒﺎﺗﯽ ﮐﻪ ﻫﺮ ﮐﺪام زﻣﺎن ﭼﻨﺪﺟﻤﻠﻪ ای ﻧﯿﺎز دارﻧﺪ‪.‬‬

‫ﻣﺤﺎﺳﺒﻪ ﮐﻮاﻧﺘﻮﻣﯽ‬ ‫‪٢‬‬


‫در ﻣﺤﺎﺳﺒﺎت ﮐﻮاﻧﺘﻮﻣﯽ ﻧﯿﺎز اﺳﺖ ﭼﻨﺪ ﺗﻐﯿﯿﺮ را ﻧﺴﺒﺖ ﺑﻪ ﻣﺤﺎﺳﺒﻪ ﮐﻼﺳﯿﮏ اﻋﻤﺎل ﮐﻨﯿﻢ‪.‬‬
‫ﺣﺎﻟﺖ ﯾﮏ ﺳﯿﺴﺘﻢ ﮐﻮاﻧﺘﻮﻣﯽ را ﺑﺎ ﯾﮏ ﺑﺮدار در ﻓﻀﺎی ﻫﯿﻠﺒﺮت ﺗﻌﺮﯾﻒ ﻣﯿﮑﻨﯿﻢ‪ .‬ﺑﺮای ﻣﺜﺎل ﻣﻌﺎدل ﺑﯿﺖ ‪(١) ٠‬‬
‫ﺑﺮدار ⟩‪ (|١⟩) |٠‬را در ﻧﻈﺮ ﻣﯿﮕﯿﺮﯾﻢ‪ .‬ﺑﻪ اﯾﻦ ﺑﺮدار ﻫﺎ ﮐﯿﻮﺑﯿﺖ ﻣﯿﮕﻮﯾﯿﻢ‪[٨] .‬‬
‫اﻣﺎ ﻓﺮق اﺳﺎﺳﯽ دﻧﯿﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺎ دﻧﯿﺎی ﮐﻼﺳﯿﮑﯽ در اﯾﻦ اﺳﺖ ﮐﻪ ﺣﺎﻟﺖ ﯾﮏ ﺳﯿﺴﺘﻢ دو ﺣﺎﻟﺘﻪ ﻟﺰوﻣﯽ ﻧﺪارد‬
‫ﮐﻪ ﻓﻘﻂ در ﯾﮑﯽ از ﺣﺎﻟﺖ ﻫﺎ ﺑﺎﺷﺪ! ﺑﻠﮑﻪ ﻣﯿﺘﻮاﻧﺪ در ﯾﮏ ﺑﺮﻫﻢ ﻧﻬﯽ از ﺣﺎﻟﺖ ﻫﺎﯾﺶ ﻗﺮار ﮔﯿﺮد‪ .‬ﯾﻌﻨﯽ ﯾﮏ‬
‫ﺗﺮﮐﯿﺐ ﺧﻄﯽ از ﺣﺎﻟﺖ ﻫﺎی ⟩‪ |٠‬و ⟩‪ |١‬ﺑﺎ ﺿﺮاﯾﺐ ﻣﺨﻠﺘﻂ ﻧﯿﺰ ﯾﮏ ﺣﺎﻟﺖ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺮای ﺳﯿﺴﺘﻢ اﺳﺖ‪.‬‬
‫ﻫﻤﯿﻦ ﭘﺪﯾﺪه اﺳﺖ ﮐﻪ ﺑﺎﻋﺚ وﺟﻮد ﭘﺪﯾﺪه ﻫﺎی ﻋﺠﯿﺒﯽ ﻣﺎﻧﻨﺪ درﻫﻢ ﺗﻨﯿﺪﮔﯽ ﻣﯿﺸﻮد‪ .‬ﺑﺮای ﻣﺜﺎل ﺣﺎﻟﺖ زﯾﺮ را‬
‫در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪:‬‬
‫⟩‪|ψ⟩ = α |٠⟩ + β |١‬‬

‫ﭼﻨﺎﻧﭽﻪ ﺣﺎﻟﺖ ⟩‪ |١‬را ﺑﺮای اﺳﭙﯿﻦ )ﺗﮑﺎﻧﻪ دوراﻧﯽ ذاﺗﯽ( رو ﺑﻪ ﭘﺎﯾﯿﻦ ﯾﮏ اﻟﮑﺘﺮون و ﺣﺎﻟﺖ ⟩‪ |٠‬را ﺑﺮای اﺳﭙﯿﻦ‬
‫رو ﺑﻪ ﺑﺎﻻی آن در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪ ،‬اﯾﻨﮕﻮﻧﻪ ﻣﯿﺘﻮان اﯾﻦ ﺣﺎﻟﺖ را ﺗﻔﺴﯿﺮ ﮐﺮد‪ :‬ﺑﺎ اﺣﺘﻤﺎل ‪ |α|٢‬اﯾﻦ ذره اﺳﭙﯿﻨﯽ رو‬
‫ﺑﻪ ﺑﺎﻻ و ﺑﺎ اﺣﺘﻤﺎل ‪ |β|٢‬اﺳﭙﯿﻨﯽ رو ﺑﻪ ﭘﺎﯾﯿﻦ دارد‪.‬‬
‫ﻓﺮق ﻣﻬﻢ دﯾﮕﺮ ﻣﺤﺎﺳﺒﻪ ی ﮐﻮاﻧﺘﻮﻣﯽ اﯾﻦ اﺳﺖ ﮐﻪ ﺗﻤﺎم ﺗﺤﻮل ﻫﺎ در ﺣﯿﻦ ﻣﺤﺎﺳﺒﻪ ﺑﺎﯾﺪ ﺑﻪ ﺻﻮرت ﯾﮑﺎﻧﯽ‬
‫ﺑﺎﺷﻨﺪ‪ .‬ﺑﺮای اﯾﻨﮑﻪ ﺗﺤﻮل ﻫﺎی ﻏﯿﺮ ﯾﮑﺎﻧﯽ )ﻣﺎﻧﻨﺪ اﻧﺪازه ﮔﯿﺮی در ﯾﮏ ﭘﺎﯾﻪ ی دﻟﺨﻮاه( ﺑﺎﻋﺚ ﻓﺮورﯾﺨﺘﮕﯽ‬
‫ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ در ﺣﺎﻟﺖ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ‪.‬‬
‫ﺑﺮای ﻣﺜﺎل در ﺣﺎﻟﺖ ﺑﺎﻻ اﮔﺮ در ﭘﺎﯾﻪ ی ﻫﺎی اﺳﺘﺎﻧﺪارد اﻧﺪازه ﮔﯿﺮی ﮐﻨﯿﻢ‪ ،‬ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﺑﺎ اﺣﺘﻤﺎل ‪، |α|٢‬‬
‫⟩‪ |٠‬ﺑﻪ دﺳﺖ ﻣﯽ آﯾﺪ‪ .‬اﻣﺎ ﭘﺲ از اﯾﻦ اﻧﺪازه ﮔﯿﺮی ﻫﺮ ﺑﺎر دﯾﮕﺮ اﻧﺪازه ﮔﯿﺮی ﮐﻨﯿﻢ ﻫﻤﯿﻦ ﺣﺎﻟﺖ را ﺑﺎ اﺣﺘﻤﺎل‬
‫ﯾﮏ ﺑﻪ دﺳﺖ ﻣﯿﺎورﯾﻢ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﯽ ﻣﺸﺎﻫﺪه ﻣﺎ روی ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﺗﺎﺛﯿﺮ دارد‪.‬‬
‫ﻣﯿﺪاﻧﯿﻢ ﻋﻤﻠﮕﺮﻫﺎی ﯾﮑﺎﻧﯽ وارون ﭘﺬﯾﺮﻧﺪ‪ ،‬ﭘﺲ ﺗﻤﺎم ﻋﻤﻞ ﻫﺎﯾﯽ ﮐﻪ ﻧﯿﺎز دارﯾﻢ روی ﮐﯿﻮﺑﯿﺖ ﻫﺎ اﻧﺠﺎم دﻫﯿﻢ‬
‫ﻣﯿﺒﺎﯾﺴﺖ ﺑﺮﮔﺸﺖ ﭘﺬﯾﺮ ﺑﺎﺷﻨﺪ‪.‬‬

‫‪٢‬‬
‫اﻣﺎ ﺷﺎﯾﺪ ﻣﻬﻢ ﺗﺮﯾﻦ وﯾﮋﮔﯽ ﺟﻬﺎن ﮐﻮاﻧﺘﻮﻣﯽ ﭘﺪﯾﺪه ی درﻫﻢ ﺗﻨﯿﺪﮔﯽ اﺳﺖ‪ .‬ﻣﯿﺪاﻧﯿﻢ ﺑﺮای ﻧﺸﺎن دادن ﺳﯿﺴﺘﻢ‬
‫ﻫﺎی ﭼﻨﺪ ﮐﯿﻮﺑﯿﺘﯽ ﺑﺎﯾﺪ از ﺿﺮب ﺗﺎﻧﺴﻮری آن ﻫﺎ اﺳﺘﻔﺎده ﮐﺮد‪ .‬ﺑﺮای ﻣﺜﺎل اﮔﺮ ﺣﺎﻟﺖ ﮐﯿﻮﺑﯿﺖ اول در ﺣﺎﻟﺖ‬
‫⟩‪ |٠‬و ﮐﯿﻮﺑﯿﺖ دوم در ﺣﺎﻟﺖ ⟩‪ α |٠⟩ + β |١‬ﺑﺎﺷﺪ‪ ،‬ﺣﺎﻟﺖ ﮐﻠﯽ اﯾﻦ ﺳﯿﺴﺘﻢ دو ﮐﯿﻮﺑﯿﺘﻪ ﺑﺮاﺑﺮ ﻣﯿﺸﻮد ﺑﺎ‪:‬‬

‫⟩‪|ψ⟩ = |٠⟩ ⊗ (α |٠⟩ + β |١⟩) = α |٠٠⟩ + β |٠١‬‬

‫اﻣﺎ ﻣﯿﺪاﻧﯿﻢ ﺑﺮای ﻣﺜﺎل ﺑﺮدار ⟩‪ |٠٠‬و ﻫﻤﭽﻨﯿﻦ ﺑﺮدار ⟩‪ |١١‬ﺑﺮدارﻫﺎی ﮐﺎﻣﻼ ﻗﺎﺑﻞ ﻗﺒﻮﻟﯽ ﺑﺮای ﯾﮏ ﺳﯿﺴﺘﻢ دو‬
‫ﮐﯿﻮﺑﯿﺘﯽ ﻫﺴﺘﻨﺪ‪ .‬اﻣﺎ ﻗﻮاﻧﯿﻦ ﮐﻮاﻧﺘﻮم ﻣﮑﺎﻧﯿﮏ ﺑﻪ ﻣﺎ ﻣﯿﮕﻮﯾﻨﺪ ﻫﺮﮔﻮﻧﻪ ﺑﺮﻫﻢ ﻧﻬﯽ اﯾﻦ دو ﻧﯿﺰ ﯾﮏ ﺣﺎﻟﺖ ﻗﺎﺑﻞ‬
‫√‬
‫ﻗﺒﻮل ﺑﺮای ﺳﯿﺴﺘﻢ اﺳﺖ‪ .‬ﺑﺮای ﻣﺜﺎل اﯾﻦ ﺣﺎﻟﺖ‪ (|٠٠⟩ + |١١⟩)/ ٢ :‬ﯾﮏ ﺣﺎﻟﺖ ﻣﻤﮑﻦ ﺑﺮای ﺳﯿﺴﺘﻢ‬
‫ﻣﺎ اﺳﺖ‪ .‬اﻣﺎ ﺑﺎ ﮐﻤﯽ دﻗﺖ در اﯾﻦ ﺣﺎﻟﺖ درﻣﯿﯿﺎﺑﯿﻢ ﮐﻪ ﺑﻪ ﻫﯿﭻ وﺟﻪ ﻧﻤﯿﺘﻮان اﯾﻦ ﺣﺎﻟﺖ را ﺑﻪ ﺻﻮرت ﺿﺮب‬
‫ﺗﺎﻧﺴﻮری روی ﻫﺮ ﯾﮏ از زﯾﺮﻓﻀﺎﻫﺎ )ﮐﯿﻮﺑﯿﺖ ﻫﺎ( ﻧﻮﺷﺖ‪ .‬ﻫﻤﭽﻨﯿﻦ ﭼﻨﺎﻧﭽﻪ ﮐﯿﻮﺑﯿﺖ ﻧﺨﺴﺖ را در ﭘﺎﯾﻪ ﻫﺎی‬
‫اﺳﺘﺎﻧﺪارد اﻧﺪازه ﺑﮕﯿﺮﯾﻢ‪ ،‬ﺣﺎﻟﺖ ﮐﻠﯽ ﺳﯿﺴﺘﻢ روی ﯾﮑﯽ از دو ﺟﻤﻠﻪ ی ﺑﺎﻻ ﻓﺮوﻧﺸﺴﺖ ﻣﯿﮑﻨﺪ و ﮔﻮﯾﯽ ﻫﻤﺰﻣﺎن‬
‫ﺣﺎﻟﺖ ﮐﯿﻮﺑﯿﺖ دوم را ﻧﯿﺰ ﺗﻌﯿﯿﻦ ﮐﺮده اﯾﻢ! ﺑﺎ ﯾﮏ ﻣﺜﺎل ﻓﯿﺰﯾﮑﯽ ﻣﺎﺟﺮا ﺑﻬﺘﺮ روﺷﻦ ﻣﯿﺸﻮد‪:‬‬
‫ﻓﺮض ﮐﻨﯿﺪ در ﻓﺮآﯾﻨﺪ واﭘﺎﺷﯽ ﯾﮏ ذره ﺑﻨﯿﺎدی ﮐﻪ اﺳﭙﯿﻦ ﺻﻔﺮ دارد‪ ،‬ﯾﮏ اﻟﮑﺘﺮون و ﯾﮏ ﭘﻮزﯾﺘﺮون ﺑﻪ وﺟﻮد‬
‫آﯾﺪ‪ .‬ﻣﯿﺪاﻧﯿﻢ اﻟﮑﺘﺮون و ﭘﻮزﯾﺘﺮون ﻫﺮ ﺗﮑﺎﻧﻪ دوراﻧﯽ ذاﺗﯽ )اﺳﭙﯿﻦ( ﺑﺮاﺑﺮ ‪ ١/٢‬دارﻧﺪ‪ .‬ﭘﺲ در راﺳﺘﺎی ‪ z‬ﻣﯿﺘﻮاﻧﻨﺪ‬
‫اﺳﭙﯿﻦ رو ﺑﻪ ﺑﺎﻻ و ﯾﺎ رو ﺑﻪ ﭘﺎﯾﯿﻦ را داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﺑﻪ ﻋﻠﺖ ﻗﺎﻧﻮن ﭘﺎﯾﺴﺘﮕﯽ ﺗﮑﺎﻧﻪ دوراﻧﯽ‪ ،‬ﻧﯿﺎز اﺳﺖ ﺗﺎ اﮔﺮ‬
‫ﯾﮑﯽ اﺳﭙﯿﻨﯽ رو ﺑﻪ ﺑﺎﻻ داﺷﺖ‪ ،‬دﯾﮕﺮی رو ﺑﻪ ﭘﺎﯾﯿﻦ ﺑﺎﺷﺪ ﺗﺎ اﺳﭙﯿﻦ ﮐﻞ ﻫﻤﺎﻧﻨﺪ ذره ی ﭘﯿﺶ از واﭘﺎﺷﯽ ﺑﺮاﺑﺮ ﺑﺎ‬
‫ﺻﻔﺮ ﺷﻮد‪ .‬ﻫﻤﭽﻨﯿﻦ ﺑﻪ ﻋﻠﺖ ﺗﻘﺎرن ﻫﯿﭻ ﯾﮏ از دو ذره ارﺟﺤﯿﺘﯽ ﺑﺮای داﺷﺘﻦ اﺳﭙﯿﻦ در ﯾﮏ ﺟﻬﺖ ﺧﺎص‬
‫ﻧﺪارﻧﺪ‪ .‬ﭘﺲ ﺣﺎﻟﺖ اﯾﻦ ﺳﯿﺴﺘﻢ دو ﮐﯿﻮﺑﯿﺘﻪ ﺑﻪ ﺻﻮرت زﯾﺮ در ﻣﯿﺎﯾﺪ‪:‬‬
‫√‬
‫‪|ψ⟩ = (|٠١⟩ + |١٠⟩)/ ٢‬‬

‫ﺣﺎل ﭼﻨﺎﻧﭽﻪ اﻟﮑﺘﺮون را ﺑﻪ ﮐﺮه ی ﻣﺎه ﺑﺒﺮﯾﻢ و ﭘﻮزﯾﺘﺮون ﻫﻤﯿﻨﺠﺎ ﺑﻤﺎﻧﺪ و روی ﭘﻮزﯾﺘﺮون اﻧﺪازه ﮔﯿﺮی ﮐﻨﯿﻢ‪ ،‬اﮔﺮ‬
‫اﺳﭙﯿﻦ ﭘﻮزﯾﺘﺮون ﻣﺜﺒﺖ درآﯾﺪ‪ ،‬اﺳﭙﯿﻦ اﻟﮑﺘﺮون ﻗﻄﻌﺎ ﻣﻨﻔﯽ در ﺧﻮاﻫﺪ آﻣﺪ و ﺑﺮﻋﮑﺲ‪ .‬ﮔﻮﯾﯽ ﺑﺪون دﺳﺘﺮﺳﯽ‬
‫ﺑﻪ اﻟﮑﺘﺮون ﺣﺎﻟﺘﺶ را ﺗﻌﯿﯿﻦ ﮐﺮده اﯾﻢ‪ .‬ﺷﺎﯾﺪ ﺳﻮال ﭘﯿﺶ آﯾﺪ ﮐﻪ آﯾﺎ ﻣﯿﺘﻮان اﯾﻨﮕﻮﻧﻪ اﻃﻼﻋﺎت را ﺑﺎ ﺳﺮﻋﺘﯽ‬
‫ﺑﯿﺸﺘﺮ از ﺳﺮﻋﺖ ﻧﻮر ﻣﻨﺘﻘﻞ ﮐﺮد‪ ،‬ﭘﺎﺳﺦ ﺧﯿﺮ اﺳﺖ‪ .‬زﯾﺮا ﺑﺮای اﯾﻨﮑﻪ ﺷﺨﺼﯽ در ﮐﺮه ی ﻣﺎه ﺑﺨﻮاﻫﺪ ﺑﻔﻬﻤﺪ‬
‫ﺣﺎﻟﺖ اﻟﮑﺘﺮون ﺗﻌﯿﯿﻦ ﺷﺪه اﺳﺖ‪ ،‬ﭼﺎره ای ﺟﺰ اﻧﺪازه ﮔﯿﺮی روی آن ﻧﺪارد‪ .‬ﭘﺲ از اﻧﺪازه ﮔﯿﺮی ﻫﻢ ﻫﯿﭻ‬
‫ﺟﻮره ﻧﻤﯿﺘﻮاﻧﺪ ﺗﺸﺨﯿﺺ دﻫﺪ ﮐﻪ ﻧﺘﯿﺠﻪ اﻧﺪازه ﮔﯿﺮی اش ﺣﺎﺻﻞ ﺗﻌﯿﯿﻦ ﺣﺎﻟﺖ اﻟﮑﺘﺮون ﺗﻮﺳﻂ اﻧﺪازه ﮔﯿﺮی‬
‫روی ﭘﻮزﯾﺘﺮون ﺑﻮده اﺳﺖ و ﯾﺎ ﺣﺎﺻﻞ اﻧﺪازه ﮔﯿﺮی ﺧﻮدش روی اﻟﮑﺘﺮون ﭘﯿﺶ از اﻧﺪازه ﮔﯿﺮی روی ﭘﻮزﯾﺘﺮون!‬
‫ﺑﻪ اﯾﻦ ﭘﺪﯾﺪه درﻫﻢ ﺗﻨﯿﺪﮔﯽ ﮔﻔﺘﻪ ﻣﯿﺸﻮد‪ .‬ﺧﻮاﻫﯿﻢ دﯾﺪ اﻓﺰاﯾﺶ ﺳﺮﻋﺖ ﻣﺤﺎﺳﺒﺎت ﮐﻮاﻧﺘﻮﻣﯽ ﺑﯿﺸﺘﺮ ﺑﻪ ﺧﺎﻃﺮ‬
‫ﺑﻬﺮه ﺟﻮﯾﯽ از درﻫﻢ ﺗﻨﯿﺪﮔﯽ اﺳﺖ‪[٩] .‬‬

‫‪٣‬‬
‫ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ‬ ‫‪٣‬‬
‫درﺳﺖ ﻣﺎﻧﻨﺪ ﻣﺤﺎﺳﺒﺎت ﮐﻼﺳﯿﮏ‪ ،‬ﺑﺮای ﻣﺤﺎﺳﺒﻪ ﮐﻮاﻧﺘﻮﻣﯽ ﻧﯿﺰ ﻣﯿﺘﻮان ﻣﺪل ﻫﺎی ﻣﺤﺎﺳﺒﺎﺗﯽ ﻣﺨﺘﻠﻔﯽ اراﺋﻪ‬
‫داد‪ .‬ﺑﺮای ﻣﺜﺎل ﻣﺪل ﻣﺤﺎﺳﺒﻪ ی آدﯾﺎﺑﺎﺗﯿﮏ]‪ ،[١٢‬ﻣﺎﺷﯿﻦ ﺗﻮرﯾﻨﮓ ﮐﻮاﻧﺘﻮﻣﯽ]‪ ،[١٠‬ﻣﺤﺎﺳﺒﻪ ﮐﻮاﻧﺘﻮﻣﯽ‬
‫ﺗﻮﭘﻮﻟﻮژﯾﮏ]‪ [١١‬و ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ]‪ .[٨‬در اﯾﻦ ﻣﻘﺎﻟﻪ ﻣﺪل ﻣﺪاری را اﻧﺘﺨﺎب ﻣﯿﮑﻨﯿﻢ‪ .‬ﺑﻪ اﯾﻦ ﻋﻠﺖ ﮐﻪ‬
‫ﻣﺪل ﻫﺎی دﯾﮕﺮ ﯾﺎ ﻓﯿﺰﯾﮏ زﯾﺎدی در ﺧﻮد ﻧﻬﻔﺘﻪ دارﻧﺪ و ﯾﺎ ﮐﺎراﯾﯽ ﻻزم ﻣﺎﻧﻨﺪ ﻣﺪل ﻣﺪاری را ﻧﺪارﻧﺪ‪.‬‬
‫در ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ ﻫﻤﺎﻧﻨﺪ ﻣﺪارﻫﺎی ﮐﻼﺳﯿﮏ ﯾﮏ ﺳﺮی ﮔﯿﺖ وﺟﻮد دارﻧﺪ ﮐﻪ ﺑﺎ اﻧﺠﺎم ﯾﮏ ﺳﺮی ﭘﺮدازش ﻫﺎ‬
‫روی ﮐﯿﻮﺑﯿﺖ ﻫﺎی ورودی‪ ،‬ﺟﻮاب ﻣﺴﺌﻠﻪ را در ﻗﺎﻟﺐ ﮐﯿﻮﺑﯿﺖ ﻫﺎی ﺧﺮوﺟﯽ ﺑﻪ دﺳﺖ ﻣﯿﺎورﻧﺪ‪.‬‬
‫اﺣﺘﻤﺎﻻ‪ ‬ﻫﻤﻪ ﺷﻨﯿﺪه اﯾﺪ ﮐﻪ ﻣﺪارﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﺗﻮاﻧﺎﯾﯽ اﻓﺰاﯾﺶ ﺳﺮﻋﺖ ﻣﺤﺎﺳﺒﺎت را دارﻧﺪ‪ .‬زﯾﺮا در ﻏﯿﺮ اﯾﻦ‬
‫ﺻﻮرت ﺑﻪ ﻋﻠﺖ ﺳﺨﺘﯽ ﺑﻪ ﮐﺎر ﮔﯿﺮی ﺷﺎن و ﻫﻤﭽﻨﯿﻦ ﺳﺨﺘﯽ ﻃﺮاﺣﯽ اﻟﮕﻮرﯾﺘﻢ در آن ﻫﺎ‪ ،‬ﭼﺮا ﺑﺎﯾﺪ ﺑﻪ دﻧﺒﺎل‬
‫ﺳﺎﺧﺘﻨﺸﺎن ﺑﺎﺷﯿﻢ؟ ﺑﺮای آﻧﮑﻪ ﻧﺸﺎن دﻫﯿﻢ ﻣﯿﺘﻮاﻧﯿﻢ اﻟﮕﻮرﯾﺘﻢ ﻫﺎی ﺑﻬﯿﻨﻪ ﺗﺮی روی ﻣﺪارﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﭘﯿﺎده‬
‫ﮐﻨﯿﻢ‪ ،‬ﺑﻬﺘﺮ اﺳﺖ اﺑﺘﺪا ﺑﺒﯿﻨﯿﻢ آﯾﺎ ﻣﯿﺘﻮان ﯾﮏ ﻣﺪار ﮐﻼﺳﯿﮑﯽ دﻟﺨﻮاه را ﺑﺎ ﯾﮏ ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺎ ﻫﻤﺎن اﻧﺪازه‬
‫ﺷﺒﯿﻪ ﺳﺎزی ﮐﺮد؟ ﺳﭙﺲ ﻧﺸﺎن دﻫﯿﻢ ﻋﻼوه ﺑﺮ اﻟﮕﻮرﯾﺘﻢ ﻫﺎی ﮐﻼﺳﯿﮑﯽ‪ ،‬اﻟﮕﻮرﯾﺘﻢ ﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﻫﺴﺘﻨﺪ ﮐﻪ در‬
‫ﻣﺪارﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺎ اﻧﺪازه ﮐﻤﺘﺮ ﻗﺎﺑﻞ اﺟﺮا ﻫﺴﺘﻨﺪ‪.‬‬
‫ﭘﯿﺸﺘﺮ اﺷﺎره ﺷﺪ ﮐﻪ ﺗﻤﺎم ﮔﯿﺖ ﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﻧﯿﺎز دارﻧﺪ ﯾﮑﺎﻧﯽ )ﺑﺮﮔﺸﺖ ﭘﺬﯾﺮ( ﺑﺎﺷﻨﺪ‪ .‬ﭘﺲ ﺑﺮای ﺷﺒﯿﻪ ﺳﺎزی‬
‫ﯾﮏ ﻣﺪار ﮐﻼﺳﯿﮑﯽ ﮐﺎﻓﯽ اﺳﺖ ﺗﻤﺎم ﮔﯿﺖ ﻫﺎی آن را ﺑﻪ ﺻﻮرت ﺑﺮﮔﺸﺖ ﭘﺬﯾﺮ درآورﯾﻢ و ﻧﺸﺎن دﻫﯿﻢ اﯾﻦ ﮐﺎر‬
‫ﺑﺪون اﻓﺰاﯾﺶ ﭼﺸﻤﮕﯿﺮ در اﻧﺪازه ﻣﺪار ﻗﺎﺑﻞ اﻧﺠﺎم اﺳﺖ‪.‬‬
‫ﺑﺮای ﻣﺜﺎل ﻣﯿﺪاﻧﯿﻢ ﮐﻪ ﮔﯿﺖ ﮐﻼﺳﯿﮑﯽ ‪ NAND‬ﺑﻪ ﺗﻨﻬﺎﯾﯽ ﯾﮏ ﺳﺖ ﯾﻮﻧﯿﻮرﺳﺎل را ﺗﺸﮑﯿﻞ ﻣﯿﺪﻫﺪ‪ .‬ﭘﺲ اﮔﺮ‬
‫ﺑﺘﻮان ﻣﻌﺎدل ﺑﺮﮔﺸﺖ ﭘﺬﯾﺮ اﯾﻦ ﮔﯿﺖ را ﯾﺎﻓﺖ‪ ،‬ﮐﺎر ﺗﻤﺎم اﺳﺖ‪ .‬اﻣﺎ اﯾﻦ ﮐﺎر ﺑﻪ ﺳﺎدﮔﯽ ﺗﻮﺳﻂ ﮔﯿﺖ ‪Toffoli‬‬
‫ﻗﺎﺑﻞ اﻧﺠﺎم اﺳﺖ‪ .‬ﻫﻤﺎﻧﻄﻮر ﮐﻪ ﻣﺸﺎﻫﺪه ﻣﯿﺸﻮد ﺑﺮای اﯾﻦ وارون ﭘﺬﯾﺮ ﺳﺎزی‪ ،‬ﮐﺎﻓﯽ اﺳﺖ از ﯾﮏ ﺑﯿﺖ ﮐﺎرﮔﺮ‬
‫اﺳﺘﻔﺎده ﮐﺮد‪ .‬اﯾﻦ ﺑﯿﺖ را در اﺑﺘﺪا در ﺣﺎﻟﺖ ‪ ١‬ﻗﺮار ﻣﯿﺪﻫﯿﻢ‪ .‬ﺳﭙﺲ ﮔﯿﺖ ﺗﻮﻓﻮﻟﯽ ﺑﻪ اﯾﻦ ﺻﻮرت ﻋﻤﻞ ﻣﯿﮑﻨﺪ‬
‫ﮐﻪ اﮔﺮ ﺑﯿﺖ اول و دوم ﻫﺮدو ‪ ١‬ﺑﻮده ﺑﺎﺷﻨﺪ‪ ،‬ﺑﯿﺖ ﮐﺎرﮔﺮ را از ‪ ١‬ﺑﻪ ‪ ٠‬ﺗﺒﺪﯾﻞ ﻣﯿﮑﻨﺪ و در ﻏﯿﺮ اﯾﻦ ﺻﻮرت ﺑﯿﺖ‬
‫ﮐﺎرﮔﺮ ‪ ١‬ﺑﺎﻗﯽ ﻣﯿﻤﺎﻧﺪ‪ .‬اﯾﻦ دﻗﯿﻘﺎً ﻋﻤﻞ ‪ NAND‬را اﻧﺠﺎم ﻣﯿﺪﻫﺪ‪ .‬ﺿﻤﻦ آﻧﮑﻪ ﮐﺎﻣﻼ‪ ‬ﺑﺎزﮔﺸﺖ ﭘﺬﯾﺮ ﻧﯿﺰ ﻫﺴﺖ‪.‬‬
‫ﭘﺲ ﮔﯿﺖ ‪ Toffoli‬ﯾﮏ ﮔﯿﺖ ﯾﻮﻧﯿﻮرﺳﺎل ﺑﺮای ﻣﺪارﻫﺎی ﺑﺮﮔﺸﺖ ﭘﺬﯾﺮ اﺳﺖ‪.‬‬
‫ﺗﺎﮐﻨﻮن ﻧﺸﺎن دادﯾﻢ ﺑﺎ اﺳﺘﻔﺎده از ﺗﻌﺪاد ﻣﺤﺪودی از ﺑﯿﺖ ﻫﺎی اﺿﺎﻓﯽ ﻣﯿﺘﻮان ﻫﺮ ﻣﺪار ﮐﻼﺳﯿﮑﯽ را ﺗﻮﺳﻂ ﯾﮏ‬
‫ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺎزﺳﺎزی ﮐﺮد‪ .‬ﭘﺲ ﻗﺪرت اﯾﻦ ﻣﺪارﻫﺎ ﺣﺪاﻗﻞ اﻧﺪازه ی ﻗﺪرت ﺑﺮادرﻫﺎی ﮐﻼﺳﯿﮑﯽ ﺷﺎن اﺳﺖ‪.‬‬
‫ﺣﺎل ﺑﻪ ﻣﻌﺮﻓﯽ ﯾﮏ ﺳﺮی ﮔﯿﺖ ﯾﻮﻧﯿﻮرﺳﺎل ﺑﺮای ﻣﺪارﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﻣﯿﭙﺮدازﯾﻢ‪ Toffoli .‬ﺑﻪ ﺗﻨﻬﺎﯾﯽ ﻧﻤﯿﺘﻮاﻧﺪ‬
‫در ﻣﺤﺎﺳﺒﺎت ﮐﻮاﻧﺘﻮﻣﯽ ﯾﻮﻧﯿﻮرﺳﺎل ﺑﺎﺷﺪ‪) .‬در ﮐﻼﺳﯿﮑﯽ ﻣﯿﺘﻮاﻧﺪ‪ (.‬ﯾﮏ ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ را ﻣﯿﺘﻮان ﺑﺎ ﯾﮏ ﻣﺎﺗﺮﯾﺲ‬

‫‪۴‬‬
‫ﺷﮑﻞ ‪ :١‬ﮔﯿﺖ ‪ Toffoli‬در ﻧﻘﺶ ﮔﯿﺖ ‪NAND‬‬

‫ﯾﻮﻧﯿﺘﺎری ﻧﺸﺎن داد‪ .‬ﺑﺮای آﻧﮑﻪ ﯾﮏ ﺳﺮی ﮔﯿﺖ ﯾﻮﻧﯿﻮرﺳﺎل ﺑﺎﺷﻨﺪ‪ ،‬ﮐﺎﻓﯽ اﺳﺖ ﺑﺘﻮاﻧﻨﺪ ﻫﺮ ﯾﻮﻧﯿﺘﺎری دﻟﺨﻮاﻫﯽ‬
‫را ﺷﺒﯿﻪ ﺳﺎزی ﮐﻨﻨﺪ‪ .‬ﺑﺪﯾﻦ ﻣﻨﻈﻮر ﻧﯿﺎز اﺳﺖ ﮔﯿﺖ ﻫﺎی آن ﺳﺮی ‪ .١‬اﻋﺪاد ﻣﺨﺘﻠﻂ را وارد ﮐﺎر ﮐﻨﻨﺪ‪.٢ .‬‬
‫ﺑﺮﻫﻤﻨﻬﯽ اﯾﻨﺠﺎد ﮐﻨﻨﺪ‪ .٣ .‬ﮐﯿﻮﺑﯿﺖ ﻫﺎ را ﺑﺎﻫﻢ ﻣﺮﺗﺒﻂ ﮐﻨﻨﺪ‪.‬‬
‫ﻫﻢ اﮐﻨﻮن ﻣﯿﺪاﻧﯿﻢ ﺑﺮای ﻣﻮرد ﺳﻮم ﮔﯿﺖ ‪ Toffoli‬ﻣﻨﺎﺳﺐ اﺳﺖ‪ .‬ﺑﺮای ﻣﻮرد اول ﮔﯿﺖ ‪ Phase Shift‬را‬
‫اﺳﺘﻔﺎده ﻣﯿﮑﻨﯿﻢ و ﺑﺮای ﻣﻮرد دوم ﻧﯿﺰ ﮔﯿﺖ ‪ Hadamard.‬ﻫﺮ دوی اﯾﻦ ﮔﯿﺖ ﻫﺎ روی ﺗﮏ ﮐﯿﻮﺑﯿﺖ اﺛﺮ ﻣﯿﮑﻨﻨﺪ‬
‫و ﻣﺎﺗﺮﯾﺲ ﻣﺘﻨﺎﻇﺮﺷﺎن ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬
‫(‬ ‫)‬
‫‪١‬‬ ‫‪١ ١‬‬
‫√=‪H‬‬
‫‪٢‬‬ ‫‪١ −١‬‬

‫(‬ ‫)‬ ‫‪،‬‬


‫‪١ ٠‬‬
‫= ‪PS‬‬
‫‪٠ i‬‬
‫‪CNOT .٣‬‬ ‫‪π‬‬
‫‪٨‬‬
‫اﻟﺒﺘﻪ ﮐﻪ ﺳﺮی ﮔﯿﺖ ﻫﺎی دﯾﮕﺮی ﻧﯿﺰ ﻣﯿﺘﻮان ﯾﺎﻓﺖ ﻣﺎﻧﻨﺪ‪Rotation .٢ Phase Shift .١ :‬‬
‫) ‪ . ( Controlled Not‬ﮔﯿﺖ ‪ CNOT‬ﻧﯿﺰ ﺑﻪ اﯾﻦ ﺻﻮرت ﻋﻤﻞ ﻣﯿﮑﻨﺪ ﮐﻪ اﮔﺮ ﮐﯿﻮﺑﯿﺖ ﻧﺨﺴﺖ ‪ ١‬ﺑﺎﺷﺪ‪،‬‬
‫ﮐﯿﻮﺑﯿﺖ دوم را ﻧﻘﯿﺾ ﻣﯿﮑﻨﺪ‪) .‬ﻧﺎم دﯾﮕﺮ ﮔﯿﺖ ‪ CCNOT ، Toffoli‬اﺳﺖ‪ (.‬ﻣﺎﺗﺮﯾﺲ اﯾﻦ ﮔﯿﺖ ﻫﺎ ﺑﻪ اﯾﻦ‬

‫‪‬‬ ‫‪‬‬ ‫ﺻﻮرت اﻧﺪ‪:‬‬


‫‪١‬‬ ‫‪٠‬‬ ‫‪٠‬‬ ‫‪٠‬‬
‫‪٠‬‬ ‫‪١‬‬ ‫‪٠‬‬ ‫‪٠‬‬
‫‪CN OT = ‬‬
‫‪٠‬‬
‫‪‬‬
‫‪٠‬‬ ‫‪٠‬‬ ‫‪١‬‬
‫‪٠‬‬ ‫‪٠‬‬ ‫‪١‬‬ ‫‪٠‬‬

‫‪۵‬‬
‫(‬ ‫)‬ ‫‪،‬‬
‫‪π‬‬ ‫‪cos π٨ sin π٨‬‬
‫=‬
‫‪٨‬‬ ‫‪− sin π٨ cos π٨‬‬

‫اﻟﮕﻮرﯾﺘﻢ ﮐﻮاﻧﺘﻮﻣﯽ‬ ‫‪۴‬‬


‫در اﯾﻦ ﺑﺨﺶ ﻓﻘﻂ ﺑﻪ ﻣﻌﺮﻓﯽ ﯾﮏ اﻟﮕﻮرﯾﺘﻢ ﺧﻮاﻫﯿﻢ ﭘﺮداﺧﺖ ﮐﻪ ﺻﺮﻓﺎ ﺑﺮﺗﺮی ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ ﺑﻪ ﻣﺪار ﮐﻼﺳﯿﮑﯽ‬
‫ﺛﺎﺑﺖ ﺷﻮد‪ .‬اﯾﻦ اﻟﮕﻮرﯾﺘﻢ ﮐﻪ ”‪ [٣] ”Deutsch-Jozsa‬ﻧﺎم دارد ﺑﺮای ﺣﻞ اﯾﻦ ﻣﺴﺌﻠﻪ ﺑﻪ ﮐﺎر ﻣﯿﺎﯾﺪ‪ :‬ﻓﺮض‬
‫ﮐﻨﯿﺪ ﺗﺎﺑﻊ ‪ f‬را ﺑﻪ اﯾﻦ ﺻﻮرت دارﯾﻢ‪ f : {٠, ١}n → {٠, ١} :‬ﻫﻤﭽﻨﯿﻦ ﻣﯿﺪاﻧﯿﻢ اﯾﻦ ﺗﺎﺑﻊ ﯾﺎ ﻣﺘﻮازن اﺳﺖ‬
‫)ﺑﺮای ﻧﯿﻤﯽ از ورودی ﻫﺎ ‪ ١‬را ﺧﺮوج ﻣﯿﺪﻫﺪ و ﺑﺮای ﻧﯿﻢ دﯾﮕﺮ ‪ (٠‬ﯾﺎ ﺛﺎﺑﺖ )ﺑﺮای ﻫﻤﻪ ورودی ﻫﺎ ﯾﮏ ﻣﻘﺪار‬
‫را ﭘﺲ ﻣﯿﺪﻫﺪ(‪ .‬ﺳﻮال اﯾﻦ اﺳﺖ ﮐﻪ ﭼﮕﻮﻧﻪ ﻣﯿﺘﻮان ﺑﺎ ﮐﻤﺘﺮﯾﻦ ﻣﺮاﺟﻌﻪ ﺑﻪ ﺗﺎﺑﻊ ‪ f‬ﻣﯿﺘﻮان ﻓﻬﻤﯿﺪ اﯾﻦ ﺗﺎﺑﻊ ﺛﺎﺑﺖ‬
‫اﺳﺖ ﯾﺎ ﻣﺘﻮازن‪.‬‬
‫واﺿﺢ اﺳﺖ در ﯾﮏ ﻣﺪار ﮐﻼﺳﯿﮏ ﻗﻄﻌﯽ ﻧﯿﺎز اﺳﺖ ﺗﺎ ﺑﻪ ﺗﻌﺪاد ‪ [n/٢] + ١‬ﺑﺎر ﺑﻪ ﺗﺎﺑﻊ ﻣﺮاﺟﻌﻪ ﮐﺮد ﺗﺎ ﭘﺎﺳﺦ‬
‫ﻣﺴﺌﻠﻪ را درﯾﺎﻓﺖ‪ .‬ﺣﺎل ﺑﺒﯿﻨﯿﻢ در ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ ﮐﺎر ﺑﻬﺘﺮی ﻣﯿﺘﻮان اﻧﺠﺎم داد ﯾﺎ ﺧﯿﺮ‪.‬‬
‫ﻣﺪار را ﺑﻪ ﺻﻮرﺗﯽ ﻃﺮاﺣﯽ ﻣﯿﮑﻨﯿﻢ ﮐﻪ ﺑﺎزﮔﺸﺖ ﭘﺬﯾﺮ ﺑﺎﺷﺪ‪:‬‬

‫⟩)‪|x, y⟩ → |x, y ⊕ f (x‬‬

‫ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﻣﺪار ورودی را درﯾﺎﻓﺖ ﻣﯿﮑﻨﺪ و ﻧﺘﯿﺠﻪ اﺛﺮ ﺗﺎﺑﻊ ‪ f‬روی آن را ﺑﺎ ﮐﯿﻮﺑﯿﺖ ﮐﺎرﮔﺮ ﺟﻤﻊ ﻣﯿﮑﻨﺪ‪.‬‬
‫= ⟩‪ |−‬اﮐﻨﻮن اﯾﻦ ﮐﯿﻮﺑﯿﺖ ﻫﺎ را ﺑﻪ ﻣﺪار وارد ﻣﯿﮑﻨﯿﻢ‪:‬‬ ‫ﺣﺎل ﺑﯿﺎﯾﯿﺪ ﮐﯿﻮﺑﯿﺖ ﮐﻤﮑﯽ را در ﺣﺎﻟﺖ )⟩‪√١ (|٠⟩−|١‬‬
‫‪٢‬‬

‫‪١‬‬ ‫‪١‬‬
‫⟩‪|x, −⟩ = √ (|x, ٠⟩−|x, ١⟩) → √ (|x, f (x)⟩−|x, f (x) ⊕ ١⟩) = (−١)f (x) |x⟩ |−‬‬
‫‪٢‬‬ ‫‪٢‬‬
‫ﺑﻨﺎﺑﺮاﯾﻦ وﻗﺘﯽ ﮐﻪ ورودی دوم را در ﺣﺎل ⟩‪ |−‬ﻧﮕﻪ ﻣﯽ دارﯾﻢ آﻧﭽﻪ ﮐﻪ در ورودی اول ﻇﺎﻫﺮ ﻣﯽ ﺷﻮد ﻓﺎزی‬
‫اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ ﻣﻘﺪار ﺗﺎﺑﻊ )‪ f(x‬ﺗﻌﯿﯿﻦ ﻣﯽ ﺷﻮد ﺑﺪون اﯾﻨﮑﻪ در ورودی دوم ﻫﯿﭻ ﺗﻐﯿﯿﺮی اﯾﺠﺎد ﺷﻮد‪ .‬اﻋﻤﺎل‬
‫ﯾﮏ ﺑﺮﻫﻤﻨﻬﯽ ﯾﮑﻨﻮاﺧﺖ ﺑﻪ ﺳﺎدﮔﯽ ﺗﻮﺳﻂ اﺛﺮ ﮔﯿﺖ ﻫﺎداﻣﺎرد روی ﺗﻤﺎم ﮐﯿﻮﺑﯿﺖ ﻫﺎﯾﯽ ﮐﻪ در ﺣﺎﻟﺖ ﺻﻔﺮ ﻫﺴﺘﻨﺪ‬
‫ﻗﺎﺑﻞ اﻧﺠﺎم اﺳﺖ‪:‬‬
‫∑ ‪١‬‬
‫‪H ⊗n |x⟩ = √ n‬‬ ‫⟩‪(−١)x.y |y‬‬
‫‪٢ y‬‬

‫‪۶‬‬
‫ﺣﺎل اﮔﺮ ورودی اول را ﻧﯿﺰ در ﯾﮏ ﺣﺎﻟﺖ ﺑﺮﻫﻢ ﻧﻬﯽ ﯾﮑﻨﻮاﺧﺖ ﺗﻬﯿﻪ ﮐﻨﯿﻢ آﻧﮕﺎه ﺣﺎﻟﺖ ﺧﺮوﺟﯽ ﻧﯿﺰ ﯾﮏ ﺑﺮﻫﻢ‬
‫ﻧﻬﯽ ﺧﻮاﻫﺪ ﺑﻮد ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﮐﻪ‪:‬‬
‫∑ ‪١‬‬ ‫∑ ‪١‬‬
‫√‬ ‫‪|x,‬‬ ‫⟩‪−‬‬ ‫→‬ ‫√‬ ‫⟩‪(−١)f (x) |x⟩ |−‬‬
‫‪٢n x‬‬ ‫‪٢n x‬‬
‫ﺳﭙﺲ ﮐﺎﻓﯽ اﺳﺖ ﮐﯿﻮﺑﯿﺖ ﮐﻤﮑﯽ را ﻧﺎدﯾﺪه ﺑﮕﯿﺮﯾﻢ و روی ﺑﺎﻗﯽ ﮐﯿﻮﺑﯿﺖ ﻫﺎ ﯾﮏ ﻫﺎداﻣﺎرد دﯾﮕﺮ ﺑﺰﻧﯿﻢ‪:‬‬
‫∑ ‪١‬‬ ‫∑ ‪١‬‬ ‫∑ ‪١‬‬
‫‪H ⊗n ( √ n‬‬ ‫‪(−١)f (x) |x⟩) = √ n‬‬ ‫‪(−١)f (x) ( √ n‬‬ ‫)⟩‪(−١)x.y |y‬‬
‫‪٢ x‬‬ ‫‪٢ x‬‬ ‫‪٢ y‬‬
‫∑∑ ‪١‬‬
‫=‬ ‫⟩‪(−١)f (x) (−١)x.y |y‬‬
‫‪٢n y x‬‬

‫در ﻧﻬﺎﯾﺖ ﮐﺎﻓﯽ اﺳﺖ ﺑﻪ اﺣﺘﻤﺎل ﺑﻪ دﺳﺖ آﻣﺪن ‪ |٠⟩⊗n‬دﻗﺖ ﻧﻤﻮد‪:‬‬


‫∑ ‪١‬‬
‫‪| n‬‬ ‫‪(−١)f (x) |٢‬‬
‫‪٢ x‬‬
‫واﺿﺢ اﺳﺖ اﺣﺘﻤﺎل ﺑﻪ دﺳﺖ آﻣﺪن ﺣﺎﻟﺖ ﺗﻤﺎم ﺻﻔﺮ ﺑﺮای ﺗﺎﺑﻊ ﺛﺎﺑﺖ ﺑﺮاﺑﺮ ﺑﺎ ﯾﮏ اﺳﺖ و ﺑﺮای ﺗﺎﺑﻊ ﻣﺘﻮازن‬
‫ﺑﺮاﺑﺮ ﺑﺎ ﺻﻔﺮ‪ .‬ﭘﺲ اﮔﺮ ﺗﻤﺎم ﺻﻔﺮ ﻧﺘﯿﺠﻪ اﻧﺪازه ﮔﯿﺮی دراﻣﺪ ﺗﺎﺑﻊ ﺛﺎﺑﺖ اﺳﺖ و اﮔﺮ ﻫﺮ ﺣﺎﻟﺖ دﯾﮕﺮی درآﻣﺪ‬
‫ﺗﺎﺑﻊ ﻣﺘﻮازن اﺳﺖ‪.‬‬

‫ﺷﮑﻞ ‪ :٢‬ﻣﺪار اﻟﮕﻮرﯾﺘﻢ‬

‫ﻫﻤﯿﻨﻄﻮر ﮐﻪ ﻣﺸﺎﻫﺪه ﺷﺪ ﺑﺎ ﻣﺪاری ﮐﻮاﻧﺘﻮﻣﯽ ﺗﻮاﻧﺴﺘﯿﻢ ﺗﻌﺪاد ﻣﺮاﺟﻌﺎت ﺑﻪ ﺗﺎﺑﻊ ‪ f‬را از ‪ ٢n−١‬ﺑﻪ ﻓﻘﻂ ‪ ١‬ﻋﺪد‬
‫ﺑﺮﺳﺎﻧﯿﻢ‪ .‬ﺑﻪ اﺻﻄﻼح ﭘﯿﭽﯿﺪﮔﯽ ﭘﺮﺳﺶ در ﻣﺪل ﮐﻮاﻧﺘﻮﻣﯽ ﺑﻪ ﺷﺪت ﮐﻤﺘﺮ از ﭘﯿﭽﯿﺪﮔﯽ ﭘﺮﺳﺶ در ﻣﺪل ﮐﻼﺳﯿﮑﯽ‬
‫اﺳﺖ‪ .‬اﻣﺎ ﻣﯿﺪاﻧﯿﻢ ﭘﯿﭽﯿﺪﮔﯽ ﭘﺮﺳﺶ ﻧﯿﺰ ﺑﻪ ﭘﯿﭽﯿﺪﮔﯽ ﺣﺎﻓﻈﻪ و زﻣﺎن ﻣﺮﺗﺒﻂ اﺳﺖ‪[٢] .‬‬
‫دﻗﺖ ﺷﻮد در اﯾﻨﺠﺎ ﻣﻘﺼﻮد ﺻﺮﻓﺎ ﻧﺸﺎن دادن ﻗﺪرت ﻣﺤﺎﺳﺒﺎت ﮐﻮاﻧﺘﻮﻣﯽ ﺑﻮده اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ از آوردن اﻟﮕﻮرﯾﺘﻢ‬
‫ﻫﺎی ﻣﻬﻢ ﺗﺮ ﻣﺎﻧﻨﺪ اﻟﮕﻮرﯾﺘﻢ ﺗﺠﺰﯾﻪ ”‪ ”Shor‬اﺟﺘﻨﺎب ﻣﯿﮕﺮدد‪[۴] .‬‬

‫‪٧‬‬
‫ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ‪BQP‬‬ ‫‪۵‬‬
‫ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ‪ [١] ( Bounded-Error Quantum Polynomial Time ) BQP‬ﺑﻪ دﺳﺘﻪ زﺑﺎن‬
‫ﻫﺎﯾﯽ ﮔﻔﺘﻪ ﻣﯿﺸﻮﻧﺪ ﺑﺎ ﻣﺪاری ﮐﻮاﻧﺘﻮﻣﯽ ﮐﻪ اﻧﺪازه اش )ﺗﻌﺪاد ﮔﯿﺖ ﻫﺎی آن( ﯾﮏ ﭼﻨﺪﺟﻤﻠﻪ ای ﻧﺴﺒﺖ ﺑﻪ‬
‫ﺗﻌﺪاد ﮐﯿﻮﺑﯿﺖ ﻫﺎی ورودی ﺑﺎﺷﺪ و اﺣﺘﻤﺎل ﭘﺎﺳﺦ اﺷﺘﺒﺎه دادن آن ﮐﻤﺘﺮ از ‪ ١/٣‬ﺑﺎﺷﺪ‪ .‬اﻟﺒﺘﻪ ﮐﻪ اﯾﻦ ﻋﺪد دﻟﺨﻮاه‬
‫اﺳﺖ ﻓﻘﻂ ﮐﺎﻓﯽ اﺳﺖ اﺣﺘﻤﺎل ﺧﻄﺎ ﮐﻤﺘﺮ از ﻧﺼﻒ ﺑﺎﺷﺪ ﺗﺎ ﺑﺎ ﺗﮑﺮار ﻣﺪار ﺑﺘﻮان از ﭘﺎﺳﺦ ﻣﻄﻤﺌﻦ ﺷﺪ‪.‬‬
‫اﻣﺎ در ﻣﻮرد ﭼﻨﺪﺟﻤﻠﻪ ای ﺑﻮدن ﺳﺎﯾﺰ ﻣﺪار‪ ،‬درﺳﺖ ﻫﻤﺎﻧﻨﺪ ﻣﺪارﻫﺎی ﮐﻼﺳﯿﮏ ﻣﯿﺘﻮان اﺳﺘﺪﻻل ﮐﺮد ﺗﻘﺮﯾﺒﺎ ﻫﻤﻪ‬
‫ی ﻋﻤﻠﮕﺮﻫﺎی ﯾﮑﺎﻧﯽ ﻧﯿﺎز ﺑﻪ ﻣﺪاری ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺎ اﻧﺪازه ی ﻧﻤﺎﯾﯽ دارﻧﺪ‪ .‬ﭼﻮن ﺑﺮای ﯾﮏ ﻋﻤﻠﮕﺮ ﯾﮑﺎﻧﯽ ﮐﻪ‬
‫روی ‪ n‬ﮐﯿﻮﺑﯿﺖ اﺛﺮ ﻣﯿﮑﻨﺪ ) ‪ O(٢٢‬درﺟﻪ آزادی وﺟﻮد دارد‪ .‬ﻫﻤﭽﻨﯿﻦ ﺗﻌﺪاد ﻣﺪارﻫﺎﯾﯽ ﮐﻪ ﺗﻌﺪاد ‪ T‬ﺗﺎ ﮔﯿﺖ‬
‫‪n‬‬

‫دارﻧﺪ‪ ،‬ﺗﻘﺮﯾﺒﺎ از ﻣﺮﺗﺒﻪ ی ﻧﻤﺎﯾﯽ از ‪ T‬اﺳﺖ‪ .‬ﭘﺲ ﺳﺎﺧﺘﻦ ﺑﯿﺸﺘﺮ ﻋﻤﻠﮕﺮﻫﺎ ﻧﯿﺎز ﺑﻪ ﻣﺪاری ﺑﺎ اﻧﺪازه ی ﻧﻤﺎﯾﯽ‬
‫ﻧﺴﺒﺖ ﺑﻪ ﺗﻌﺪاد ﮐﯿﻮﺑﯿﺖ ﻫﺎ دارﻧﺪ‪ .‬ﻗﻀﯿﻪ ای در اﯾﻦ ﺑﺎره ﻣﯿﮕﻮﯾﺪ ﺑﺮای ﺗﻘﺮﯾﺐ زدن ﺑﺎ ﻓﺎﺻﻠﻪ ی ‪ e‬ﺗﻤﺎم‬
‫ﻋﻤﻠﮕﺮﻫﺎﯾﯽ ﮐﻪ روی ‪ n‬ﮐﯿﻮﺑﯿﺖ اﺛﺮ ﻣﯿﮑﻨﻨﺪ )‪ Ω(٢n log(١/e)/ log n‬ﮔﯿﺖ ﯾﮏ ﯾﺎ دو ﮐﯿﻮﺑﯿﺘﻪ ﻧﯿﺎز اﺳﺖ‪.‬‬
‫اﻣﺎ ﻫﻤﭽﻨﺎن ﺗﻌﺪاد زﯾﺎدی از ﯾﮑﺎﻧﯽ ﻫﺎ وﺟﻮد دارﻧﺪ ﮐﻪ ﺑﺎ ﻣﺮﺗﺒﻪ ی ﭼﻨﺪﺟﻤﻠﻪ ای ﻗﺎﺑﻞ ﭘﯿﺎده ﺳﺎزی ﻫﺴﺘﻨﺪ‪.‬‬
‫اﮐﻨﻮن ﻣﯿﭙﺮدازﯾﻢ ﺑﻪ راﺑﻄﻪ ی اﯾﻦ ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ﺑﺎ ﺳﺎﯾﺮ ﮐﻼس ﻫﺎی آﺷﻨﺎ‪:‬‬
‫‪ : P ⊆ BQP‬ﻫﻤﺎﻧﻄﻮر ﮐﻪ ﻧﺸﺎن داده ﺷﺪ‪ ،‬ﯾﮏ ﮐﺎﻣﭙﯿﻮﺗﺮ ﮐﻮاﻧﺘﻮﻣﯽ ﺻﺮﻓﺎ ﺑﺎ ﺑﺎزﮔﺸﺖ ﭘﺬﯾﺮ ﺳﺎﺧﺘﻦ ﺑﻪ راﺣﺘﯽ‬
‫ﻣﯿﺘﻮاﻧﺪ ﯾﮏ ﻫﻤﺘﺎی ﮐﻼﺳﯿﮑﯽ ﺧﻮد را ﺷﺒﯿﻪ ﺳﺎزی ﮐﻨﺪ‪ .‬اﯾﻦ ﮐﺎر ﺑﺎﻋﺚ اﻓﺰاﯾﺶ ﺗﻌﺪاد ﮔﯿﺖ ﻫﺎ ﺑﻪ ﻃﻮر ﻧﻤﺎﯾﯽ‬
‫ﻧﻤﯿﺸﻮد‪ .‬ﭘﺲ ﻫﺮ ﻣﺪاری ﮐﻼﺳﯿﮑﯽ ﮐﻪ ﺳﺎﯾﺰ ﭼﻨﺪﺟﻤﻠﻪ ای داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﻗﺎﺑﻞ ﺷﺒﯿﻪ ﺳﺎزی ﺑﺎ ﯾﮏ ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ‬
‫ﺑﺎ ﺳﺎﯾﺰ ﭼﻨﺪﺟﻤﻠﻪ ای اﺳﺖ‪.‬‬
‫‪ ( Bounded-Error Probabilistic Polynomial Time ) BPP : BP P ⊆ BQP‬درﺳﺖ ﻣﺎﻧﻨﺪ‬
‫‪ BQP‬اﺳﺖ ﺑﺎ اﯾﻦ ﺗﻔﺎوت ﮐﻪ اﯾﻦ ﺑﺎر روی ﻣﺎﺷﯿﻦ ﮐﻼﺳﯿﮏ ﺑﺎﯾﺪ ﺳﺎﯾﺰ ﭼﻨﺪﺟﻤﻠﻪ ای داﺷﺘﻪ ﺑﺎﺷﺪ و اﺣﺘﻤﺎل‬
‫اﺷﺘﺒﺎه در آن ﮐﻤﺘﺮ از ‪ ١/٣‬ﺑﺎﺷﺪ‪ .‬ﺑﻪ اﯾﻦ ﮐﻼس ﻧﻤﻮﻧﻪ ی اﺣﺘﻤﺎﻟﯽ ﮐﻼس ‪ P‬ﻧﯿﺰ ﮔﻔﺘﻪ ﻣﯿﺸﻮد‪ .‬ﺑﺮای ﻧﺸﺎن‬
‫دادن اﯾﻦ راﺑﻄﻪ ﻧﯿﺎز اﺳﺖ ﺗﺎ ﺑﻪ اﯾﻦ ﻧﮑﺘﻪ ﺗﻮﺟﻪ ﺷﻮد ﮐﻪ در ﻣﮑﺎﻧﯿﮏ ﮐﻮاﻧﺘﻮﻣﯽ ﺑﻪ ﻃﻮر ﻃﺒﯿﻌﯽ اﺣﺘﻤﺎﻻت وﺟﻮد‬
‫دارﻧﺪ‪ .‬در ﺣﻘﯿﻘﺖ ﺗﻤﺎم ﭘﺪﯾﺪه ﻫﺎﯾﯽ ﮐﻪ ﺑﻪ آن ﻫﺎ ﻣﺘﻐﯿﺮ ﺗﺼﺎدﻓﯽ ﻣﯿﮕﻮﯾﯿﻢ )ﻣﺎﻧﻨﺪ ﭘﺮﺗﺎب ﺗﺎس( ﺑﻪ ﻫﯿﭻ وﺟﻪ‬
‫ﺗﺼﺎدﻓﯽ ﻧﯿﺴﺘﻨﺪ‪ .‬ﺑﻠﮑﻪ ﻋﺪم اﻃﻼع ﻣﺎ از ﺗﻤﺎم ﻣﺘﻐﯿﺮﻫﺎی دﺧﯿﻞ ﺑﺎﻋﺚ ﺷﺪه آن ﻫﺎ را ﺗﺼﺎدﻓﯽ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪.‬‬
‫ﺣﺘﯽ ﻣﯿﺪاﻧﯿﻢ ﮐﻪ اﻋﺪادی ﮐﻪ ﮐﺎﻣﭙﯿﻮﺗﺮ ﺑﻪ ﻋﻨﻮان ﻋﺪد ﺗﺼﺎدﻓﯽ ﺑﻪ ﻣﺎ ﻣﯿﺪﻫﺪ ﻧﯿﺰ ﮐﺎﻣﻼ ﺗﻌﯿﻨﯽ ﻫﺴﺘﻨﺪ‪ .‬ﺗﻨﻬﺎ ﺟﺎﯾﯽ‬
‫ﮐﻪ ﮔﻮﯾﯽ واﻗﻌﺎ ﻣﺘﻐﯿﺮ ﺗﺼﺎدﻓﯽ وﺟﻮد دارد‪ ،‬در ﻣﮑﺎﻧﯿﮏ ﮐﻮاﻧﺘﻮﻣﯽ اﺳﺖ‪ .‬ﭘﺲ اﮔﺮ ﺗﻮاﻧﺴﺘﻪ اﯾﻢ ﻣﺪاری ﮐﻼﺳﯿﮏ‬
‫و ﺗﺼﺎدﻓﯽ ﺑﺴﺎزﯾﻢ‪ ،‬ﻗﻄﻌﺎ ﻗﺎدر ﺑﻪ ﺷﺒﯿﻪ ﺳﺎزی آن ﺗﻮﺳﻂ ﻣﺪاری ﮐﻮاﻧﺘﻮﻣﯽ ﻧﯿﺰ ﻫﺴﺘﯿﻢ‪ .‬ﺑﺮای ﻣﺜﺎل ﺑﺮای ﺷﺒﯿﻪ‬
‫ﺳﺎزی ﭘﺮﺗﺎب ﯾﮏ ﺳﮑﻪ ﮐﺎﻓﯽ اﺳﺖ ﮔﯿﺖ ﻫﺎداﻣﺎرد را روی ⟩‪ |٠‬ﺑﺰﻧﯿﻢ و ﯾﮏ ﻣﻨﺒﻊ ﻋﺪد ﺗﺼﺎدﻓﯽ ﺑﺴﺎزﯾﻢ‪.‬‬

‫‪٨‬‬
‫‪ : BQP ⊆ EXP‬ﻣﺸﮑﻞ اﺻﻠﯽ ﺷﺒﯿﻪ ﺳﺎزی اﻟﮕﻮرﯾﺘﻢ ﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﺗﻮﺳﻂ ﻣﺎﺷﯿﻦ ﻫﺎی ﮐﻼﺳﯿﮏ اﯾﻦ‬
‫اﺳﺖ ﮐﻪ ﺑﺮای ﻧﻤﺎﯾﺶ ﯾﮏ رﺷﺘﻪ ی ﮐﻼﺳﯿﮏ ‪ n‬ﺗﺎﯾﯽ از ‪ ٠‬و ‪ ١‬ﻓﻘﻂ ‪ n‬ﺑﯿﺖ ﻧﯿﺎز اﺳﺖ وﻟﯽ ﺑﺮای ﯾﮏ رﺷﺘﻪ‬
‫ی ﮐﻮاﻧﺘﻮﻣﯽ ‪ n‬ﺗﺎﯾﯽ ﻧﯿﺎز ﺑﻪ ﺗﻌﺪاد ﻧﻤﺎﯾﯽ ﺑﯿﺖ ﮐﻼﺳﯿﮏ وﺟﻮد دارد‪ .‬ﻫﻤﭽﻨﯿﻦ ﺑﺮای ﻧﺸﺎن دادن ﺗﺤﻮل ﻫﺎ ﻫﻢ‬
‫ﭼﻮن ﺑﺎﯾﺪ ﺗﻌﺪاد ﻧﻤﺎﯾﯽ ﻣﺘﻐﯿﺮ ﭘﯿﻮﺳﺘﻪ را ﻧﻤﺎﯾﺶ دﻫﯿﻢ‪ ،‬ﺗﻌﺪاد ﻧﻤﺎﯾﯽ ﻋﻤﻞ ﮐﻼﺳﯿﮑﯽ ﻧﯿﺎز اﺳﺖ‪ .‬اﻣﺎ اﮔﺮ اﺟﺎزه‬
‫داﺷﺘﻪ ﺑﺎﺷﯿﻢ در زﻣﺎن ﻧﻤﺎﯾﯽ ﺷﺒﯿﻪ ﺳﺎزی را اﻧﺠﺎم دﻫﯿﻢ‪ ،‬واﺿﺤﺎ ﻣﯿﺘﻮاﻧﯿﻢ ﺗﻤﺎم اﯾﻦ ﻫﺎ را در ﻣﺎﺷﯿﻨﯽ ﮐﻼﺳﯿﮑﯽ‬
‫ﺷﺒﯿﻪ ﺳﺎزی ﮐﻨﯿﻢ‪.‬‬
‫∑‬
‫ﺣﺎﻓﻈﻪ ای اﺧﺘﺼﺎص دﻫﯿﻢ‪،‬‬ ‫‪ : BQP ⊆ P SP ACE‬ﭼﻨﺎﻧﭽﻪ ﺑﺨﻮاﻫﯿﻢ ﺑﺮای ﺗﺤﻮل ﺑﺮدار ⟩‪αx |x‬‬
‫ﻧﯿﺎز ﺑﻪ ﻓﻀﺎﯾﯽ ﻧﻤﺎﯾﯽ در زﻣﺎن ﺧﻮاﻫﯿﻢ داﺷﺖ‪ .‬اﻣﺎ اﮔﺮ ﺗﺤﻮل زﻣﺎﻧﯽ را ﺑﺎ اﻟﻬﺎم از اﻧﺘﮕﺮال ﻣﺴﯿﺮ ﻓﺎﯾﻨﻤﻦ ﻧﮕﺎه‬
‫ﮐﻨﯿﻢ‪ ،‬آﻧﮕﺎه ﮐﺎﻓﯽ اﺳﺖ ﻫﺮ ﯾﮏ از ﺑﺮدارﻫﺎ را دﻧﺒﺎل ﮐﻨﯿﻢ و ﭘﺲ از اﺛﺮ ﻫﺮ ﻋﻤﻠﮕﺮ‪ ،‬داﻣﻨﻪ ی ﻣﺮﺑﻮط ﺑﻪ آن ﺑﺮدار‬
‫را ﺑﻪ ﺻﻮرت ﺟﻤﻊ داﻣﻨﻪ ﻫﺎی اﯾﻨﺠﺎد ﺷﺪه در اﺛﺮ ﻋﻤﻞ ﮐﺮدن آن ﮔﯿﺖ ﺑﻨﻮﯾﺴﯿﻢ‪ .‬آن ﮔﺎه ﺧﻮاﻫﯿﻢ درﯾﺎﻓﺖ ﮐﻪ‬
‫ﯾﮏ ﺗﺤﻮل ﮐﻮاﻧﺘﻮﻣﯽ ﻗﺎﺑﻞ ذﺧﯿﺮه ﺳﺎزی در ﺣﺎﻓﻈﻪ ای ﭼﻨﺪﺟﻤﻠﻪ ای اﺳﺖ‪ .‬ﻫﺮﭼﻨﺪ ﮐﻪ اﺣﺘﻤﺎﻻ زﻣﺎﻧﯽ ﻧﻤﺎﯾﯽ‬
‫ﺻﺮف ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫در ﻣﻮرد اﯾﻨﮑﻪ آﯾﺎ ‪ BPP‬ﺑﺎ ‪ BQP‬ﺑﺮاﺑﺮ اﺳﺖ ﯾﺎ ﺧﯿﺮ ﻫﻨﻮز ﭼﯿﺰی ﻧﻤﯿﺪاﻧﯿﻢ‪ .‬ﺑﺮای ﻣﺜﺎل ﻣﯿﺪاﻧﯿﻢ ﺑﺮای ﻣﺴﻠﺌﻪ‬
‫ی ﺗﺠﺰﯾﻪ ﻋﻠﯽ رﻏﻢ ﻣﻄﺎﻟﻌﺎت ﮔﺴﺘﺮده‪ ،‬ﻫﯿﭻ اﻟﮕﻮرﯾﺘﻢ ﮐﻼﺳﯿﮑﯽ ﮐﻪ ﺣﺘﯽ اﺣﺘﻤﺎﻟﯽ ﺑﺎﺷﺪ ﻫﻢ ﯾﺎﻓﺖ ﻧﺸﺪه اﺳﺖ‪.‬‬
‫ﺑﺮای ﻫﻤﯿﻦ ﺣﺪﺳﻤﺎن ﺑﺮ اﯾﻦ اﺳﺖ ﮐﻪ ﺧﯿﺮ اﯾﻦ دو ﺑﺮاﺑﺮ ﻧﯿﺴﺘﻨﺪ‪ .‬وﻟﯽ ﭼﻨﺎﻧﭽﻪ اﯾﻦ ﺣﺪس اﺛﺒﺎت ﺷﻮد آﻧﮕﺎه‬
‫ﺛﺎﺑﺖ ﻣﯿﺸﻮد ﮐﻪ ‪ P‬ﻧﯿﺰ زﯾﺮ ﻣﺠﻤﻮﻋﻪ اﮐﯿﺪ ‪ PSPACE‬اﺳﺖ! اﯾﻦ ﻫﻢ ﺑﺎ اﯾﻨﮑﻪ ﺑﻪ ﻧﻈﺮ ﻣﯿﺮﺳﺪ درﺳﺖ ﺑﺎﺷﺪ ﻫﻨﻮز‬
‫ﻫﯿﭻ اﺛﺒﺎﺗﯽ ﺑﺮاﯾﺶ اراﺋﻪ ﻧﺸﺪه ﺑﻪ ﻣﺎﻧﻨﺪ ﻣﻘﺎﯾﺴﻪ ‪ P‬و ‪ NP.‬ﻫﻤﭽﻨﯿﻦ راﺑﻄﻪ ی ‪ BQP‬ﺑﺎ ‪ NP‬ﻧﺎﻣﺸﺨﺺ اﺳﺖ‪.‬‬
‫ﺣﺪس زده ﻣﯿﺸﻮد ﮐﻪ ‪ NP‬زﯾﺮ ﻣﺠﻤﻮﻋﻪ ‪ BQP‬ﻧﺒﺎﺷﺪ‪ .‬ﭼﻮن اﮔﺮ ‪ NP‬زﯾﺮ ﻣﺠﻤﻮﻋﻪ ‪ BQP‬از آب درآﯾﺪ‪ ،‬ﺑﺎ‬
‫ﺳﺎﺧﺖ ﯾﮏ ﮐﺎﻣﭙﯿﻮﺗﺮ ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺰرگ و ﺑﯽ ﻧﻘﺺ ﺗﻤﺎم ﻣﺴﺎﺋﻞ ‪ NP-complete‬ﺣﻞ ﺧﻮاﻫﻨﺪ ﺷﺪ و ﺣﺪس‬
‫ﺑﺮ اﯾﻦ اﺳﺖ ﮐﻪ ﻗﺮار ﻧﯿﺴﺖ اﯾﻦ ﻫﺎ ﺣﻞ ﺷﻮﻧﺪ ﺑﻪ اﯾﻦ ﺳﺎدﮔﯽ ﻫﺎ!‬

‫ﺷﮑﻞ ‪ :٣‬ﺳﻠﺴﻪ ﻣﺮاﺗﺐ ‪BQP‬‬

‫‪٩‬‬
‫ﮐﻼس ﭘﯿﭽﯿﺪﮔﯽ ‪QMA‬‬ ‫‪۶‬‬
‫در اﺑﺘﺪا ﺑﻪ ﻣﻌﺮﻓﯽ ﮐﻼس ‪ [۶] MA‬ﻣﯿﭙﺮدازﯾﻢ ﺳﭙﺲ ﻧﺴﺨﻪ ی ﮐﻮاﻧﺘﻮﻣﯽ آن را ﻧﯿﺰ ﺑﯿﺎن ﻣﯿﮑﻨﯿﻢ‪ .‬داﺳﺘﺎن اﯾﻦ‬
‫ﮐﻼس از ﯾﮏ ﻗﺼﻪ ﻧﺸﺄت ﮔﺮﻓﺘﻪ اﺳﺖ! ﺑﻪ اﯾﻦ ﺻﻮرت ﮐﻪ ﻣﺎرﺗﯿﻦ ﯾﮏ ﺟﺎدوﮔﺮ اﺳﺖ ﮐﻪ ﻣﯿﺨﻮاﻫﺪ ﭼﯿﺰی را ﺑﻪ‬
‫ﻋﻨﻮان ﮔﻮاﻫﯽ ﺑﻪ آرﺗﻮر ﮐﻪ ﭘﺎدﺷﺎه اﺳﺖ ﻣﯿﻔﺮﺳﺘﺪ‪ .‬آرﺗﻮر ﭼﻮن اﻋﺘﻤﺎد ﮐﺎﻣﻞ ﻧﺪارد ﺑﻪ اﯾﻦ ﺟﺎدوﮔﺮ ﺳﻌﯽ ﻣﯿﮑﻨﺪ‬
‫در زﻣﺎن ﮐﻮﺗﺎﻫﯽ )ﭼﻨﺪﺟﻤﻠﻪ ای( ﭼﮏ ﮐﻨﺪ آﯾﺎ اﯾﻦ ﮔﻮاﻫﯽ درﺳﺖ اﺳﺖ ﯾﺎ ﺧﯿﺮ‪ .‬در ﻧﻬﺎﯾﺖ آرﺗﻮر ﺗﻤﺎم ﮔﻮاﻫﯽ‬
‫ﻫﺎی درﺳﺖ را ﺑﺎ اﺣﺘﻤﺎل ﺣﺪاﻗﻞ ‪ ٢/٣‬ﻣﯿﭙﺬﯾﺮد و ﺗﻤﺎم ﻧﺎدرﺳﺖ ﻫﺎ را ﺑﺎ اﺣﺘﻤﺎل ﺣﺪاﮐﺜﺮ ‪ ١/٣‬ﻣﯿﭙﺬﯾﺮد‪ .‬ﺑﻪ‬
‫ﻧﻮﻋﯽ راﺑﻄﻪ ای ﮐﻪ ﺑﯿﻦ ‪ MA‬و ‪ BPP‬ﺑﺮﻗﺮار اﺳﺖ ﻫﻤﺎﻧﻨﺪ راﺑﻄﻪ ای اﺳﺖ ﮐﻪ ﻣﯿﺎن ‪ NP‬و ‪ P‬ﺑﺮﻗﺮار اﺳﺖ‪.‬‬
‫‪ [۵] ( Quantum Merlin Arthur ) QMA‬ﺑﻪ ﻧﺴﺨﻪ ی ﮐﻮاﻧﺘﻮﻣﯽ ‪ MA‬ﻣﯿﮕﻮﯾﻨﺪ‪ .‬ﺑﻪ ﻃﻮری ﮐﻪ ﻫﻢ‬
‫ﮔﻮاﻫﯽ ای ﮐﻪ ﻣﺮﻟﯿﻦ ﻣﯿﻔﺮﺳﺘﺪ ﯾﮏ ﺣﺎﻟﺖ ﮐﻮاﻧﺘﻮﻣﯽ اﺳﺖ ﻫﻢ ﻣﺪاری ﮐﻪ آرﺗﻮر ﺑﺮای ﭼﮏ ﮐﺮدﻧﺶ در اﺧﺘﯿﺎر‬
‫دارد ﯾﮏ ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ اﺳﺖ‪ .‬ﻣﯿﺘﻮان ﺣﺎﻟﺘﯽ را ﻧﯿﺰ ﺗﺼﻮر ﻧﻤﻮد ﮐﻪ ﺣﺎﻟﺘﯽ ﮐﻪ ﻣﺮﻟﯿﻦ ﻣﯿﻔﺮﺳﺘﺪ ﮐﻼﺳﯿﮑﯽ‬
‫ﺑﺎﺷﺪ وﻟﯽ ﻣﺪار ﮐﻮاﻧﺘﻮﻣﯽ‪ .‬اﯾﻦ ﺣﺎﻟﺖ را ‪ ( Quantum Classical Merlin Arthur ) QCMA‬ﻣﯿﻨﺎﻣﻨﺪ‪.‬‬
‫واﺿﺢ اﺳﺖ اﯾﻦ ﮐﻼس زﯾﺮ ﻣﺠﻤﻮﻋﻪ ی ﮐﻼس ‪ QMA‬اﺳﺖ‪ .‬اﻟﺒﺘﻪ ﻫﻨﻮز ﻣﺸﺨﺺ ﻧﺸﺪه اﺳﺖ ﮐﻪ زﯾﺮ ﻣﺠﻤﻮﻋﻪ‬
‫ی اﮐﯿﺪ اﺳﺖ و ﯾﺎ اﯾﻦ دو ﺑﺮاﺑﺮ ﻫﺴﺘﻨﺪ‪.‬‬
‫ﻣﯿﺘﻮان دو ﮐﻼس ‪ QMA‬و ‪ BQP‬را ﻧﺴﺨﻪ ﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﮐﻼس ﻫﺎی ‪ MA‬و ‪ BPP‬ﺧﻮاﻧﺪ‪ .‬ﺻﺮﻓﺎً ﭼﻮن‬
‫اﯾﻦ دو ﮐﻼس‪ ،‬ﮐﻼس ﻫﺎی اﺻﻠﯽ ﺑﺮای ﮐﺎﻣﭙﯿﻮﺗﺮﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ ﻫﺴﺘﻨﺪ‪،‬آن ﻫﺎ ﻣﻌﺎدل ﮐﻮاﻧﺘﻮﻣﯽ ﮐﻼس ﻫﺎی‬
‫‪ NP‬و ‪ P‬ﻣﯿﻨﺎﻣﻨﺪ‪ .‬ﮔﺮﭼﻪ ﺷﺒﺎﻫﺖ ﺑﯿﺸﺘﺮی ﺑﻪ دو ﮐﻼس ﭘﯿﺸﯿﻦ دارﻧﺪ‪ .‬اﮐﻨﻮن وﻗﺖ آن رﺳﯿﺪه اﺳﺖ ﺗﺎ راﺑﻄﻪ‬
‫ی ﮐﻼس ‪ QMA‬ﺑﺎ ﺳﺎﯾﺮ ﮐﻼس ﻫﺎی آﺷﻨﺎ را ﺑﺮرﺳﯽ ﮐﻨﯿﻢ‪:‬‬
‫‪ : M A ⊆ QM A‬ﻫﻤﺎﻧﻄﻮر ﮐﻪ درﺑﺎره ی راﺑﻄﻪ ی ‪ BQP‬و ‪ BPP‬ﭘﯿﺸﺘﺮ ﺗﻮﺿﯿﺢ داده ﺷﺪ‪ ،‬ﺑﻪ ﻋﻠﺖ اﯾﻨﮑﻪ‬
‫ﻣﺘﻐﯿﺮﻫﺎی ﺗﺼﺎدﻓﯽ در ﻣﺎﻫﯿﺖ ﺳﯿﺴﺘﻢ ﻫﺎی ﮐﻮاﻧﺘﻮﻣﯽ وﺟﻮد دارﻧﺪ‪ ،‬ﻫﺮ اﺗﻔﺎق ﺗﺼﺎدﻓﯽ در ﯾﮏ ﻣﺎﺷﯿﻦ ﮐﻮاﻧﺘﻮﻣﯽ‬
‫راﺣﺖ ﺗﺮ و ﺑﻬﺘﺮ رخ ﻣﯿﺪﻫﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ‪ QMA‬ﺣﺪاﻗﻞ ﺗﻤﺎم زﺑﺎن ﻫﺎی ‪ MA‬را در ﺑﺮ دارد‪ .‬ﻃﻮر دﯾﮕﺮی ﻧﯿﺰ‬
‫ﻣﯿﺘﻮان ﺑﻪ ﻣﺴﺌﻠﻪ ﭘﺮداﺧﺖ‪ .‬ﮐﺎﻓﯽ اﺳﺖ ﺑﺮای زﺑﺎن ‪ L ∈ M A‬ﮔﻮاﻫﯽ ﮐﻪ ﻣﺮﻟﯿﻦ ﺑﺮای آرﺗﻮر ﻣﯿﻔﺮﺳﺘﺪ را در‬
‫اﺑﺘﺪا ﮐﻼﺳﯿﮑﯽ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪ .‬ﺳﭙﺲ ﻋﻤﻠﯿﺎﺗﯽ ﮐﻪ آرﺗﻮر ﻗﺮار اﺳﺖ ﺑﺎ ﻣﺎﺷﯿﻦ ﮐﻼﺳﯿﮑﯽ اش روی ﮔﻮاه اﻧﺠﺎم‬
‫دﻫﺪ را ﺑﺎ ﻣﺎﺷﯿﻨﯽ ﮐﻮاﻧﺘﻮﻣﯽ ﺷﺒﯿﻪ ﺳﺎزی ﮐﻨﯿﻢ‪.‬‬
‫‪ : N P ⊆ QM A‬ﻣﯿﺪاﻧﯿﻢ ‪ N P ⊆ M A‬اﺳﺖ‪ .‬زﯾﺮا ﮐﺎﻓﯽ اﺳﺖ در ﺗﻌﺮﯾﻒ ‪ MA‬اﺣﺘﻤﺎل ‪ ٢/٣‬را ﺑﻪ ‪١‬‬
‫و اﺣﺘﻤﺎل ‪ ١/٣‬را ﺑﻪ ‪ ٠‬ﻣﯿﻞ دﻫﯿﻢ‪ .‬از ﻧﺘﯿﺠﻪ ی ﺑﺨﺶ ﻗﺒﻞ و ﻧﺘﯿﺠﻪ ی اﯾﻦ ﻗﺴﻤﺖ راﺑﻄﻪ ی ﻣﻮرد ﻧﻈﺮ ﺑﻪ‬
‫دﺳﺖ ﻣﯿﺎﯾﺪ‪.‬‬
‫‪ : BQP ⊆ QM A‬اﯾﻦ ﻧﺘﯿﺠﻪ ﻫﻢ ﺑﻪ اﯾﻦ ﻋﻠﺖ واﺿﺢ اﺳﺖ ﮐﻪ اﮔﺮ ﻣﺴﺌﻠﻪ ای در زﻣﺎن ﭼﻨﺪﺟﻤﻠﻪ ای ﺣﻞ‬

‫‪١٠‬‬
‫ﺷﻮد‪ ،‬ﻗﻄﻌﺎً ﭼﮏ ﮐﺮدن ﯾﮏ ﮔﻮاه از آن ﻧﯿﺰ ﺣﺪاﮐﺜﺮ در ﻫﻤﺎن زﻣﺎن ﺣﻞ ﻣﯿﺸﻮد‪ .‬درﺳﺖ ﻣﺎﻧﻨﺪ راﺑﻄﻪ ی ﻣﯿﺎن‬
‫‪ P‬و ‪ NP‬و ﯾﺎ ‪ BPP‬و ‪. MA‬‬
‫از ﺟﻤﻠﻪ ﻣﺴﺎﺋﻞ ﻣﻌﺮوف ﮐﻪ در ‪ QMA‬ﻫﺴﺘﻨﺪ و در ﺣﻘﯿﻘﺖ ‪ QMA-Complete‬اﻧﺪ ﻣﯿﺘﻮان ﺑﻪ ﻣﺴﺌﻠﻪ ”‬
‫‪ ” k-Local Hamiltonians‬و ” ‪ ” group Non-membership‬اﺷﺎره ﮐﺮد‪.‬‬

‫ﭘﯿﭽﯿﺪﮔﯽ ﻫﺎﻣﯿﻠﺘﻮﻧﯽ‬ ‫‪٧‬‬


‫ﻣﯿﺪاﻧﯿﻢ در ﻣﮑﺎﻧﯿﮏ ﮐﻮاﻧﺘﻮﻣﯽ ﻣﻌﺎدﻟﻪ ی ﺣﺎﮐﻢ در دﯾﻨﺎﻣﯿﮏ ﻣﺴﺌﻠﻪ‪ ،‬ﻣﻌﺎدﻟﻪ ی ﺷﺮودﯾﻨﮕﺮ اﺳﺖ‪:‬‬

‫∂‬
‫‪iℏ‬‬ ‫⟩)‪|ψ(t)⟩ = Ĥ |ψ(t‬‬
‫‪∂t‬‬

‫ﮐﻪ در اﯾﻨﺠﺎ ‪ ℏ‬ﺛﺎﺑﺖ ﭘﻼﻧﮏ و ̂‪ H‬ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ﺳﯿﺴﺘﻢ اﺳﺖ‪ .‬در ﻓﯿﺰﯾﮏ ﺑﺲ ذره ای ﻣﻌﻤﻮﻻ ﻣﻬﻤﺘﺮﯾﻦ ﮐﺎر ﯾﺎﻓﺘﻦ‬
‫ﺣﺎﻟﺖ ﭘﺎﯾﻪ ی ﯾﮏ ﺳﯿﺴﺘﻢ ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺎ ﺗﻌﺪاد ذرات زﯾﺎد اﺳﺖ‪ .‬ﺑﺮای ﯾﺎﻓﺘﻦ ﺣﺎﻟﺖ ﭘﺎﯾﻪ ﺑﺎﯾﺪ ﺑﺘﻮان ﻣﻌﺎدﻟﻪ ی‬
‫ﺑﺎﻻ را ﺣﻞ ﮐﺮد‪.‬‬
‫اﮐﻨﻮن ﺑﺎ ﺗﻌﺮﯾﻒ ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ﻣﻮﺿﻌﯽ آﺷﻨﺎ ﻣﯿﺸﻮﯾﻢ‪ .‬در اﺑﺘﺪا ﯾﺎدآوری ﻣﯿﺸﻮد ﮐﻪ ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ﯾﮏ ﻋﻤﻠﮕﺮ ﺧﻄﯽ‬
‫و ﻫﺮﻣﯿﺘﯽ اﺳﺖ‪ .‬ﻋﻠﺖ ﻫﺮﻣﯿﺘﯽ ﺑﻮدن ﻧﯿﺰ آن اﺳﺖ ﮐﻪ ﺑﺎﯾﺪ وﯾﮋه ﻣﻘﺎدﯾﺮ ﺣﻘﯿﻘﯽ داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬ﭼﺮا ﮐﻪ وﯾﮋه‬
‫ﻣﻘﺎدﯾﺮش ﺑﺮاﺑﺮ ﺑﺎ وﯾﮋه اﻧﺮژی ﻫﺎی ﺳﯿﺴﺘﻢ ﻫﺴﺘﻨﺪ و اﻧﺮژی ﮐﻤﯿﺘﯽ اﺳﺖ ﻓﯿﺰﯾﮑﯽ و ﺣﻘﯿﻘﯽ‪ .‬ﺑﻪ ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ای‬
‫‪ - k‬ﻣﻮﺿﻌﯽ ﮔﻔﺘﻪ ﻣﯿﺸﻮد ﮐﻪ ﺑﻪ ﺻﻮرت‬

‫∑‬
‫‪r‬‬
‫=‪H‬‬ ‫‪Hj‬‬
‫‪j=١‬‬

‫ﻗﺎﺑﻞ ﻧﻮﺷﺘﻦ ﺑﺎﺷﺪ و ﻫﺮ ﮐﺪام از اﯾﻦ ‪ Hj‬ﻫﺎ ﺣﺪاﮐﺜﺮ روی ‪ k‬ذره )ﮐﯿﻮﺑﯿﺖ( ﺑﻪ ﻃﻮر ﻧﺎﺑﺪﯾﻬﯽ ﻋﻤﻞ ﮐﻨﺪ‪.‬‬
‫ﺣﺎل ﺑﻪ ﺳﺮاغ ﺗﻌﺮﯾﻒ ﻣﺴﺌﻠﻪ ی ”‪ ”k-local Hamiltonian‬ﻣﯿﺮوﯾﻢ‪:‬‬
‫ﻓﺮض ﮐﻨﯿﺪ ﯾﮏ ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ﻣﻮﺿﻌﯽ داده ﺷﺪه اﺳﺖ و ﯾﮏ ﮔﺎف اﻧﺮژی ﻫﻢ ﻗﻮل داده ﺷﺪه ﮐﻪ وﺟﻮد دارد‪ .‬ﺑﻪ‬
‫اﯾﻦ ﺻﻮرت ﮐﻪ ﻣﯿﺪاﻧﯿﻢ اﻧﺮژی ﺣﺎﻟﺖ ﭘﺎﯾﻪ ﯾﺎ ﺑﯿﺸﺘﺮ از ﻋﺪد ‪ b‬اﺳﺖ و ﯾﺎ ﮐﻤﺘﺮ از ﻋﺪد ‪ . a‬اﺧﺘﻼف اﯾﻦ دو ﻋﺪد‬
‫ﻫﻢ ﻣﯿﺘﻮان ﻫﻤﯿﺸﻪ ﺑﺮاﺑﺮ ﺑﺎ ﯾﮏ ﮔﺮﻓﺖ‪) .‬ﭼﻮن ﺑﺎ ﺿﺮب ﯾﮏ ﻋﺪد ﺛﺎﺑﺖ در ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ﭘﯿﭽﯿﺪﮔﯽ ﻣﺴﺌﻠﻪ ﮐﻢ ﯾﺎ‬
‫زﯾﺎد ﻧﺨﻮاﻫﺪ ﺷﺪ‪ (.‬ﺧﻮاﺳﺘﻪ ﻣﯿﺸﻮد ﮐﻪ ﺗﺼﻤﯿﻢ ﺑﮕﯿﺮﯾﻢ آﯾﺎ اﻧﺮژی ﺣﺎﻟﺖ ﭘﺎﯾﻪ ﮐﻤﺘﺮ از ‪ a‬اﺳﺖ ﯾﺎ ﺑﯿﺸﺘﺮ از ‪. b‬‬
‫]‪[١۴‬‬
‫ﺷﺎﯾﺪ واﺿﺢ ﺑﻪ ﻧﻈﺮ ﻧﺮﺳﺪ وﻟﯽ ﻣﯿﺘﻮان ﻣﺴﺌﻠﻪ ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ﻣﻮﺿﻌﯽ را ﺣﺎﻟﺖ ﮐﻠﯽ ﺗﺮ ﻣﺴﺌﻠﻪ ”‪”Max-k-CSP‬‬
‫در ﻧﻈﺮ ﮔﺮﻓﺖ‪ .‬اﯾﻦ ﮐﺎر ﺑﻪ ﺳﺎدﮔﯽ ﻗﺎﺑﻞ اﻧﺠﺎم اﺳﺖ‪ .‬ﺑﻪ اﯾﻦ ﺻﻮرت ﮐﻪ ﺑﺮای ﻫﺮ ﻋﺒﺎرت ‪ ci‬ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮی‬

‫‪١١‬‬
‫‪ ٢k × ٢k‬ﺗﻌﺮﯾﻒ ﻣﯿﮑﻨﯿﻢ ﺑﻪ ﻃﻮری ﮐﻪ ‪ Hci (m, m) = ٠‬اﮔﺮ ﻧﻤﺎﯾﺶ دودوﯾﯽ ‪ m‬آن ﻋﺒﺎرت را ارﺿﺎء‬
‫ﮐﻨﺪ‪ .‬و ﺑﺮاﺑﺮ ﺑﺎ ﯾﮏ ﺷﻮد اﮔﺮ ارﺿﺎ ﻧﺸﻮد‪ .‬ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ارﺿﺎء ﻧﺸﺪن ﻫﺮ ﻋﺒﺎرت ﺑﺎﻋﺚ ﯾﮏ ﻫﺰﯾﻨﻪ اﻧﺮژی در‬
‫ﻫﻤﯿﻠﺘﻮﻧﯽ ﻣﯿﺸﻮد‪ .‬ﭼﻮن ﺗﻤﺎم ﻫﺎﻣﯿﻠﺘﻮﻧﯽ ﻫﺎ ﻗﻄﺮی ﻫﺴﺘﻨﺪ و ﺑﺎ ﻫﻢ ﺟﺎﺑﻪ ﺟﺎ ﻣﯿﺸﻮﻧﺪ‪ ،‬ﻣﯿﺘﻮان درﯾﺎﻓﺖ ﮐﻤﯿﻨﻪ اﻧﺮژی‬
‫ﻫﻤﯿﻠﺘﻮﻧﯽ ﺑﺮاﺑﺮ ﺑﺎ ﺣﺪاﮐﺜﺮ ﺗﻌﺪاد ﻋﺒﺎرت ﻫﺎی ارﺿﺎء ﺷﺪه ﻣﯿﺸﻮد‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﻣﯿﺘﻮان ﻣﺴﺌﻠﻪ ‪Max-k-CSP‬‬
‫را ﺑﻪ ﻣﺴﺌﻠﻪ ‪ k-local Hamiltonian‬ﺗﺒﺪﯾﻞ ﮐﺮد‪ .‬از ﻗﻀﯿﻪ ”‪ ”Cook-Levin‬ﻣﯿﺪاﻧﯿﻢ ‪Max-k-CSP‬‬
‫ﻣﺴﺌﻠﻪ ای ‪ NP-Complete‬اﺳﺖ‪ .‬اﮐﻨﻮن ﻣﯿﺨﻮاﻫﯿﻢ ﻧﺴﺨﻪ ی ﮐﻮاﻧﺘﻮﻣﯽ اﯾﻦ ﻗﻀﯿﻪ را اﺛﺒﺎت ﮐﻨﯿﻢ‪ .‬ﯾﻌﻨﯽ‬
‫ﺛﺎﺑﺖ ﮐﻨﯿﻢ ‪ k-local Hamiltonian‬ﯾﮏ ﻣﺴﺌﻠﻪ ی ‪ QMA-Complete‬اﺳﺖ‪.‬‬
‫در اﺑﺘﺪا اﺛﺒﺎت ﻣﯿﮑﻨﯿﻢ ﮐﻪ ﺑﺮای ﻫﺮ ‪ ، k‬اﯾﻦ ﻣﺴﺌﻠﻪ درون ‪ QMA‬اﺳﺖ و ﺳﭙﺲ اﺛﺒﺎت ﻣﯿﮑﻨﯿﻢ ﺑﺮای ‪k ≥ ۵‬‬
‫اﯾﻦ ﻣﺴﺌﻠﻪ ﺑﻪ ‪ QMA-hard‬ﺗﻌﻠﻖ دارد‪.‬‬
‫ﻗﻀﯿﻪ ‪. QMA ∈ k-LH :‬‬
‫اﺛﺒﺎت ‪ :‬ﻧﺸﺎن ﻣﯿﺪﻫﯿﻢ ﯾﮏ ﺣﺎﻟﺖ ﮐﻮاﻧﺘﻮﻣﯽ ⟩‪ |ψ‬و ﯾﮏ ﻣﺪار ﺗﺎﯾﯿﺪ ‪ V‬ﺑﺎ ﺳﺎﯾﺰ ﭼﻨﺪﺟﻤﻠﻪ ای ﺑﻪ ﻃﻮری ﮐﻪ ﺑﺎ‬
‫ﯾﮏ اﻧﺪازه ﮔﯿﺮی ﺗﮏ ﮐﯿﻮﺑﯿﺘﯽ روی ⟩‪ V |ψ‬ﺑﺎ اﺣﺘﻤﺎل ﯾﮏ ﺟﻮاب ﻣﺴﺌﻠﻪ را ﻣﯿﺪﻫﺪ‪.‬‬
‫ﺣﺎﻟﺖ ﮐﻮاﻧﺘﻮﻣﯽ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻬﯿﻪ ﻣﯿﺸﻮد‪:‬‬

‫∑ ‪١‬‬
‫‪r‬‬
‫√ ( = ⟩‪|ψ‬‬ ‫⟩‪|j⟩) ⊗ |η⟩ ⊗ |٠‬‬
‫‪r j=١‬‬

‫ﺑﺮای ‪ {|j⟩}rj=١‬ﯾﮏ ﭘﺎﯾﻪ ی ﯾﮑﺎﻣﺘﻌﺎﻣﺪ ﺑﺮای ‪ r‬و ⟩‪ |η‬ﯾﮏ وﯾﮋه ﺑﺮدار ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﯾﮑﯽ از وﯾﮋه ﻣﻘﺪارﻫﺎی ‪H‬‬
‫‪ . λ ،‬اوﻟﯿﻦ ﻗﺴﻤﺖ اﯾﻦ ﺣﺎﻟﺖ را اﻧﺪﯾﺲ‪ ،‬دوﻣﯿﻦ را اﺛﺒﺎت و ﺳﻮﻣﯽ را ﭘﺎﺳﺦ ﻣﯿﻨﺎﻣﯿﻢ‪.‬‬
‫ﺑﺮای ﺗﻌﺮﯾﻒ ﻣﺪار ﺗﺎﯾﯿﺪ ‪ V‬ﻓﺮض ﻣﯿﮑﻨﯿﻢ ﻫﺮ ﯾﮏ از ‪ Ĥj‬ﻫﺎ روی ﯾﮏ زﯾﺮﻣﺠﻤﻮﻋﻪ از ﮐﯿﻮﺑﯿﺖ ﻫﺎ ﺑﻪ ﻧﺎم ‪Sj‬‬
‫∑‬
‫ﻋﻤﻞ ﮐﻨﺪ‪ .‬ﻫﻤﭽﻨﯿﻦ ﻓﺮض ﮐﻨﯿﻢ ‪ Ĥj‬ﺗﺠﺰﯾﻪ ی ﻃﯿﻔﯽ ﺑﻪ ﺻﻮرت | ‪ s λs |λs ⟩ ⟨λs‬دارد‪ .‬اﮐﻨﻮن ﯾﮏ‬
‫ﻋﻤﻠﮕﺮ ﯾﮑﺎﻧﯽ ﺑﻪ ﺻﻮرت ‪ Wj‬ﮐﻪ روی ﻗﺴﻤﺖ ﻫﺎی اﺛﺒﺎت و ﭘﺎﺳﺦ ﻋﻤﻞ ﻣﯿﮑﻨﺪ ﺑﻪ ﻃﻮری ﮐﻪ ‪:‬‬
‫√‬ ‫√‬
‫)⟩‪Wj (|λs ⟩ ⊗ |٠⟩) = |λs ⟩ ⊗ ( λs |٠⟩ + ١ − λs |١‬‬

‫ﻣﯿﺘﻮان اﯾﻦ ﯾﮑﺎﻧﯽ را ﺑﻪ ﺳﺎدﮔﯽ ﺳﺎﺧﺖ‪ .‬اﺑﺘﺪا ﮐﺎﻓﯽ اﺳﺖ اﻟﮕﻮرﯾﺘﻢ ﺣﺪس ﻓﺎز را روی ‪ eiHj‬اﺟﺮا ﻣﯿﮑﻨﯿﻢ ﺗﺎ‬
‫‪ λs‬را ﺑﻪ دﺳﺖ آورﯾﻢ‪ .‬دﻗﺖ ﺷﻮد ﭼﻮن ﻫﻤﯿﻠﺘﻮﻧﯽ ﻣﺎ ﻣﻮﺿﻌﯽ اﺳﺖ‪ |Sj | ،‬ﻣﺤﺪود اﺳﺖ و اﯾﻦ ﮐﺎر زﻣﺎن ﮔﯿﺮ‬
‫ﻧﺨﻮاﻫﺪ ﺑﻮد‪ .‬ﺳﭙﺲ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺪار ‪ λs‬ﯾﮏ ﭼﺮﺧﺶ روی ﻗﺴﻤﺖ ﭘﺎﺳﺦ ﻣﯿﺪﻫﯿﻢ ﺗﺎ ﺑﻪ ﺣﺎﻟﺖ ﺑﺎﻻ ﺑﺮﺳﯿﻢ‪.‬‬
‫ﺣﺎل ‪ V‬را ﺑﻪ اﯾﻦ ﺻﻮرت ﻣﯿﺴﺎزﯾﻢ ‪:‬‬
‫∑‬
‫‪r‬‬
‫‪|j⟩ ⟨j| ⊗ Wj‬‬
‫‪j=١‬‬

‫‪١٢‬‬
‫اﮐﻨﻮن ﺑﺎﯾﺪ ﭼﮏ ﮐﻨﯿﻢ ﮐﻪ آﯾﺎ ﺑﺮای ﯾﮏ ﺟﻮاب ﺑﻠﯽ ﺑﺮای ﻣﺴﺌﻠﻪ ) ﯾﻌﻨﯽ وﻗﺘﯽ اﻧﺮژی ﺣﺎﻟﺖ ﭘﺎﯾﻪ ﮐﻮﭼﮑﺘﺮ از ‪a‬‬
‫ﺑﺎﺷﺪ ( اﺣﺘﻤﺎل اﻧﺪازه ﮔﯿﺮی ﻋﺪد ‪ ١‬در ﻗﺴﻤﺖ ﭘﺎﺳﺦ ﺑﻪ ﻣﻘﺪار ﯾﮏ ﻣﯿﻞ ﻣﯿﮑﻨﺪ ﯾﺎ ﺧﯿﺮ‪ .‬ﭼﻮن ﻣﯿﺘﻮاﻧﯿﻢ اﻧﺘﺨﺎب‬
‫اﻧﺪﯾﺲ ‪ j‬را ﺑﻪ ﺻﻮرت ﯾﮑﻨﻮاﺧﺖ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ‪ ،‬ﻣﻘﺪار اﺣﺘﻤﺎل زﯾﺮ ﻣﻮرد ﻧﯿﺎز ﻣﺎ اﺳﺖ ‪:‬‬

‫∑‬
‫‪r‬‬
‫‪١‬‬
‫= )‪P r(١‬‬ ‫) ‪P r(١|Wj‬‬
‫‪j=١‬‬
‫‪r‬‬

‫ﮐﻪ اﯾﻦ اﺣﺘﻤﺎل ﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ اﺳﺖ ‪:‬‬

‫] †‪P r(١|Wj ) = T r[(I ⊗ |١⟩ ⟨١|)Wj (|η⟩ ⟨η| ⊗ |٠⟩ ⟨٠|)Wj‬‬

‫)⟩‪= (⟨η| ⊗ ⟨٠|)Wj† (I ⊗ |١⟩ ⟨١|)Wj (|η⟩ ⊗ |٠‬‬


‫∑‬
‫= ⟩‪|η‬‬ ‫‪s‬‬ ‫ﺣﺎل ﮐﺎﻓﯽ اﺳﺖ ﮐﻪ ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ را ﺑﺮ ﺣﺴﺐ وﯾﮋه ﺑﺮدارﻫﺎی ‪ Hj‬ﺑﺴﻂ دﻫﯿﻢ‪αs |λs ⟩ ،‬‬
‫ﻫﻤﭽﻨﯿﻦ ﻋﻤﻠﮕﺮ ﺗﺼﻮﯾﺮ |‪ |١⟩ ⟨١‬را ﻫﻢ روی ﻗﺴﻤﺖ ﭘﺎﺳﺦ اﻋﻤﺎل ﮐﻨﯿﻢ ‪:‬‬
‫∑‬
‫( ‪(I ⊗ ⟨١|)Wj (|η⟩ ⊗ |٠⟩ = (I ⊗ ⟨١|)Wj‬‬ ‫)⟩‪αs |λs ⟩ ⊗ |٠‬‬
‫‪s‬‬
‫∑‬ ‫√‬ ‫√‬ ‫√ ∑‬
‫[)|‪= (I ⊗ ⟨١‬‬ ‫( ⊗ ⟩ ‪αs |λs‬‬ ‫= ])⟩‪λs |٠⟩ + ١ − λs |١‬‬ ‫⟩ ‪αs ١ − λs |λs‬‬
‫‪s‬‬ ‫‪s‬‬

‫ﻣﯿﺪاﻧﯿﻢ اﺣﺘﻤﺎل ﻣﻮرد ﻧﻈﺮ ﺣﺎﺻﻞ ﺿﺮب داﺧﻠﯽ اﯾﻦ ﺑﺮدار در ﺧﻮدش اﺳﺖ ‪:‬‬

‫∑‬‫‪r‬‬
‫√∗ ∑ ‪١‬‬ ‫√ ∑‬
‫= )‪P r(١‬‬ ‫(‬ ‫()| ‪αt ١ − λt ⟨λt‬‬ ‫)⟩ ‪αs ١ − λs |λs‬‬
‫‪j=١‬‬
‫‪r t‬‬ ‫‪s‬‬

‫∑‬
‫‪r‬‬
‫∑‪١‬‬ ‫∑‬
‫‪r‬‬
‫‪١‬‬ ‫‪١‬‬
‫‪٢‬‬
‫=‬ ‫= | ‪(١ − λs )|αs‬‬ ‫‪(١ − ⟨η| Hj |η⟩) = ١ −‬‬ ‫⟩‪⟨η| H |η‬‬
‫‪j=١‬‬
‫‪r‬‬ ‫‪s‬‬ ‫‪j=١‬‬
‫‪r‬‬ ‫‪r‬‬

‫ﺣﺎل ﻣﺸﺎﻫﺪه ﻣﯿﺸﻮد ﮐﻪ اﮔﺮ ﺟﻮاب ﻣﺴﺌﻠﻪ ﺑﻠﯽ ﺑﺎﺷﺪ ) ‪ λ ≤ a‬وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ( آﻧﮕﺎه ﻣﯿﺘﻮان ﺑﺎ اﻧﺘﺨﺎب‬
‫ﯾﮏ وﯾﮋه ﺑﺮدار ﮐﻪ وﯾﮋه ﻣﻘﺪارش از ‪ a‬ﮐﻮﭼﮑﺘﺮ اﺳﺖ‪ ،‬اﺣﺘﻤﺎل ﯾﺎﻓﺘﻦ ﻋﺪد ﯾﮏ را از ﭘﺎﯾﯿﻦ ﻣﺤﺪود ﮐﺮد ‪:‬‬

‫‪λ‬‬ ‫‪a‬‬
‫‪P r(١) = ١ −‬‬ ‫‪≥١−‬‬
‫‪r‬‬ ‫‪r‬‬

‫و از ﻃﺮﻓﯽ اﮔﻪ ﺟﻮاب ﻣﺴﺌﻠﻪ ﺧﯿﺮ ﺑﺎﺷﺪ ) ﻫﻤﯿﺸﻪ ‪ ( λ ≥ b‬آﻧﮕﺎه اﯾﻦ اﺣﺘﻤﺎل اﯾﻨﮕﻮﻧﻪ از ﺑﺎﻻ ﻣﺤﺪود ﻣﯿﺸﻮد ‪:‬‬

‫‪b‬‬
‫‪P r(١) ≤ ١ −‬‬
‫‪r‬‬
‫‪١٣‬‬
‫ﻣﯿﺪاﻧﯿﻢ ‪ a‬و ‪ b‬در ﻣﺮﺗﺒﻪ ی ‪ ١‬ﺑﺎﻫﻢ اﺧﺘﻼف دارﻧﺪ و ﻫﻤﭽﻨﯿﻦ ‪ r‬از ﻣﺮﺗﺒﻪ ی ﭼﻨﺪ ﺟﻤﻠﻪ ای از ﺳﺎﯾﺰ ﺳﯿﺴﺘﻢ‬
‫اﺳﺖ‪ .‬ﭘﺲ اﯾﻦ دو اﺣﺘﻤﺎل در ﻣﺮﺗﺒﻪ ی ﻣﻌﮑﻮس ﭼﻨﺪ ﺟﻤﻠﻪ ای ﺑﺎﻫﻢ اﺧﺘﻼف دارﻧﺪ‪ .‬اﮔﺮ در ﻣﺮﺗﺒﻪ ی ﻣﻌﮑﻮس‬
‫ﻧﻤﺎﯾﯽ ﺑﺎﻫﻢ اﺧﺘﻼف داﺷﺘﻨﺪ ﻧﻤﯿﺸﺪ ﮐﺎری ﮐﺮد وﻟﯽ در ﺣﺎل ﺣﺎﺿﺮ ﻣﯿﺘﻮان ﺑﺎ روش ﻫﺎﯾﯽ ﻣﺎﻧﻨﺪ ﺗﮑﺮار در ﻣﺮﺗﺒﻪ‬
‫ی ﭼﻨﺪﺟﻤﻠﻪ ای‪ ،‬اﯾﻦ اﺧﺘﻼف را واﺿﺢ ﺗﺮ ﮐﺮد‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺮﯾﻒ ﮐﻼس ‪ ، QMA‬ﺑﻪ اﯾﻦ ﻧﺘﯿﺠﻪ ﻣﯿﺮﺳﯿﻢ‬
‫ﮐﻪ ‪:‬‬
‫‪LH ∈ QM A‬‬

‫ﻗﻀﯿﻪ ‪ :‬ﻫﻤﯿﻠﺘﻮﻧﯽ ‪-۵‬ﻣﻮﺿﻌﯽ ﺑﺮای ‪ QMA‬ﮐﺎﻣﻞ اﺳﺖ‪.‬‬


‫اﺛﺒﺎت ‪ :‬ﺑﺮای اﯾﻦ اﺛﺒﺎت ﯾﮏ ﻣﺴﺌﻠﻪ دﻟﺨﻮاه ‪ P‬ﮐﻪ ﺑﻪ دﺳﺘﻪ ی ‪ QMA‬ﺗﻌﻠﻖ دارد را ﺑﻪ ﻣﺴﺌﻠﻪ ی ﻫﺎﻣﯿﻠﺘﻮﻧﯽ‬
‫‪-۵‬ﻣﻮﺿﻌﯽ ﮐﺎﻫﺶ ﻣﯿﺪﻫﯿﻢ‪ .‬ﻓﺮض ﮐﻨﯿﺪ ‪ V = VL VL−١ ...V١‬ﻣﺪار ﺗﺎﯾﯿﺪ ﻣﺎ ﺑﺎﺷﺪ‪ .‬ﻫﻤﭽﻨﯿﻦ ﻫﻤﯿﺸﻪ ﻣﯿﺘﻮان‬
‫ﻓﺮض ﮐﺮد ﮐﻪ اﯾﻦ ﯾﮑﺎﻧﯽ ﻫﺎ روی ﯾﮏ ﺟﻔﺖ ﮐﯿﻮﺑﯿﺖ ﮐﺎر ﻣﯿﮑﻨﻨﺪ‪.‬‬
‫ﺣﺎل ﻫﺪف ﻣﺎ اﯾﻦ اﺳﺖ ﮐﻪ ﯾﮏ ﻫﻤﯿﻠﺘﻮﻧﯽ ‪-۵‬ﻣﻮﺿﻌﯽ ‪ H‬ﺗﻌﺮﯾﻒ ﮐﻨﯿﻢ ﺑﻪ ﻃﻮری ﮐﻪ ﯾﮏ وﯾﮋه ﻣﻘﺪار ﮐﻮﭼﮏ‬
‫داﺷﺘﻪ ﺑﺎﺷﺪ اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ﯾﮏ اﺛﺒﺎت ⟩‪ |ψ‬وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﮐﻪ ﺗﻮﺳﻂ ﻣﺪار ‪ V‬ﺑﺎ اﺣﺘﻤﺎل زﯾﺎد ﭘﺬﯾﺮﻓﺘﻪ ﺷﻮد‪.‬‬
‫اﯾﺪه ی اﯾﻦ اﺛﺒﺎت اﯾﻨﮕﻮﻧﻪ اﺳﺖ ﮐﻪ ﻣﯿﺨﻮاﻫﯿﻢ ﻫﻤﯿﻠﺘﻮﻧﯽ را ﻃﻮری ﻃﺮاﺣﯽ ﮐﻨﯿﻢ ﺗﺎ ﻋﻤﻞ ﮐﻤﯿﻨﻪ ﮐﺮدن اﻧﺮژی‬
‫ﻋﻤﻞ ‪ V‬را ﺷﺒﯿﻪ ﺳﺎزی ﮐﻨﺪ‪.‬‬
‫ﻫﻤﯿﻠﺘﻮﻧﯽ ‪ H‬را روی ﻓﻀﺎی ‪ B⊗N ⊗ CL+١‬ﺗﻌﺮﯾﻒ ﻣﯿﮑﻨﯿﻢ‪ .‬ﻗﺴﻤﺖ اول ﻣﺮﺑﻮط ﺑﻪ ‪ N‬ﮐﯿﻮﺑﯿﺖ ورودی ﻣﺪار‬
‫اﺳﺖ‪ ،‬و ﻗﺴﻤﺖ دوم را ﺑﻪ ﻋﻨﻮان ﯾﮏ ﺷﻤﺎرﺷﮕﺮ ﺑﻪ ﮐﺎر ﻣﯿﺒﺮﯾﻢ‪ .‬ﺑﻪ اﯾﻦ ﺻﻮرت ﮐﻪ اﯾﻦ ﺷﻤﺎرﺷﮕﺮ ﻧﺸﺎن ﻣﯿﺪﻫﺪ‬
‫ﮐﺪام ﯾﮑﯽ از ‪ Vi‬ﻫﺎ در ﺣﺎل اﺟﺮاﺳﺖ‪ .‬ﻫﻤﯿﻠﺘﻮﻧﯽ ﻣﻮرد ﻧﻈﺮ ﺷﺎﻣﻞ ﺳﻪ ﺑﺨﺶ ﺧﻮاﻫﺪ ﺑﻮد ﮐﻪ ﺟﻠﻮﺗﺮ ﺑﻪ ﺗﻔﺴﯿﺮ‬
‫آن ﻫﺎ ﻣﯿﭙﺮدازﯾﻢ ‪:‬‬
‫‪H = Hin + Hprop + Hout‬‬

‫ﻫﺮ ﮐﺪام از ﻫﻤﯿﻠﺘﻮﻧﯽ ﻫﺎی ﺑﺎﻻ را ﺑﻪ ﻃﻮر ﺻﺮﯾﺢ ﻣﯿﻨﻮﯾﺴﯿﻢ‪:‬‬

‫‪Hin := Ip ⊗ |٠⟩ ⟨٠|c‬‬

‫‪Hout := (|٠⟩ ⟨٠| ⊗ I(C٢ )⊗(N −١) )p ⊗ |L⟩ ⟨L|c‬‬


‫∑‬
‫‪L‬‬
‫=‪Hprop :‬‬ ‫‪Hj‬‬
‫‪j=١‬‬

‫‪١۴‬‬
‫‪١‬‬ ‫‪١‬‬
‫‪Hj = − Vj ⊗ |j⟩ ⟨j − ١|c − Vj† ⊗ |j − ١⟩ ⟨j|c‬‬
‫‪٢‬‬ ‫‪٢‬‬
‫‪١‬‬
‫‪+ Ip ⊗ (|j⟩ ⟨j| + |j − ١⟩ ⟨j − ١|)c‬‬
‫‪٢‬‬
‫ﮐﻪ ﺑﻪ ‪ p‬و ‪ c‬ﺑﻪ ﺗﺮﺗﯿﺐ ﻧﻤﺎد ﮔﻮاه )ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ( و ﺳﺎﻋﺖ )ﺣﺎﻟﺖ ﺷﻤﺎرﺷﮕﺮ( ﻫﺴﺘﻨﺪ‪.‬‬
‫اﮐﻨﻮن اﮔﺮ ﺣﺎﻟﺖ ﮐﻮاﻧﺘﻮﻣﯽ ای ﮐﻪ اﻧﺮژی اش در ﻫﻤﯿﻠﺘﻮﻧﯽ ﺑﺎﻻ ﮐﻤﯿﻨﻪ ﻣﯿﺸﻮد را ⟩‪ |η‬ﺑﮕﯿﺮﯾﻢ‪ ،‬ﻣﯿﺨﻮاﻫﯿﻢ اﯾﻦ‬
‫ﮐﻤﯿﻨﻪ ﺑﻮدن رخ دﻫﺪ اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ⟩‪ |ξ‬ﯾﮏ ﺣﺎﻟﺖ ﮐﻮاﻧﺘﻮﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﻣﺪار ‪ V‬آن را ﺑﺎ اﺣﺘﻤﺎل ﺑﺎﻻ ﺑﭙﺬﯾﺮد‪.‬‬
‫ﻧﺸﺎن ﺧﻮاﻫﯿﻢ داد اﯾﻦ دو ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﻪ ﻫﻢ ﻣﺮﺑﻮط ﻫﺴﺘﻨﺪ‪:‬‬

‫‪١‬‬ ‫∑‬ ‫‪L‬‬


‫√ = ⟩‪|η‬‬ ‫⟩‪Vj ...V١ |ξ⟩ ⊗ |j‬‬
‫‪L + ١ j=٠‬‬

‫ﺑﺮای آﻧﮑﻪ ﻧﺸﺎن دﻫﯿﻢ اﯾﻦ ﺣﺎﻟﺖ در واﻗﻊ ﺣﺎﻟﺖ ﭘﺎﯾﻪ ی ﻫﻤﯿﻠﺘﻮﻧﯽ اﺳﺖ‪ ،‬ﮐﺎﻓﯽ اﺳﺖ اﺛﺮ ﻫﻤﯿﻠﺘﻮﻧﯽ را روی‬
‫اﯾﻦ ﺣﺎﻟﺖ ﺑﺒﯿﻨﯿﻢ‪ .‬ﺟﻤﻠﻪ ی ‪ Hin‬ﮐﻪ واﺿﺤﺎً ﺻﻔﺮ اﺳﺖ‪ .‬ﺟﻤﻠﻪ ی ‪ Hprop‬ﻧﯿﺰ ﻫﻢ ﺑﻪ ﮔﻮﻧﻪ ای ﻃﺮاﺣﯽ ﺷﺪه‬
‫ﮐﻪ ﺟﻤﻠﻪ ی اول و ﺳﻮم و ﻫﻤﯿﻨﻄﻮر ﺟﻤﻠﻪ ی دوم و ﭼﻬﺎرم ‪ Hj‬ﻫﻢ دﯾﮕﺮ را ﺧﻨﺜﯽ ﻣﯿﮑﻨﻨﺪ‪ .‬ﺟﻤﻠﻪ ی ‪Hout‬‬
‫ﻫﻢ ﺑﻪ اﯾﻦ ﻋﻠﺖ ﺻﻔﺮ اﺳﺖ ﮐﻪ ﻣﺪار ‪ V‬ﺑﺎ اﺣﺘﻤﺎل ﻧﺰدﯾﮏ ﯾﮏ ﺣﺎﻟﺖ ⟩‪ |ξ‬را ﻣﯿﭙﺬﯾﺮد‪) .‬ﮐﯿﻮﺑﯿﺖ ﻧﺨﺴﺖ را‬
‫در ﺣﺎﻟﺖ ⟩‪ |١‬ﻗﺮار ﻣﯿﺪﻫﺪ‪(.‬‬
‫ﺑﺮای اداﻣﻪ ی ﮐﺎر ﯾﮏ ﺗﻐﯿﯿﺮ در ﭘﺎﯾﻪ ﻫﺎ اﻋﻤﺎل ﻣﯿﮑﻨﯿﻢ ‪:‬‬

‫∑‬
‫‪L‬‬
‫= ‪W‬‬ ‫|‪Vj ...V١ ⊗ |j⟩ ⟨j‬‬
‫‪j=٠‬‬

‫ﻣﯿﺘﻮان اﺛﺮ اﯾﻦ ﺗﻐﯿﯿﺮ ﭘﺎﯾﻪ را روی ﺣﺎﻟﺖ ⟩‪ |η‬و ﻫﻤﯿﻨﻄﻮر ﺟﻤﻼت ﻫﻤﯿﻠﺘﻮﻧﯽ ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﺸﺎن داد ‪:‬‬

‫‪١‬‬ ‫∑‬ ‫‪L‬‬


‫‪′‬‬ ‫†‬
‫√ ⊗ ⟩‪|η ⟩ = W |η⟩ = |ξ‬‬ ‫⟩‪|j‬‬
‫‪L + ١ j=٠‬‬

‫‪′‬‬
‫‪Hin‬‬ ‫‪= W † Hin W = Hin‬‬
‫‪′‬‬
‫‪Hout‬‬ ‫) ‪= (V † ⊗ Ic )Hout (V ⊗ Ic‬‬
‫‪١‬‬
‫‪Hj′ = Ip ⊗ (|j − ١⟩ ⟨j − ١| − |j − ١⟩ ⟨j| − |j⟩ ⟨j − ١| + |j⟩ ⟨j|)c‬‬
‫‪٢‬‬
‫‪ ١‬‬ ‫‪١‬‬
‫‪‬‬
‫‪٢‬‬
‫‪−‬‬ ‫‪٢‬‬
‫‪٠‬‬ ‫‪٠‬‬ ‫‪...‬‬
‫‪− ١ ١ − ١ ٠ ...‬‬
‫‪′‬‬ ‫‪‬‬
‫‪Hprop = Ip ⊗ ‬‬ ‫‪٢‬‬ ‫‪٢‬‬ ‫‪ := Ip ⊗ Ec‬‬
‫‪٠ − ٢١ ١ − ١٢ ...‬‬
‫‪... ... ... ... ...‬‬

‫‪١۵‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺮﯾﻒ ﻫﻤﯿﻠﺘﻮﻧﯽ‪ ،‬ﻣﯿﺘﻮان ﻧﺸﺎن داد اﮔﺮ ﻣﺪار ‪ V‬ﺣﺎﻟﺖ ﮐﻮاﻧﺘﻮﻣﯽ ﻣﻮرد ﺗﺎﯾﯿﺪ ⟩‪ |ξ‬را ﺑﺎ اﺣﺘﻤﺎل‬
‫ﺣﺪاﻗﻞ ‪ ١ − ϵ‬ﺑﭙﺬﯾﺮد‪ ،‬آﻧﮕﺎه ﭼﺸﻢ داﺷﺘﯽ ﻫﻤﯿﻠﺘﻮﻧﯽ روی ﺣﺎﻟﺖ ⟩‪ |η‬از ﺑﺎﻻ ﻣﺤﺪود ﻣﯿﺸﻮد ‪:‬‬
‫‪١‬‬
‫≤ ⟩‪⟨η| H |η‬‬ ‫‪ϵ‬‬
‫‪L+١‬‬
‫ﭘﺲ ﻫﺮﮔﺎه ﺣﺎﻟﺖ ﻣﺎ ﻣﻮرد ﺗﺎﯾﯿﺪ ﺑﺎﺷﺪ‪ ،‬ﻫﻤﯿﻠﺘﻮﻧﯽ ﯾﮏ وﯾﮋه اﻧﺮژی ﮐﻮﭼﮏ ﺧﻮاﻫﺪ داﺷﺖ‪.‬‬
‫اﮐﻨﻮن ﺑﻪ دﻧﺒﺎل اﺛﺒﺎت ﺑﺮﻋﮑﺲ ﻗﻀﯿﻪ ﻣﯿﺮوﯾﻢ‪ ،‬ﯾﻌﻨﯽ اﮔﺮ ﻣﺪار ﺣﺎﻟﺖ ⟩‪ |ξ‬را ﺗﺎﯾﯿﺪ ﻧﮑﺮد‪ ،‬آﻧﮕﺎه ﻫﻤﯿﻠﺘﻮﻧﯽ ﻫﻢ‬
‫وﯾﮋه ﻣﻘﺪاری ﺑﺎ اﻧﺮژی ﭘﺎﯾﯿﻦ ﻧﺨﻮاﻫﺪ داﺷﺖ‪.‬‬
‫ﻓﺮض ﮐﻨﯿﻢ ﻣﺪار ‪ V‬ﺣﺎﻟﺖ ⟩‪ |ξ‬ﺑﺎ اﺣﺘﻤﺎﻟﯽ ﺑﯿﺸﺘﺮ از ‪ ϵ‬ﻧﻤﯿﭙﺬﯾﺮد‪ ،‬آﻧﮕﺎه ﻣﯿﺨﻮاﻫﯿﻢ ﺛﺎﺑﺖ ﮐﻨﯿﻢ ‪:‬‬
‫√‬
‫‪١− ϵ‬‬
‫≥ ⟩‪⟨η| H |η‬‬
‫‪L٣‬‬
‫ﺑﺮای اﯾﻦ ﻣﻨﻈﻮر اﺑﺘﺪا ‪ H‬را ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﯿﻨﻮﯾﺴﯿﻢ ‪:‬‬

‫‪H = A١ + A٢ , A١ := Hin + Hout , A٢ := Hprop‬‬

‫ﺑﻪ ﺧﺎﻃﺮ اﯾﻨﮑﻪ ‪ A١‬و ‪ A٢‬ﺑﺎﻫﻢ ﺟﺎﺑﻪ ﺟﺎ ﻧﻤﯿﺸﻮﻧﺪ‪ ،‬ﻧﻤﯿﺘﻮان ﺟﺪاﮔﺎﻧﻪ ﮐﻤﺘﺮﯾﻦ وﯾﮋه ﻣﻘﺪارﺷﺎن را ﺣﺴﺎب ﮐﺮد و‬
‫ﺟﻤﻊ آن ﻫﺎ ﺑﻪ ﻋﻨﻮان ﮐﻤﺘﺮﯾﻦ وﯾﮋه ﻣﻘﺪار ﻫﻤﯿﻠﺘﻮﻧﯽ ﺑﻬﺮه ﺑﺮد‪ .‬ﭘﺲ از ﻟﻢ ﭘﺎﯾﯿﻦ اﺳﺘﻔﺎده ﻣﯿﮑﻨﯿﻢ ‪:‬‬
‫ﻟﻢ ‪ :‬اﮔﺮ داﺷﺘﻪ ﺑﺎﺷﯿﻢ ‪ A١ , A٢ ≥ ٠‬ﺑﻪ ﮔﻮﻧﻪ ای ﮐﻪ ﮐﻤﯿﻨﻪ وﯾﮋه ﻣﻘﺎدﯾﺮ ﻧﺎﺻﻔﺮ اﯾﻦ دو ﻋﻤﻠﮕﺮ از ﻋﺪد ‪ν‬‬
‫ﺑﺰرﮔﺘﺮ ﺑﺎﺷﻨﺪ‪ ،‬و ﻫﻤﯿﻨﻄﻮر ﻓﻀﺎی ﮐﺮﻧﻞ اﯾﻦ دو ﻋﻤﻠﮕﺮ ‪ Γ١‬و ‪ Γ٢‬ﺑﺎﻫﻢ اﺷﺘﺮاﮐﯽ ﺑﻪ ﺟﺰ ﺑﺮدار ﺻﻔﺮ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﻨﺪ‪،‬‬
‫آﻧﮕﺎه ‪:‬‬
‫‪A١ + A٢ ≥ ٢ν sin٢ (α(Γ١ , Γ٢ )/٢)I‬‬

‫ﮐﻪ اﯾﻦ زاوﯾﻪ ﺑﯿﻦ دو ﻓﻀﺎ ﺑﻪ ﺻﻮرت ﺑﯿﺸﯿﻨﻪ ﮔﯿﺮی روی زاوﯾﻪ ﺑﯿﻦ ﺗﻤﺎم ﺑﺮدار ﻫﺎﯾﯽ ﮐﻪ ﯾﮑﯽ ﻋﻀﻮ ﻓﻀﺎی‬
‫ﻧﺨﺴﺖ و دوﻣﯽ ﻣﺘﻌﻠﻖ ﺑﻪ ﻓﻀﺎی دوم اﺳﺖ‪ ،‬ﺗﻌﺮﯾﻒ ﻣﯿﺸﻮد‪.‬‬
‫اﮐﻨﻮن ﺑﻪ ﺳﺮاغ ﯾﺎﻓﺘﻦ ﻣﻘﺪار ‪ ν‬ﺳﭙﺲ ﭘﯿﺪا ﮐﺮدن زاوﯾﻪ ی ﺑﯿﻦ دو ﻓﻀﺎی ﮐﺮﻧﻞ ﻣﯿﺮوﯾﻢ‪.‬‬
‫ﺑﺮای ﯾﺎﻓﺘﻦ ﮐﻤﯿﻨﻪ وﯾﮋه ﻣﻘﺪار ‪ A١‬ﮐﺎر ﺳﺎده اﺳﺖ ﭼﻮن ﺟﻤﻼت آن ﺑﺎﻫﻢ ﺟﺎﺑﻪ ﺟﺎ ﻣﯿﺸﻮﻧﺪ و ﻣﯿﺘﻮان آن را ﺑﻪ‬
‫ﻋﻨﻮان ﺟﻤﻊ ﯾﮏ ﺳﺮی ﻋﻤﻠﮕﺮ ﺗﺼﻮﯾﺮ ﻧﻮﺷﺖ‪ .‬ﭘﺲ ﻣﯿﺘﻮان ﻣﺸﺎﻫﺪه ﮐﺮد ﮐﻪ ﮐﻤﯿﻨﻪ وﯾﮋه ﻣﻘﺪارش ﺑﺮاﺑﺮ ﺑﺎ ‪١‬‬
‫ﻣﯿﺸﻮد‪.‬‬
‫ﺑﺮای ﻋﻤﻠﮕﺮ دوم ﯾﻌﻨﯽ ‪ A٢‬ﺑﻪ ﻋﻠﺖ ﺗﻘﺎرن ﻣﺎﺗﺮﯾﺲ ‪ Ec‬ﻣﺤﺎﺳﺒﻪ ی وﯾﮋه ﻣﻘﺎدﯾﺮ ﺧﺘﻢ ﻣﯿﺸﻮد ﺑﻪ اﯾﻦ ﻋﺒﺎرت ‪:‬‬
‫(‬ ‫)‬
‫‪πk‬‬
‫‪λk = ١ − cos‬‬
‫‪L+١‬‬

‫‪١۶‬‬
‫ﭘﺲ ﮐﻤﯿﻨﻪ وﯾﮋه ﻣﻘﺪار آن ﺑﻪ ﺻﻮرت زﯾﺮ از ﭘﺎﯾﯿﻦ ﻣﺤﺪود ﻣﯿﺸﻮد ‪:‬‬
‫(‬ ‫)‬
‫‪π‬‬
‫‪١ − cos‬‬ ‫‪≥ c/L٢‬‬
‫‪L+١‬‬

‫ﺣﺎل ﻓﻀﺎﻫﺎی ﮐﺮﻧﻞ را ﻣﺸﺨﺺ ﻣﯿﮑﻨﯿﻢ ‪:‬‬

‫⊕] ‪Γ١ = [((C٢ )⊗N )p ⊗ |٠⟩c ] ⊕ [((C٢ )⊗N )p ⊗ {|١⟩ , ... |L − ١⟩}c‬‬

‫] ‪[V † (|١⟩ ⊗ (C٢ )⊗N −١ )p ⊗ |L⟩c‬‬

‫‪١‬‬ ‫∑‬ ‫‪L‬‬


‫‪٢ ⊗N‬‬
‫) ‪Γ٢ = ((C‬‬ ‫√ ⊗ ‪)p‬‬ ‫⟩‪|j‬‬
‫‪L + ١ j=٠ c‬‬
‫ﺑﺎ اﻧﺠﺎم ﺿﺮب داﺧﻠﯽ ﺑﯿﻦ ﺑﺮدارﻫﺎی دو ﻓﻀﺎ و ﺑﯿﺸﯿﻨﻪ ﮔﯿﺮی‪ ،‬ﺑﻪ دﺳﺖ ﻣﯿﺎورﯾﻢ ‪:‬‬
‫√‬
‫‪٢‬‬ ‫‪١− ϵ‬‬
‫= ‪sin α‬‬
‫‪L+١‬‬
‫√‬
‫ﭘﺲ ﮐﻤﯿﻨﻪ وﯾﮋه ﻣﻘﺪار ‪ H‬ﺑﻪ ﺻﻮرت ) ‪ Ω( ١−L٣ ϵ‬ﺑﻪ دﺳﺖ ﻣﯿﺎﯾﺪ‪.‬‬
‫اﮐﻨﻮن ﻫﻤﯿﻠﺘﻮﻧﯽ ﻣﻮرد ﻧﻈﺮ را ﺳﺎﺧﺘﻪ اﯾﻢ‪ ،‬اﻣﺎ ﺑﺮای آﻧﮑﻪ ‪ ۵‬ﻣﻮﺿﻌﯽ ﺑﺎﺷﺪ‪ ،‬ﺑﺎﯾﺪ ﺷﻤﺎرﺷﮕﺮ را ﻃﻮر دﯾﮕﺮی ﻗﺮار‬
‫دﻫﯿﻢ‪ .‬اﮔﺮ ﺑﺨﻮاﻫﯿﻢ ﺷﻤﺎرﺷﮕﺮ را ﺑﻪ ﺻﻮرت ﮐﯿﻮﺑﯿﺖ ﺑﻨﻮﯾﺴﯿﻢ‪ ،‬آﻧﮕﺎه ﻫﻤﯿﻠﺘﻮﻧﯽ ﻣﺎ ‪ ۵‬ﻣﻮﺿﻌﯽ ﻧﺨﻮاﻫﺪ ﺑﻮد‪،‬‬
‫ﺑﻠﮑﻪ )‪ O(logL‬ﻣﻮﺿﻌﯽ ﺧﻮاﻫﺪ ﺑﻮد‪ .‬ﭘﺲ ﺑﻪ ﺟﺎی اﺳﺘﻔﺎده از ﻓﻀﺎی ‪ CL+١‬از ﻓﻀﺎی ‪ B⊗L‬ﺑﻬﺮه ﻣﯿﺒﺮﯾﻢ‪.‬‬
‫ﻃﻮری ﮐﻪ ﺑﻪ ﺟﺎی ﺑﺮدار ⟩‪ |j‬از ‪ L‬ﮐﯿﻮﺑﯿﺖ اﺳﺘﻔﺎده ﻣﯿﮑﻨﯿﻢ و ‪ j‬ﺗﺎی اوﻟﯽ را ‪ ١‬و ﺑﻘﯿﻪ آن ﻫﺎ را ﺻﻔﺮ درﻧﻈﺮ‬
‫ﻣﯿﮕﯿﺮﯾﻢ‪ .‬اﮐﻨﻮن ﺛﺎﺑﺖ ﮐﺮدﯾﻢ ]‪: [١٣‬‬

‫‪۵_LH ∈ QM A_Complete‬‬

‫در اداﻣﻪ ی ﮐﺎر ﻣﯿﺘﻮان ﺑﻪ ﺻﻮرت ﻫﺎی دﯾﮕﺮی از ﻫﻤﯿﻠﺘﻮﻧﯽ ﻫﺎی ﻣﻮﺿﻌﯽ اﺷﺎره ﮐﺮد ﮐﻪ ﺑﺮای ﮐﻼس‬
‫‪ QMA‬ﮐﺎﻣﻞ ﻫﺴﺘﻨﺪ‪ .‬ﺑﺮای ﻣﺜﺎل ‪:‬‬
‫ﻫﻤﯿﻠﺘﻮﻧﯽ را ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯿﮑﻨﯿﻢ ‪:‬‬
‫ﯾﮏ ﻫﻤﯿﻠﺘﻮﻧﯽ ‪ k‬ﻣﻮﺿﻌﯽ ﮐﻪ از ‪ n‬ﮐﻮﯾﺒﯿﺖ ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ‪ .‬ﭼﻨﺎﻧﭽﻪ ﺗﻌﺪاد )‪O(logn‬‬
‫از ﮐﯿﻮﺑﯿﺖ ﻫﺎ را ﺛﺎﺑﺖ ﮐﻨﯿﻢ‪ ،‬ﺑﺎز ﻫﻢ ﻣﺴﺌﻠﻪ ی اﯾﻦ ﻫﻤﯿﻠﺘﻮﻧﯽ ﺑﺮای ﮐﻼس ‪ QMA‬ﮐﺎﻣﻞ ﺧﻮاﻫﺪ ﺑﻮد‪[١۵] .‬‬

‫‪١٧‬‬
‫ﻣﺮاﺟﻊ‬
[1] E. Bernstein, and U. Vazirani, Quantum Complexity Theory, SIAM
Journal on Computing (1997). 8

[2] C.H. Bennett, E. Bernstein, G. Brassard, and U. Vazirani, Strengths


and Weaknesses of Quantum Computing, SIAM Journal on Computing
(1996). 7

[3] D. Deutsch, and R. Jozsa Rapid solutions of problems by quantum com-


putation, Proceedings of the Royal Society of London A. 439 (1992).
6

[4] P.W. Shor, Polynomial-Time Algorithms for Prime Factorization and


Discrete Logarithms on a Quantum Computer, SIAM Journal on Com-
puting (1997). 7

[5] J. Watrous, Quantum Computational Complexity, (2008). 10

[6] L. Babai, Trading group theory for randomness, Proceedings of the


seventeenth annual ACM symposium on Theory of Computing (1985).
10

[7] S. Mertens, Computational Complexity, Quantum Information Lec-


ture Notes: From Foundations to Quantum Technology Applications,
Edited by D. Bruss and G. Leuchs, Volume 1, Section 2 (2006). 1

[8] M.A. Nielsen, and I.L Chuang, Quantum Computation and Quantum
Information, Cambridge University Press (2000). 2, 4

[9] S. Das, T. Chanda, M. Lewenstein, A. Sanpera, A. Sen De, and Ujjwal


Sen, The Separability versus Entanglement Problem, Quantum Infor-
mation Lecture Notes: From Foundations to Quantum Technology

١٨
Applications, Edited by D. Bruss and G. Leuchs, Volume 1, Section 8
(2006). 3

[10] D. Deutsch, Quantum theory, the Church-Turing principle and the uni-
versal quantum computer, Proceedings of the Royal Society of London
A. 400 (1985). 4

[11] M. Freedman, A. Kitaev, M. Larsen, and Z. Wang, Topological Quan-


tum Computation, Bulletin of the American Mathematical Society.
4

[12] E. Farhi, J. Goldstone, S. Gutmann, and M. Sipser, Quantum Com-


putation by Adiabatic Evolution, (2000) 4

[13] A. Kitaev, A. Shen, and M. Vyalyi, Classical and Quantum Compu-


tation, American Mathematical Society (2002). 17

[14] T. J. Osborne, Hamiltonian Complexity, Reports on Progress in


Physics (2012). 11

[15] D. Nagaj, D. Hangleiter, J. Eisert, M. Shwarz, Pinned QMA: The


power of fixing a few qubits in proofs, (2020) 17

١٩

You might also like