‫اﻟ ﻮرﯾﺘﻢ ﮐﻮاﻧﺘﻮﻣ ﺟﺴﺘﺠﻮ‬

‫‐ داﻧﺸ ﺎه ﺻﻨﻌﺘ ﺷﺮﯾﻒ‬ ‫وﺣﯿﺪ ﮐﺮﯾﻤ ﭘﻮر‐ داﻧﺸ ﺪه ﻓﯿﺰﯾ‬

‫‪ ١٠‬ﺧﺮداد ‪١۴٠٢‬‬

‫‪ ١‬ﻣﻘﺪﻣﻪ‬

‫‪ ،‬ﺷﯿﻤ ‪ ،‬زﯾﺴﺖ ﺷﻨﺎﺳ ‪ (...،‬وﺟﻮد دارﻧﺪ ﮐﻪ ﺑﺮای آﻧﻬﺎ راﻫ ﺑﺠﺰ‬ ‫ﺑﺴﯿﺎری از ﻣﺴﺎﯾﻞ در ﺣﻮزه ﻫﺎی رﯾﺎﺿﯿﺎت‪ ،‬ﻋﻠﻮم ﮐﺎﻣﭙﯿﻮﺗﺮ و ﻋﻠﻮم ﻃﺒﯿﻌ )ﻓﯿﺰﯾ‬

‫ﺟﺴﺘﺠﻮ ﻧﺪارﯾﻢ‪ .‬ﺻﻮرت اﯾﻦ ﻣﺴﺎﺋﻞ ﺑﺴﯿﺎر ﺳﺎده وﻟ ﺣﻞ آﻧﻬﺎ ﺑﺴﯿﺎر ﺳﺨﺖ اﺳﺖ‪ .‬اﮔﺮ ﻓﻀﺎی ﻫﯿﺌﺖ ﻫﺎی ﻣﻤ ﻦ ﺑﺮای اﯾﻦ ﻣﺴﺎﯾﻞ را ﺑﺎ ‪ S‬ﻧﺸﺎن دﻫﯿﻢ‬

‫ﺧﺎﺻﯿﺖ ﻣﻌﯿﻦ ﻫﺴﺘﻨﺪ و‬ ‫ﯾﺎ ﭼﻨﺪ ﻫﯿﺌﺖ ﺧﺎص در اﯾﻦ ﻓﻀﺎ وﺟﻮد دارﻧﺪ ﮐﻪ دارای ﯾ‬ ‫ﮐﻪ در آن ﺗﻌﺪاد ﻫﯿﺌﺖ ﻫﺎ را ﺑﺎ ‪ |S| = N‬ﻧﺸﺎن دﻫﯿﻢ‪ ،‬ﯾ‬

‫ﭘﺎﺳ ﻣﺴﺌﻠﻪ ی ﻣﺎ ﻫﺴﺘﻨﺪ‪ .‬ﭼﻨﺪ ﻧﻤﻮﻧﻪ از اﯾﻦ ﻣﺴﺎﯾﻞ اﯾﻨﻬﺎ ﻫﺴﺘﻨﺪ‪:‬‬

‫ﻫﺎﻣﯿﻠﺘﻮﻧ ﺑﺲ ذره ای ﻧﻤﻮﻧﻪ ای از اﯾﻦ ﻣﺴﺎﯾﻞ‬ ‫ﻫﺎﻣﯿﻠﺘﻮﻧ ﺑﺲ ذره ای‪ :‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﭘﯿﺪا ﮐﺮدن ﺣﺎﻟﺖ ﭘﺎﯾﻪ ﯾ‬ ‫‪ n‬ﯾﺎﻓﺘﻦ ﺣﺎﻟﺖ ﭘﺎﯾﻪ ﯾ‬

‫آﯾﺰﯾﻨﮓ ﺑﺎ ﺑﺮﻫﻢ ﮐﻨﺶ ﻫﺎی ﺗﺼﺎدﻓ در ﻧﻈﺮ ﺑ ﯿﺮﯾﺪ‪:‬‬ ‫ﻫﺎﻣﯿﻠﺘﻮﻧ ﮐﻼﺳﯿ‬ ‫اﺳﺖ‪ .‬ﺑﺮای ﺳﺎدﮔ ﯾ‬

‫∑‬
‫=‪H‬‬ ‫‪Ji,j Si Sj ,‬‬ ‫)‪(١‬‬
‫‪i,j‬‬

‫اﺧﺘﯿﺎر ﻣ ﮐﻨﺪ‪ .‬ﻣ ﺗﻮاﻧﯿﻢ از ﺧﻮد ﺑﭙﺮﺳﯿﻢ ﮐﻪ ﮐﺪام ﻫﯿﺌﺖ از اﺳﭙﯿﻦ ﻫﺎﺳﺖ ﮐﻪ ﻣﻘﺪار اﻧﺮژی‬ ‫و ﻣﻨﻬﺎی ﯾ‬ ‫ﮐﻪ در آن ‪ Si = ±1‬ﻣﻘﺎدﯾﺮ ﯾ‬

‫ﻣﻘﺪار ﻣﻌﯿﻦ ‪ E0‬ﭘﺎﯾﯿﻦ ﺗﺮ ﻣ آورد‪ .‬ﺑﺎ ﺗﮑﺮار اﯾﻦ ﻋﻤﻞ و ﮐﻮﭼ ﺘﺮ ﮐﺮدن ‪ E0‬ﻣ ﺗﻮاﻧﯿﻢ ﺣﺎﻟﺖ ﭘﺎﯾﻪ اﯾﻦ ﻫﺎﻣﯿﻠﺘﻮﻧ را ﭘﯿﺪا ﮐﻨﯿﻢ‪ .‬در‬ ‫را از ﯾ‬

‫ﻫﺎﻣﯿﻠﺘﻮﻧ را ﭘﯿﺪا ﮐﻨﯿﻢ‪.‬‬ ‫اﺳﺖ ﮐﻪ در آﻧﻬﺎ ﻣ ﺧﻮاﻫﯿﻢ ﺣﺎﻟﺖ ﭘﺎﯾﻪ ﯾ‬ ‫واﻗ اﯾﻦ ﻣﺴﺌﻠﻪ ﻧﻤﻮﻧﻪ ای ﮐﻠ از ﮔﺮوه وﺳﯿﻌ از ﻣﺴﺎﯾﻞ ﻓﯿﺰﯾ‬

‫‪١‬‬
‫زﻧﺠﯿﺮه‬ ‫ﭘﺮوﺗﺌﯿﻦ ﻣﺎﮐﺮوﻣﻮﻟ ﻮﻟ اﺳﺖ ﺷﺎﻣﻞ ﺻﺪﻫﺎ و ﻫﺰاران آﻣﯿﻨﻮ اﺳﯿﺪِ ﻣﺨﺘﻠﻒ ﮐﻪ در ﯾ‬ ‫ﭘﺮوﺗﺌﯿﻦ‪ :‬ﯾ‬ ‫‪ n‬ﭘﯿﺪا ﮐﺮدن ﺣﺎﻟﺖ ﺛﺎﻧﻮی ﯾ‬

‫ﺳﺎﺧﺘﺎر ﻓﻀﺎﯾﯽ‬ ‫ﻗﺮار ﮔﺮﻓﺘﻪ اﻧﺪ‪ .‬اﻧﻮاع آﻣﯿﻨﻮ اﺳﯿﺪ ‪ ٢١‬ﺗﺎﺳﺖ‪ .‬ﺑﺴﺘﻪ ﺑﻪ ﻧﺤﻮه ﻗﺮار ﮔﺮﻓﺘﻦ اﯾﻦ آﻣﯿﻨﻮاﺳﯿﺪ ﻫﺎ و اﻧﺮژی ﺑﯿﻦ آﻧﻬﺎ ﭘﺮوﺗﺌﯿﻦ ﻧﻬﺎﯾﺘﺎ ﯾ‬

‫ﭘﯿﺪا ﻣ ﮐﻨﺪ ﮐﻪ ﮐﺎرﮐﺮد آن را در ﺳﻠﻮل ﺗﻌﯿﯿﻦ ﻣ ﮐﻨﺪ‪ .‬اﻏﻠﺐ ﭘﺮوﺗﺌﯿﻦ ﻫﺎ ﻣﺜﻞ ﻗﻔﻞ ﻫﺎ و ﮐﻠﯿﺪﻫﺎی ﻣﺨﺘﻠﻒ ﯾﺎ ﻣﺎﺷﯿﻦ ﻫﺎی ﺳﻠﻮﻟ ﻋﻤﻞ ﻣ‬

‫ﻣﺴﺌﻠﻪ ﻣﻬﻢ ﺑﺮای ﺷﻨﺎﺧﺖ ﮐﺎرﮐﺮد ﭘﺮوﺗﺌﯿﻦ ﻫﺎ و اﺣﺘﻤﺎﻻ ﺳﻨﺘﺰ آﻧﻬﺎ اﯾﻦ اﺳﺖ‬ ‫ﮐﻨﻨﺪ و ﮐﺎرﮐﺮدﺷﺎن دﻗﯿﻘﺎ ﺑﻪ ﺷ ﻞ ﻓﻀﺎﯾﯽ آﻧﻬﺎ واﺑﺴﺘﻪ اﺳﺖ‪ .‬ﯾ‬

‫ﮐﻪ از روی ﺳﺎﺧﺘﺎر اوﻟﯿﻪ )ﯾﻌﻨ ﻧﺤﻮه ﭼﯿﻨﺶ آﻣﯿﻨﻮاﺳﯿﺪﻫﺎ( ﺑﺘﻮاﻧﯿﻢ ﺳﺎﺧﺘﺎر ﻧﻬﺎﯾﯽ آﻧﻬﺎ را ﭘﯿﺪا ﮐﻨﯿﻢ‪ .‬ﺑﺪﯾﻬ اﺳﺖ ﮐﻪ ﺗﻌﺪاد ﺳﺎﺧﺘﺎرﻫﺎی ﻧﻬﺎﯾﯽ‬

‫ﻓﻮق اﻟﻌﺎده زﯾﺎد اﺳﺖ‪ .‬در ﻏﯿﺎب راه ﻫﺎی ﺗﺤﻠﯿﻠ ﺗﻨﻬﺎ راه ﺑﺮای ﯾﺎﻓﺘﻦ ﺳﺎﺧﺘﺎر ﻧﻬﺎﯾﯽ ﺟﺴﺘﺠﻮﺳﺖ‪.‬‬

‫ﻣﺴﺌﻠﻪ ﻣﻬﻢ در ﻋﻠﻮم ﮐﺎﻣﭙﯿﻮﺗﺮ و ﻃﺒﯿﻌﺘﺎ در رﯾﺎﺿﯿﺎت اﺳﺖ‪ .‬ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ = ‪A‬‬ ‫اﯾﻦ ﻣﺴﺌﻠﻪ ﯾ‬ ‫‪ n‬ﻣﺴﺌﻠﻪ ﺗﺼﺪﯾﻖ ﻋﺒﺎرت ﻫﺎی ﻣﻨﻄﻘ‬

‫ﻋﺒﺎرت ‪ k ِ ١‬ﺗﺎﯾﯽ‪ ،‬ﻋﺒﺎرﺗ‬ ‫} ‪ {x1 , x2 , · · · xn‬ﻣﺘﻐﯿﺮﻫﺎی ﻣﻨﻄﻘ ﻫﺴﺘﻨﺪ ﮐﻪ ﻣ ﺗﻮاﻧﻨﺪ ﻣﻘﺎدﯾﺮ درﺳﺖ ‪ 1‬ﯾﺎ ﻧﺎدرﺳﺖ ‪ 0‬را اﺧﺘﯿﺎر ﮐﻨﻨﺪ‪ .‬ﯾ‬

‫اﺳﺖ ﻣﺜﻞ‬

‫‪x i1 ∨ x i2 ∨ x i3 ∨ · · · ∨ x iK ,‬‬ ‫)‪(٢‬‬

‫‪4 − Clause‬‬ ‫از ﻣﺘﻐﯿﺮﻫﺎی } ‪ .A = {x1 , x2 , · · · xn‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﯾ‬ ‫از ﻣﺘﻐﯿﺮﻫﺎی ‪ A‬ﺳﺖ ﯾﺎ ﯾ‬ ‫ﮐﻪ درآن ﻫﺮﮐﺪام از ‪ xi‬ﻫﺎ ﯾﺎ ﯾ‬

‫ﺟﻤﻠﻪ ﺷﺎﻣﻞ ﺗﻌﺪادی ﻋﺒﺎرت ﻫﻢ اﻧﺪازه در ﻧﻈﺮ ﻣ ﮔﯿﺮﯾﻢ ﻣﺜﻞ‬ ‫ﻋﺒﺎرﺗ اﺳﺖ ﻣﺜﻞ ‪ .x1 ∨ x3 ∨ x5 ∨ x6‬ﺣﺎل ﯾ‬

‫‪S = C1 ∧ C2 ∧ C3 ∧ · · · ∧ Cp .‬‬ ‫)‪(٣‬‬

‫اﻧﺘﺨﺎب از ﻣﺘﻐﯿﺮﻫﺎی ‪ A‬وﺟﻮد دارد ﮐﻪ ﺑﻪ ازای آﻧﻬﺎ ﻋﺒﺎرتِ ‪ S‬ﻣﻘﺪار ِ ‪ ١‬را اﺧﺘﯿﺎر ﮐﻨﺪ ﯾﻌﻨ ﻋﺒﺎرت ‪ S‬ارزش‬ ‫ﺳﻮال اﯾﻦ اﺳﺖ ﮐﻪ آﯾﺎ ﯾ‬

‫ﻣﻨﻄﻘ درﺳﺖ داﺷﺘﻪ ﺑﺎﺷﺪ ﯾﺎ ﺧﯿﺮ؟ ﻻزﻣﻪ اﯾﻦ ﮐﺎر آن اﺳﺖ ﮐﻪ ﻋﺒﺎرت ﻫﺎی ‪ C1‬ﺗﺎ ‪ Cp‬ﻫﻤﻪ ﻣﻘﺎدﯾﺮ ‪ ١‬را اﺧﺘﯿﺎر ﮐﻨﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ‪ ،‬اﯾﻦ ﻣﺴﺌﻠﻪ را‬

‫ﻣﺴﺌﻠﻪی ‪ p‬ﻣﻌﺎدﻟﻪ و ‪ n‬ﻣﺠﻬﻮﻟ از ﻣﺘﻐﯿﺮﻫﺎی ﻣﻨﻄﻘ ﻧﺎﻣﯿﺪ‪ ،‬ﺑﻪ اﯾﻦ ﻣﻌﻨﺎ ﮐﻪ‬ ‫ﮐﻪ اﺻﻄﻼﺣﺎً ﻣﺴﺌﻠﻪ ‪ ٢ K − Sat‬ﻣ ﻧﺎﻣﻨﺪ‪ ،‬ﻣ ﺗﻮان ﺑﻪ ﻋﻨﻮان ﯾ‬

‫ﻣ ﺧﻮاﻫﯿﻢ ﺑﺒﯿﻨﯿﻢ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﻣﻨﻄﻘ زﯾﺮ ﺟﻮاب دارﻧﺪ ﯾﺎ ﻧﻪ‪:‬‬

‫‪C1‬‬ ‫=‬ ‫‪1‬‬

‫‪C2‬‬ ‫=‬ ‫‪1‬‬

‫···‬

‫‪Cp‬‬ ‫=‬ ‫‪1.‬‬ ‫)‪(۴‬‬

‫‪Clause١‬‬
‫‪K-Satisfiability٢‬‬

‫‪٢‬‬
‫ﺑﻌﺪاز آﻧﮑﻪ اﺛﺒﺎت ﮐﺎﻣﻞ ﺑﻮدن ﻣﺴﺌﻠﻪ ﺗﺼﺪﯾﻖ در ﮐﻼس ‪ N P‬ﺗﻮﺳﻂ ﮐﻮک و ﻟﻮﯾﻦ در ﺳﺎل ‪ ،١٩٧٠‬ﺗﻌﺪاد ﺑﺴﯿﺎر زﯾﺎدی از ﻣﺴﺎﺋﻞ ﮐﺎﻣﻞ در‬

‫ﻣﺴﺌﻠﻪ‬ ‫ﻫﻤﯿﻦ ﮐﻼس ﮐﺸﻒ ﺷﺪﻧﺪ‪ .‬ﺗﻌﺪاد اﯾﻦ ﻧﻮع ﻣﺴﺎﺋﻞ آﻧﻘﺪر زﯾﺎد ﺷﺪه اﺳﺖ )ﺣﺪود ‪ ٢٠٠٠‬ﻣﺴﺌﻠﻪ( ﮐﻪ اﻣﺮوزه دﯾ ﺮ اﺛﺒﺎت ﮐﺎﻣﻞ ﺑﻮدن ﯾ‬

‫در ﮐﻼس ‪ N P‬ﻫﯿﺠﺎن ﭼﻨﺪاﻧ اﯾﺠﺎد ﻧﻤ ﮐﻨﺪ‪ .‬ﻧﻤﻮﻧﻪای از اﯾﻦ ﻣﺴﺎﯾﻞ در اداﻣﻪ ﻣ آﯾﺪ‪.‬‬

‫ﻣﺴﺌﻠﻪ ﻣﻬﻢ در ﻋﻠﻮم ﮐﺎﻣﭙﯿﻮﺗﺮ و رﯾﺎﺿﯿﺎت اﺳﺖ‪ .‬دﻻﯾﻞ اﯾﻦ اﻫﻤﯿﺖ را در درﺳﻬﺎی ﺑﻌﺪی‬ ‫‪ n‬ﻣﺴﺌﻠﻪ ﻓﺮوﺷﻨﺪه دوره ﮔﺮد اﯾﻦ ﻣﺴﺌﻠﻪ ﻧﯿﺰ ﯾ‬

‫ﻋﺪد ﻧﺎﻣﻨﻔ ﻧﺴﺒﺖ داده ﺷﺪه‬ ‫ﮔﺮاف ِ وزن دارِ ‪ ،G = (V, E) ٣‬ﻋﺒﺎرت از ﮔﺮاﻓ اﺳﺖ ﮐﻪ ﺑﻪ ﻫﺮﮐﺪام از ﯾﺎل ﻫﺎی آن ﯾ‬ ‫ﺧﻮاﻫﯿﻢ دﯾﺪ‪ .‬ﯾ‬

‫ﻣﻨﻄﻘﻪ و وزن ﻫﺎ را ﻣﺴﺎﻓﺖ ﺑﯿﻦ اﯾﻦ ﺷﻬﺮﻫﺎ ﯾﺎ ﻣﺜﻼ ﺑﻬﺎی ﺳﻔﺮ ﺑﯿﻦ اﯾﻦ ﺷﻬﺮﻫﺎ‬ ‫اﺳﺖ‪ .‬ﻣ ﺗﻮان راس ﻫﺎی اﯾﻦ ﮔﺮاف را ﺑﻪ ﻋﻨﻮان ﺷﻬﺮﻫﺎی ﯾ‬

‫ﺗﻠﻘ ﮐﺮد‪ .‬ﻣﺴﺌﻠﻪ ﻓﺮوﺷﻨﺪه دوره ﮔﺮد ﻋﺒﺎرت اﺳﺖ از ﭘﯿﺪا ﮐﺮدن ارزان ﺗﺮﯾﻦ ﻣﺴﯿﺮ ﺑﺴﺘﻪای ﮐﻪ از ﻫﻤﻪ ﺷﻬﺮﻫﺎی اﯾﻦ ﻣﻨﻄﻘﻪ ﺑ ﺬرد‪ .‬در اﯾﻦ ﻣﺴﺌﻠﻪ‬

‫ﻧﯿﺰ ﺳﺎﯾﺰ ﻣﺴﺌﻠﻪ ﻫﻤﺎن ﺳﺎﯾﺰ ﮔﺮاف اﺳﺖ‪.‬‬

‫ﻣﺴﺌﻠﻪ ﮐﻠ ﺟﺴﺘﺠﻮ ﻃﺒﻘﻪ ﺑﻨﺪی ﮐﺮد و ﻣﺴﺌﻠﻪ ﺟﺴﺘﺠﻮ را ﺑﻪ ﺻﻮرت ﻣﺠﺮد و ﮐﻠ‬ ‫ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﻫﻤﻪ اﯾﻦ ﻣﺴﺎﯾﻞ را ﻣ ﺗﻮان ﺗﺤﺖ ﻋﻨﻮان ﯾ‬

‫زﯾﺮ ﺗﻌﺮﯾﻒ ﮐﺮد‪ .‬ﻣﺠﻤﻮﻋﻪ } ‪ S := {x1 , x2 , · · · xN‬ﺷﺎﻣﻞ ‪ N‬ﺷ اﺳﺖ‪ .‬ﺗﺎﺑﻌ ﻣﺜﻞ }‪ f : S −→ {0, 1‬روی اﯾﻦ ﻣﺠﻤﻮﻋﻪ ﺗﻌﺮﯾﻒ ﺷﺪه‬

‫از ﻋﻨﺎﺻﺮ اﯾﻦ ﻣﺠﻤﻮﻋﻪ ﮐﻪ آن را ﺑﺎ ‪ w‬ﻧﺸﺎن ﻣ دﻫﯿﻢ ﺑﺮاﺑﺮﺑﺎ ﺻﻔﺮ اﺳﺖ و روی دﯾ ﺮ ﻋﻨﺎﺻﺮ ﻣﺠﻤﻮﻋﻪ‬ ‫اﺳﺖ‪ .‬ﻣ داﻧﯿﻢ ﮐﻪﻣﻘﺪار ﺗﺎﺑﻊ ‪ f‬ﺗﻨﻬﺎﯾ‬

‫از آﻧﻬﺎﺳﺖ‪ .‬ﻓﻌﻼ ﺣﺎﻟﺖ ﺳﺎده ای را در ﻧﻈﺮ ﻣ‬ ‫از ‪ xi‬ﻫﺎﺳﺖ وﻟ ﻧﻤ داﻧﯿﻢ ﮐﻪ ﮐﺪام ﯾ‬ ‫‪ S‬ﻣﻘﺪار اﯾﻦ ﺗﺎﺑﻊ ﺑﺮاﺑﺮ ﺑﺎ ﺻﻔﺮ اﺳﺖ‪ w .‬ﯾ‬

‫ﺟﻮاب وﺟﻮد دارد‪ .‬ﺣﺎﻟﺖ ﮐﻠ ﺗﺮ در ﺗﻤﺮﯾﻦ ﻫﺎ آﻣﺪه اﺳﺖ‪ .‬درﻏﯿﺎب ﻫﺮﻧﻮع اﻃﻼﻋﺎت اﺿﺎﻓﻪ ای‪ ،‬ﺗﻨﻬﺎ ﮐﺎری ﮐﻪ ﺑﺎﯾﺪ‬ ‫ﮔﯿﺮﯾﻢ ﮐﻪ ﺗﻨﻬﺎ ﯾ‬

‫ﺷﺪ ﻣ‬ ‫ﺑﻪ ﺗﺎﺑﻊ ﺑﺪﻫﯿﻢ و ﺧﺮوﺟ ﺗﺎﺑﻊ را ﻧﮕﺎه ﮐﻨﯿﻢ ‪ .‬ﻫﺮﮔﺎه ﺧﺮوﺟ ﺗﺎﺑﻊ ‪ f‬ﺑﺮاﺑﺮ ﺑﺎ ﯾ‬ ‫ﺑﻪ ﯾ‬ ‫ﺑ ﻨﯿﻢ آن اﺳﺖ ﮐﻪ ‪ xi‬ﻫﺎی ﻣﺨﺘﻠﻒ را ﯾ‬

‫ﻓﻬﻤﯿﻢ ﮐﻪ ﻋﻨﺼﺮ داده ﺷﺪه ﺑﻪ ﺗﺎﺑﻊ ‪ w‬ﺑﻮده اﺳﺖ‪ .‬ﺑﻄﻮر ﻣﺘﻮﺳﻂ ﻣ ﺑﺎﯾﺴﺖ ﺗﺎﺑﻊ را ) ‪ O( N2‬ﺑﺎر ﺑﺨﻮاﻧﯿﻢ ﺗﺎ ﺑﺘﻮاﻧﯿﻢ ﺑﻪ ‪ w‬دﺳﺘﺮﺳ ﭘﯿﺪاﮐﻨﯿﻢ‪ .‬اﻣﺎ‬
‫√‬
‫ﺑﺎ اﺳﺘﻔﺎده ﻫﻮﺷﻤﻨﺪاﻧﻪ ای از اﺻﻞ ﺑﺮﻫﻢ ﻧﻬ و ﺗﻮازی ﮐﻮاﻧﺘﻮﻣ ﻣ ﺗﻮان اﯾﻦ ﻣﻘﺪار را ﺑﻪ ) ‪ O( N‬ﺗﻘﻠﯿﻞ داد ﮐﻪ ﺑﺮای ‪ N‬ﻫﺎی ﺑﺰرگ ﮐﺎﻫﺶ‬

‫ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪ ای اﺳﺖ‪ .‬ﻣﺴﻠﻢ اﺳﺖ ﮐﻪ ﮐﻼس اﯾﻦ ﻣﺴﺌﻠﻪ ﺑﺎ اﯾﻦ اﺑﺪاع ﺗﻐﯿﯿﺮی ﻧﮑﺮده اﺳﺖ و ﻫﻤﭽﻨﺎن اﯾﻦ ﻣﺴﺌﻠﻪ درﮐﻼس ﻣﺴﺎﺋﻞ ﭼﻨﺪ ﺟﻤﻠﻪ‬

‫آﻟ ﻮرﯾﺘﻢ ﺟﺴﺘﺠﻮ دراﻏﻠﺐ آﻟ ﻮرﯾﺘﻢ ﻫﺎی دﯾ ﺮﺑﺎزی ﻣ ﮐﻨﺪ‪ ،‬اﯾﻦ ﭘﯿﺸﺮﻓﺖ اﻫﻤﯿﺖ زﯾﺎدی دارد‪ .‬دﻗﺖ ﮐﻨﯿﺪ‬ ‫ای اﺳﺖ‪،‬اﻣﺎ ﺑﺪﻟﯿﻞ ﻧﻘﺸ ﮐﻪ ﯾ‬

‫ﮐﻪ در ﻫﻤﻪ اﯾﻦ ﻣﺴﺎﯾﻞ ﻣﺎ ﺗﺎﺑﻊ ‪ f‬را ﺑﺨﻮﺑﯽ ﻣ ﺷﻨﺎﺳﯿﻢ اﻣﺎ ﻧﻤ داﻧﯿﻢ ﮐﻪ ﮐﺪام ﻣﺘﻐﯿﺮ ‪ w‬اﺳﺖ ﮐﻪ اﯾﻦ ﺗﺎﺑﻊ ﺑﻪ ازای آن ﺑﺮاﺑﺮ ﺑﺎ ‪ 1‬اﺳﺖ‪.‬‬

‫از اﯾﻦ دو روش‬ ‫از آﻧﻬﺎ داده ﻣﻄﻠﻮب ﻣﺎﺳﺖ در ﻧﻈﺮ ﺑ ﯿﺮﯾﺪ‪ .‬ﺣﺎل ﺑﻪ ﯾ‬ ‫ﻣﺠﻤﻮﻋﻪ داده ﻧﺎﻣﻨﻈﻢ ﮐﻪ دارای ‪ N‬داده اﺳﺖ و ﯾ‬ ‫‪ n‬ﺗﻤﺮﯾﻦ‪ :‬ﯾ‬

‫ﺷﺮوع ﺑﻪ ﺟﺴﺘﺠﻮی اﯾﻦ ﻣﺠﻤﻮﻋﻪ داده ﻣ ﮐﻨﯿﻢ‪:‬‬

‫ﺑﻪ ﻃﻮر ﻣﻨﻈﻢ ﺟﺴﺘﺠﻮ ﻣ ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ داده ﻣﻄﻠﻮب ﺑﺮﺳﯿﻢ‪ .‬ﻃﺒﯿﻌ اﺳﺖ ﮐﻪ در اﯾﻦ روش ﻫﺮ داده را ﻓﻘﻂ‬ ‫ﯾ‬ ‫روش اول‪ :‬ﻣﺠﻤﻮﻋﻪ داده را ﯾ‬
‫‪Weighted graph٣‬‬

‫‪٣‬‬
 ‫ﺷ ﻞ ‪ :١‬ﻟﻮ ﮔﺮور )‪(‐١٩۶١‬‬

‫ﺑﺎر ﺗﺴﺖ ﻣ ﮐﻨﯿﻢ‪.‬‬ ‫ﯾ‬

‫داده ﻣﻤ ﻦ اﺳﺖ ﺑﯿﺶ از ﯾ‬ ‫روش دوم‪ :‬ﻣﺠﻤﻮﻋﻪ داده ﻫﺎ را ﺑﻪ ﻃﻮر ﺗﺼﺎدﻓ ﺟﺴﺘﺠﻮ ﻣ ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ داده ﻣﻄﻠﻮب ﺑﺮﺳﯿﻢ‪ .‬در اﯾﻦ روش ﯾ‬

‫ﺑﺎر ﺗﺴﺖ ﺷﻮد‪ .‬ﺗﻌﺪاد ﻣﺘﻮﺳﻂ دﻓﻌﺎﺗ را ﮐﻪ ﺑﺎﯾﺪ داده ﻫﺎ را ﺗﺴﺖ ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ ﻧﺘﯿﺠﻪ ﻣﻄﻠﻮب ﺑﺮﺳﯿﻢ در ﻫﺮﮐﺪام از دو روش ﻣﺤﺎﺳﺒﻪ ﮐﻨﯿﺪ‪.‬‬

‫آﻟ ﻮرﯾﺘﻢ ﺟﺴﺘﺠﻮی ﮔﺮوِر‬ ‫‪٢‬‬

‫ﻟﻮ ﮔﺮور داﻧﺸﻤﻨﺪ )‪ (Lov Grover‬ﻋﻠﻮم ﮐﺎﻣﭙﯿﻮﺗﺮ آﻣﺮﯾ ﺎﯾﯽ ﻫﻨﺪی ﺗﺒﺎر اﺳﺖ ﮐﻪ ﺗﺤﺼﯿﻼت ﻟﯿﺴﺎﻧﺲ ﺧﻮد را درﻣﻮﺳﺴﻪ ﻓﻨﺎوری ﻫﻨﺪ و‬

‫ﺗﺤﺼﯿﻼت ﺗﮑﻤﯿﻠ ﺧﻮد را در داﻧﺸ ﺎه اﺳﺘﺎﻧﻔﻮرد ﺗﻤﺎم ﮐﺮده اﺳﺖ و ﺳﭙﺲ ﺑﻪ آزﻣﺎﯾﺸ ﺎه ﺑﻞ و ﭘﺲ از آن ﺑﻪ داﻧﺸ ﺎه ﮐﺮﻧﻞ رﻓﺘﻪ‪ .‬در آزﻣﺎﯾﺸ ﺎه‬

‫ﺑﻞ و در ﺳﺎل ‪ ١٩٩۶‬آﻟ ﻮرﯾﺘﻢ ﺧﻮد را ﺑﺮای ﺟﺴﺘﺠﻮی ﮐﻮاﻧﺘﻮﻣ اراﺋﻪ ﮐﺮد‪ ،‬ﮐﻪ دوﻣﯿﻦ آﻟ ﻮرﯾﺘﻢ ﮐﻮاﻧﺘﻮﻣ ﻣﻬﻢ ﺑﻌﺪ از آﻟ ﻮرﯾﺘﻢ ﺷﺮ آ دوﻣﯿﻦ‬

‫‪۴‬‬
 ‫آﻟ ﻮرﯾﺘﻢ ﻣﻬﻢ ﮐﻮاﻧﺘﻮﻣ اﺳﺖ‪.‬‬
‫آ‪Shor Algorithm‬‬

‫ﻣﺪار ﮐﻮاﻧﺘﻮﻣ ﺑﺼﻮرت ﻋﻤﻠ ﺮ ﮐﻮاﻧﺘﻮﻣ ﯾ ﺎﻧ زﯾﺮ ﻧﺸﺎن داده ﻣ ﺷﻮد‪:‬‬ ‫ﻧﺨﺴﺖ دﻗﺖ ﻣ ﮐﻨﯿﻢ ﮐﻪ ﺗﺎﺑﻊ ‪ f‬درﯾ‬

‫‪Uf |xi , y⟩ = |xi , f (xi ) ⊕ y⟩.‬‬ ‫)‪(۵‬‬

‫= ⟩‪ ،|−‬آﻧﮕﺎه ﺑﺮاﺣﺘ دﯾﺪه ﻣ ﺷﻮد ﮐﻪ‬ ‫⟩‪√1 (|0‬‬

‫‪2‬‬
‫ﻫﺮﮔﺎه اﯾﻦ ﻋﻤﻠ ﺮ را روی ورودی ⟩‪ |xi ⟩ ⊗ |−‬اﺛﺮ دﻫﯿﻢ ﮐﻪ درآن )⟩‪− |1‬‬

‫⟩‪Uf |w⟩ ⊗ |−‬‬ ‫=‬ ‫⟩‪−|w⟩ ⊗ |−‬‬

‫⟩‪Uf |xi ⟩ ⊗ |−‬‬ ‫=‬ ‫⟩‪|xi ⟩ ⊗ |−‬‬ ‫‪xi ̸= w.‬‬ ‫)‪(۶‬‬

‫اﻧﻌﮑﺎس ﻇﺎﻫﺮ ﻣ ﺷﻮد ‪ .‬ﯾﻌﻨ اﯾﻦ ﻋﻤﻠ ﺮ ﺣﺎﻟﺖ ⟩‪ |w‬را ﺑﻪ ﺣﺎﻟﺖ ⟩‪ −|w‬ﺑﺮﻣ ﮔﺮداﻧﺪ‬ ‫ﺑﻨﺎﺑﺮاﯾﻦ روی زﯾﺮﻓﻀﺎی اول اﺛﺮ اﯾﻦ ﻋﻤﻠ ﺮ ﺑﻪ ﺷ ﻞ ﯾ‬

‫وﺑﻘﯿﻪ ﺣﺎﻻت را دﺳﺖ ﻧﺨﻮرده ﺑﺎﻗ ﻣ ﮔﺬارد‪ .‬ازاﯾﻦ ﺑﻪ ﺑﻌﺪ درﺑﺤﺚ ﺧﻮد ﻓﻀﺎی دوم ﯾﻌﻨ ⟩‪ |−‬را ﺑﺮای ﺳﺎدﮔ ﺣﺬف ﻣ ﮐﻨﯿﻢ‪ .‬درﻧﺘﯿﺠﻪ ﻣ ﺗﻮان‬

‫ﻋﻤﻠ ﺮ ‪ Uf‬را ﺑﻪ ﺷ ﻞ زﯾﺮﻧﻮﺷﺖ ‪:‬‬

‫‪Uf = I − 2|w⟩⟨w|.‬‬ ‫)‪(٧‬‬

‫دراﯾﻦ ﺟﺎ ﺗﺬﮐﺮ اﯾﻦ ﻧﮑﺘﻪ ﻣﻬﻢ اﺳﺖ ﮐﻪ ﻋﻠﯿﺮﻏﻢ ﺷ ﻞ ﻇﺎﻫﺮی ﺧﻮد ﻋﻤﻠ ﺮ ‪ Uf‬ﺑﺪون داﻧﺴﺘﻦ ﺣﺎﻟﺖ ⟩‪ |w‬اﯾﻦ اﻧﻌﮑﺎس را اﻧﺠﺎم ﻣ دﻫﺪ زﯾﺮا اﯾﻦ ﻋﻤﻠ ﺮ‬

‫ﭼﯿﺰی ﻧﯿﺴﺖ ﺟﺰﻫﻤﺎن ﻋﻤﻞ ﺗﺎﺑﻊ ‪ f‬روی ﻋﻨﺎﺻﺮ ﻣﺠﻤﻮﻋﻪ ‪ S‬وﯾﺎ ﺣﺎﻻت ﻣﺘﻨﺎﻇﺮ ﺑﺎ آﻧﻬﺎ‪.‬‬

‫ﺣﺎل ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ ﻋﻤﻠ ﺮ ‪ Uf‬را روی ﺣﺎﻟﺖ‬

‫‪1‬‬
‫)⟩ ‪|s⟩ := √ (|x1 ⟩ + |x2 ⟩ + · · · |xN‬‬ ‫)‪(٨‬‬
‫‪N‬‬

‫اﺛﺮ دﻫﯿﻢ‪ .‬ﻧﺨﺴﺖ آﻟ ﻮرﯾﺘﻢ ﮔﺮور را ﺑﻪ ﻃﻮر ﮐﯿﻔ ﺗﻮﺿﯿﺢ ﻣ دﻫﯿﻢ‪ .‬ﻫﺮﮔﺎه ﺣﺎﻟﺖ ﻓﻮق راﺑﻪ ﺷ ﻞ ‪ 2‬ﻧﺸﺎن دﻫﯿﻢ ﺑﻌﺪاز اﺛﺮ ﻋﻤﻠ ﺮ ‪ Uf‬ﺑﻪ ﺷ ﻞ ‪3‬‬

‫درﺧﻮاﻫﺪ آﻣﺪ‪ .‬ﺣﺎل اﮔﺮ اﯾﻦ ﺣﺎﻟﺖ را روی ﻣﺘﻮﺳﻂ ﯾﺎ ﻣﯿﺎﻧﮕﯿﻦ ﺧﻮدش )ﮐﻪروی ﺷ ﻞ ﺑﻪ ﺻﻮرت ﺧﻂ ﭼﯿﻦ ﻧﺸﺎن داده ﺷﺪه و ﺑﻌﺪا ﺑﻪ ﺻﻮرت دﻗﯿﻖ‬

‫ﺗﻌﺮﯾﻒ ﺧﻮاﻫﺪ ﺷﺪ( اﻧﻌﮑﺎس دﻫﯿﻢ‪ ،‬ﺣﺎﻟﺖ ﻧﺸﺎن داده ﺷﺪه درﺷ ﻞ ‪ 4‬ﺑﺪﺳﺖ ﺧﻮاﻫﺪ آﻣﺪ‪ .‬اﯾﻦ ﮐﺎر را ﺑﺎزﺗﺎب ﻧﺴﺒﺖ ﺑﻪ ﻣﯿﺎﻧﮕﯿﻦ ‪ ۴‬ﻣ ﺧﻮاﻧﯿﻢ‪.‬‬

‫ﻋﻤﻠ ﺮ ﯾ ﺎﻧ اﺳﺖ ﮐﻪآن را ﺑﺎ ‪ Is‬ﻧﺸﺎن ﻣ دﻫﯿﻢ‪ .‬ﺧﻮاﻧﻨﺪه ﻣ ﺗﻮاﻧﺪ ﺑﻪ راﺣﺘ‬ ‫ﻣ ﺗﻮان ﻧﺸﺎن داد ﮐﻪ اﯾﻦ ﺑﺎزﺗﺎب ﻧﺴﺒﺖ ﺑﻪ ﻣﯿﺎﻧﮕﯿﻦ ﻧﯿﺰ ﯾ‬

‫ﺗﺼﺪﯾﻖ ﮐﻨﺪ ﮐﻪ ﺑﻌﺪازﭼﻨﺪ ﺑﺎر ﺧﻮاﻧﺪن ﺗﺎﺑﻊ و ﺑﺎزﺗﺎب ﻧﺴﺒﺖ ﺑﻪ ﻣﯿﺎﻧﮕﯿﻦ‪ ،‬ﯾﻌﻨ ﺑﻌﺪ از ﭼﻨﺪ ﺑﺎر اﻋﻤﺎل ﻋﻤﻠ ﺮ ‪ G := Is Uf‬ﺷ ﻞ ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرﺗ‬
‫‪Inversion around the average۴‬‬

‫‪۵‬‬
 ‫‪w‬‬

‫ﺑﺮدار ﺣﺎﻟﺖ ورودی ﮐﻪ ﺗﺮﮐﯿﺒﯽ ﺧﻄ از ﻫﻤﻪ داده ﻫﺎی ﻣﻤ ﻦ ﺑﺎ ﺿﺮاﯾﺐ ﻣﺴﺎوی اﺳﺖ‪.‬‬ ‫ﺷ ﻞ ‪ :٢‬ﺑﯿﺎن ﺷﻤﺎﺗﯿ‬

‫‪w‬‬

‫ﺑﺎرآن را ﺧﻮاﻧﺪه اﺳﺖ ‪.‬‬ ‫ﺷ ﻞ ‪ :٣‬ﺑﺮدارﺣﺎﻟﺖ ورودی ﭘﺲ از آﻧﮑﻪ ﺗﺎﺑﻊ ﯾ‬

‫درﺧﻮاﻫﺪ آﻣﺪ ﮐﻪ درآن داﻣﻨﻪ ﻣﺮﺑﻮط ﺑﻪ ⟩‪ |w‬ﻧﺴﺒﺖ ﺑﻪ ﺑﻘﯿﻪ داﻣﻨﻪ ﻫﺎ اﻓﺰاﯾﺶ ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪ ای ﭘﯿﺪاﮐﺮده اﺳﺖ و درﻧﺘﯿﺠﻪ اﻧﺪازه ﮔﯿﺮی ﭼﻨﯿﻦ ﺣﺎﻟﺘ ﺑﻪ‬

‫اﺣﺘﻤﺎل زﯾﺎد‪ ،‬ﻧﺘﯿﺠﻪ اش ⟩‪ |w‬ﺧﻮاﻫﺪ ﺑﻮد‪ .‬اﻟﺒﺘﻪ ﭘﺲ از ﻫﺮﺑﺎراﻧﺪازه ﮔﯿﺮی ﺑﺎاﺣﺘﻤﺎل ﺿﻌﯿﻔ ﻣﻤ ﻦ اﺳﺖ ﮐﻪ ﻋﻨﺼﺮی ﻏﯿﺮاز ⟩‪ |w‬ﯾﺎﻓﺖ ﺷﻮد ﮐﻪ دراﯾﻦ‬

‫ﺻﻮرت ﺑﺎ ﺧﻮراﻧﺪن آن ﺑﻪ ﺗﺎﺑﻊ ‪ f‬و ﺑﺪﺳﺖ آﻣﺪن ﻣﻘﺪار ﺻﻔﺮ آﻟ ﻮرﯾﺘﻢ دوﺑﺎره از اول ﻃ ﻣ ﺷﻮد‪.‬‬

‫ﺣﺎل آﻧﭽﻪ را ﮐﻪ ﺑﻪ ﻃﻮر ﮐﯿﻔ ﮔﻔﺘﯿﻢ ﺑﻄﻮر دﻗﯿﻖ ﺑﺎزﮔﻮ ﻣ ﮐﻨﯿﻢ‪ .‬ﻧﺨﺴﺖ ﻣ ﺑﺎﯾﺴﺖ ﺑﺒﯿﻨﯿﻢ آﯾﺎ ﺑﺎزﺗﺎب ﻧﺴﺒﺖ ﺑﻪ ﻣﯿﺎﻧﮕﯿﻦ را واﻗﻌﺎ ﻣ ﺗﻮان ﺑﺎ ﯾ‬

‫ﻋﻤﻠ ﺮ ﯾ ﺎﻧ ﻧﺸﺎن داد‪ .‬ﺣﺎﻟﺘ ﻣﺜﻞ‬

‫∑‬
‫= ⟩‪|ψ‬‬ ‫⟩‪ψx |x‬‬ ‫)‪(٩‬‬
‫‪x‬‬

‫‪۶‬‬
 ‫‪w‬‬

‫‪w‬‬

‫ﺷ ﻞ ‪ :۴‬ﺷ ﻞ ﺑﺎﻻ ﺑﺮدار ﺣﺎﻟﺖ را ﻗﺒﻞ از اﻧﻌﮑﺎس ﺣﻮل ﻣﺘﻮﺳﻂ و ﺷ ﻞ ﭘﺎﯾﯿﻦ ﺑﻌﺪ از اﻧﻌﮑﺎس ﺣﻮل ﻣﺘﻮﺳﻂ ﻧﺸﺎن ﻣ دﻫﺪ‪ .‬ﺧﻂ ﭼﯿﻦ ﻣﻘﺪار ﻣﺘﻮﺳﻂ‬

‫اﺳﺖ‪.‬‬

‫را در ﻧﻈﺮ ﺑ ﯿﺮﯾﺪ‪ .‬ﻣﺘﻮﺳﻂ اﯾﻦ ﺣﺎﻟﺖ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‪:‬‬

‫∑ ‪1‬‬
‫=‪ψ‬‬ ‫‪ψx .‬‬ ‫)‪(١٠‬‬
‫‪N x‬‬

‫و ﺑﺎزﺗﺎب ﻧﺴﺒﺖ ﺑﻪ ﻣﯿﺎﻧﮕﯿﻦ ⟩‪ |ψ‬ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ‪:‬‬

‫∑‬ ‫∑‬
‫=‪Is |ψ⟩ :‬‬ ‫= ⟩‪(ψx − 2(ψx − ψ))|x‬‬ ‫⟩‪(2ψ − ψx )|x‬‬ ‫)‪(١١‬‬
‫‪x‬‬ ‫‪x‬‬

‫و در ﻧﺘﯿﺠﻪ‬
‫∑‬ ‫√‬
‫=‪Is |ψ⟩ :‬‬ ‫‪(2ψ − ψx )|x⟩ = 2ψ N |s⟩ − |ψ⟩.‬‬ ‫)‪(١٢‬‬
‫‪x‬‬

‫اﻣﺎ ﻣ داﻧﯿﻢ ﮐﻪ‬

‫‪1‬‬
‫‪ψ = √ ⟨s|ψ⟩.‬‬ ‫)‪(١٣‬‬
‫‪N‬‬

‫ﺑﻨﺎﺑﺮاﯾﻦ‬

‫‪Is |ψ⟩ := 2|s⟩⟨s|ψ⟩ − |ψ⟩ = (2|s⟩⟨s| − I)|ψ⟩.‬‬ ‫)‪(١۴‬‬

‫‪٧‬‬
 ‫ﺑﻨﺎﺑﺮاﯾﻦ ﻋﻤﻠ ﺮ ‪ Is‬را ﻣ ﺗﻮان ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺖ ‪:‬‬

‫‪Is = 2|s⟩⟨s| − I,‬‬ ‫)‪(١۵‬‬

‫ﻋﻤﻠ ﺮﺗﺮﮐﯿﺒﯽ ‪ G := Is Uf‬را ﺑﻪ ا ﻓﺘﺨﺎر ﮐﺎﺷﻒ اﯾﻦ آﻟ ﻮرﯾﺘﻢ ﻋﻤﻠ ﺮ ﮔﺮور ﻣ ﺧﻮاﻧﯿﻢ ‪ .‬دراﯾﻦ ﻗﺴﻤﺖ ﻣ ﺧﻮاﻫﯿﻢ ﻧﺸﺎن دﻫﯿﻢ ﮐﻪ ﺑﺎ اﺛﺮ ﻋﻤﻠ ﺮ‬
‫√‬
‫ﮔﺮور ﺑﻪ ﺗﻌﺪاد ) ‪ O( N‬ﺑﺎر روی ﺣﺎﻟﺖ اوﻟﯿﻪ ⟩‪ |s‬ﻣ ﺗﻮاﻧﯿﻢ ﺑﻪ ﺣﺎﻟﺘ ﺑﺮﺳﯿﻢ ﮐﻪ داﻣﻨﻪ ⟩‪ |w‬درآن ﺑﺴﯿﺎراﻓﺰاﯾﺶ ﯾﺎﻓﺘﻪ اﺳﺖ‪ .‬ﺑﺮای اﯾﻦ ﮐﺎر درﻓﻀﺎی‬

‫ﺣﺎﻟﺖ ﻫﺎ‪ ،‬ﺣﺎﻟﺖ زﯾﺮ را ﺗﻌﺮﯾﻒ ﻣ ﮐﻨﯿﻢ ‪:‬‬

‫‪1‬‬ ‫∑‬
‫√ = ⟩‪|r‬‬ ‫(‬ ‫‪|xi ⟩).‬‬ ‫)‪(١۶‬‬
‫‪N − 1 x ̸=w‬‬
‫‪i‬‬

‫ازاول ﺗﺎ ﺑﻪ آﺧﺮ درزﯾﺮﻓﻀﺎﯾﯽ‬ ‫ﺣﺎل دﻗﺖ ﻣ ﮐﻨﯿﻢ ﮐﻪ ﻫﺮدو ﻋﻤﻠ ﺮ ‪ Is‬و ‪ Uf‬را ﻣ ﺗﻮان ﺗﻨﻬﺎ ﺑﺮﺣﺴﺐ ﺑﺮدارﻫﺎی ⟩‪ |w‬و ⟩‪ |r‬ﻧﻮﺷﺖ‪ .‬درواﻗ ﺗﻤﺎم دﯾﻨﺎﻣﯿ‬

‫ﻃ ﻣ ﺷﻮد ﮐﻪ ﺗﻮﺳﻂ اﯾﻦ دوﺑﺮدار ﺟﺎروب ﻣ ﺷﻮﻧﺪ‪ .‬ازآﻧﺠﺎ ﮐﻪ اﯾﻦ دوﺑﺮدارﺑﺮﻫﻢ ﻋﻤﻮدﻧﺪ ﻣ ﺗﻮاﻧﯿﻢ ﻧﻤﺎﯾﺶ زﯾﺮ را ﺑﺮای آﻧﻬﺎ اﻧﺘﺨﺎب ﮐﻨﯿﻢ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪1‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪‬‬
‫‪|w⟩ =  ‬‬ ‫‪,‬‬ ‫‪|r⟩ = ‬‬ ‫‪‬‬ ‫)‪(١٧‬‬
‫‪0‬‬ ‫‪1‬‬

‫و‬

‫‪‬‬ ‫‪‬‬
‫√‬
‫‪√1‬‬
‫‪1‬‬ ‫‪N −1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪|s⟩ = √ |w⟩ +‬‬ ‫√ ‪|r⟩ = ‬‬ ‫‪.‬‬
‫‪N‬‬
‫)‪(١٨‬‬
‫‪N‬‬ ‫‪N‬‬ ‫‪N −1‬‬
‫‪N‬‬

‫درﻧﺘﯿﺠﻪ ﺧﻮا ﻫﯿﻢ داﺷﺖ ‪:‬‬

‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪−1‬‬ ‫‪0‬‬ ‫‪‬‬
‫‪Uf = I − 2|w⟩⟨w| = ‬‬ ‫‪,‬‬ ‫)‪(١٩‬‬
‫‪0 1‬‬

‫و‬

‫‪‬‬ ‫‪‬‬
‫√‬
‫‪‬‬
‫‪2‬‬
‫‪N‬‬ ‫‪−1‬‬ ‫‪2‬‬
‫‪N‬‬ ‫‪N −1 ‬‬
‫‪Is = 2|s⟩⟨s| − I = ‬‬ ‫‪‬‬ ‫)‪(٢٠‬‬
‫√‬
‫‪2‬‬
‫‪N‬‬ ‫‪N −1‬‬ ‫‪1 − N2‬‬

‫‪٨‬‬
 ‫درﻧﺘﯿﺠﻪ ﻋﻤﻠ ﺮ ﮔﺮور ﺑﻪ ﺷ ﻞ زﯾﺮ درﺧﻮاﻫﺪ آﻣﺪ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫√‬
‫‪‬‬ ‫‪1 − N2‬‬ ‫‪2‬‬
‫‪N‬‬ ‫‪N‬‬ ‫‪−‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪G = Is Uf = ‬‬ ‫‪.‬‬ ‫)‪(٢١‬‬
‫√‬
‫‪− N2 N − 1‬‬ ‫‪1− N‬‬‫‪2‬‬

‫دوران درﺻﻔﺤﻪ ﺟﺎروب‬ ‫ﻋﻤﻠ ﺮ ﻣﺘﻌﺎﻣﺪ اﺳﺖ ﯾﻌﻨ ‪ Gt G = I‬و درﻧﺘﯿﺠﻪ ﭼﯿﺰی ﺟﺰﯾ‬ ‫ﺧﻮاﻧﻨﺪه ﺑﺮاﺣﺘ ﻣ ﺗﻮاﻧﺪ ﺗﺤﻘﯿﻖ ﮐﻨﺪ ﮐﻪ اﯾﻦ ﻋﻤﻠ ﺮﯾ‬

‫ﺷﺪه ﺗﻮﺳﻂ ⟩‪ |r‬و ⟩‪ |w‬ﻧﯿﺴﺖ‪ .‬ﺑﺮای اداﻣﻪ ﺗﺤﻠﯿﻞ‪ ،‬ﭘﺎراﻣﺘﺮ دوران ‪ θ‬را ﺑﻪ ﺷ ﻞ زﯾﺮ ﺗﻌﺮﯾﻒ ﻣ ﮐﻨﯿﻢ‪:‬‬

‫‪2‬‬ ‫√‪2‬‬
‫‪cos θ = 1 −‬‬ ‫‪,‬‬ ‫= ‪sin θ‬‬ ‫‪N − 1,‬‬ ‫)‪(٢٢‬‬
‫‪N‬‬ ‫‪N‬‬

‫و ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﻋﻤﻠ ﺮﮔﺮور ﺑﻪ ﺷ ﻞ زﯾﺮ درﺧﻮاﻫﺪ آﻣﺪ‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪ cos θ‬‬ ‫‪sin θ ‬‬
‫‪G=‬‬ ‫‪.‬‬ ‫)‪(٢٣‬‬
‫‪− sin θ‬‬ ‫‪cos θ‬‬

‫ﻫﺮﮔﺎه روی ﺣﺎﻟﺖ اوﻟﯿﻪ ⟩‪ |s‬ﻋﻤﻠ ﺮ ﮔﺮور را ‪ m‬ﺑﺎر اﺛﺮدﻫﯿﻢ ﯾﻌﻨ اﯾﻨﮑﻪ آن ﺣﺎﻟﺖ را ﺑﻪ اﻧﺪازه زاوﯾﻪ ‪ mθ‬ﭼﺮﺧﺎﻧﺪه ا ﯾﻢ‪ .‬ﺑﺮای اﯾﻨﮑﻪ ﺑﺒﯿﻨﻢ اﯾﻦ ﺣﺎﻟﺖ‬

‫ﺷﺪه اﺳﺖ ﻣ ﺑﺎﯾﺴﺖ ﻋﻨﺼﺮ ﻣﺎﺗﺮﯾﺴ ⟩‪ ⟨w|Gm |s‬را ﺣﺴﺎب ﮐﻨﯿﻢ ﮐﻪ ﺑﺮاﺑﺮ ﺧﻮاﻫﺪ ﺷﺪ ﺑﺎ‪:‬‬ ‫ﭼﻪ ﻣﻘﺪار ﺑﻪ ﺣﺎﻟﺖ ﻣﻄﻠﻮب ﯾﻌﻨ ⟩‪ |w‬ﻧﺰدﯾ‬

‫√‬
‫‪1‬‬ ‫‪N −1‬‬
‫‪⟨w|G |s⟩ = √ cos mθ +‬‬
‫‪m‬‬
‫‪sin mθ.‬‬ ‫)‪(٢۴‬‬
‫‪N‬‬ ‫‪N‬‬

‫اﮔﺮ ﻗﺮار دﻫﯿﻢ‬

‫√‬
‫‪1‬‬ ‫‪N −1‬‬
‫√ = ‪cos α‬‬ ‫‪,‬‬ ‫= ‪sin α‬‬ ‫)‪(٢۵‬‬
‫‪N‬‬ ‫‪N‬‬

‫آﻧﮕﺎه ﺧﻮاﻫﯿﻢ داﺷﺖ ‪:‬‬

‫‪⟨w|Gm |s⟩ = cos(mθ − α).‬‬ ‫)‪(٢۶‬‬

‫≈ ‪.m‬‬ ‫‪α‬‬
‫‪θ‬‬ ‫ﺑﺮای اﯾﻦ ﮐﻪ اﯾﻦ ﻫﻤﭙﻮﺷﺎﻧ ﺑﻪ ﺣﺪاﮐﺜﺮ ﺧﻮد ﺑﺮﺳﺪ ﺗﻘﺎﺿﺎ ﻣ ﮐﻨﯿﻢ ﮐﻪ‬

‫= ‪ cos α‬و ﯾﺎ‬ ‫‪1‬‬

‫‪2‬‬ ‫= ‪ cos θ‬و‬ ‫‪1‬‬
‫‪2‬‬ ‫ﻧﺘﯿﺠﻪ ﺧﯿﻠ ﺟﺎﻟﺐ ﮐﻪ زود ﻣ ﺗﻮان درﯾﺎﻓﺖ ﻣﺮﺑﻮط ﺑﻪ ﺣﺎﻟﺘ اﺳﺖ ﮐﻪ ‪ N = 4‬ﺑﺎﺷﺪ‪ .‬دراﯾﻦ ﺣﺎﻟﺖ دارﯾﻢ‬ ‫ﯾ‬

‫‪π‬‬ ‫‪π‬‬
‫=‪α‬‬ ‫‪,‬‬ ‫=‪θ‬‬ ‫‪, −→ m = 1‬‬ ‫)‪(٢٧‬‬
‫‪3‬‬ ‫‪3‬‬

‫‪٩‬‬
 ‫‪1‬‬

‫‪0.98‬‬

‫‪0.96‬‬

‫‪0.94‬‬

‫‪0.92‬‬

‫‪0.9‬‬

‫‪0.88‬‬

‫‪0.86‬‬

‫‪0.84‬‬

‫‪0.82‬‬

‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪80‬‬ ‫‪100‬‬

‫‪N‬‬

‫ﺷ درﺑﯿﻦ ‪ N‬ﺑﺎ اﺳﺘﻔﺎده از آﻟ ﻮرﯾﺘﻢ ﮔﺮور ﺑﻪ ﻋﻨﻮان ﺗﺎﺑﻌ از ‪ N‬ﺑﺮای ‪.4 ≤ N ≤ 100‬‬ ‫ﺷ ﻞ ‪ :۵‬اﺣﺘﻤﺎل ﯾﺎﻓﺘﻦ ﯾ‬

‫دﺳﺖ ﯾﺎﻓﺖ‪.‬‬ ‫ﺑﺎرﺧﻮاﻧﺪن ﺗﺎﺑﻊ ﺑﻪ ‪ w‬آﻧﻬﻢ ﺑﺎ اﺣﺘﻤﺎل ﯾ‬ ‫ﯾﻌﻨ ﻣ ﺗﻮان دراﯾﻦ ﺣﺎﻟﺖ ﺗﻨﻬﺎ ﺑﺎ ﯾ‬

‫ﺑﺮای وﻗﺘ ﮐﻪ ‪ N‬ﺧﯿﻠ ﺑﺰرگ اﺳﺖ دارﯾﻢ‬

‫‪π‬‬ ‫‪θ2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫≈‪α‬‬ ‫‪,‬‬ ‫‪cos θ ≈ 1 −‬‬ ‫‪= 1 − , −→ θ = √ ,‬‬ ‫)‪(٢٨‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪N‬‬ ‫‪N‬‬
‫√‬ ‫√‬
‫ودرﻧﺘﯿﺠﻪ ‪ .m ≈ π4 N‬ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﭘﺲ از ) ‪ O( N‬ﻣﺮﺗﺒﻪ ﻣ ﺗﻮاﻧﯿﻢ ﺑﺎ اﺣﺘﻤﺎل ﺧﯿﻠ ﺧﻮب ﺷ ﻣﻮرد ﻧﻈﺮ را دردرون داده ﻫﺎ ﭘﯿﺪا ﮐﻨﯿﻢ‪.‬‬
‫√‬
‫ﺑﺮای اﯾﻨﮑﻪ اﯾﻦ اﺣﺘﻤﺎل را ﭘﯿﺪا ﮐﻨﯿﻢ ﮐﺎﻓ اﺳﺖ ﮐﻪ ﻣﻘﺪار ﺻﺤﯿﺢ ‪ m‬ﯾﻌﻨ ] ‪ [ π4 N‬را درﻋﺒﺎرت ‪ 26‬ﻗﺮاردﻫﯿﻢ‪ .‬اﯾﻦ اﺣﺘﻤﺎل ﺑﺮاﺑﺮاﺳﺖ ﺑﺎ‪:‬‬

‫√‪π‬‬ ‫‪2‬‬ ‫‪1‬‬

‫[( ‪P (N ) := cos2‬‬ ‫‪N ] cos−1 (1 − ) − cos−1 ( √ )).‬‬ ‫)‪(٢٩‬‬
‫‪4‬‬ ‫‪N‬‬ ‫‪N‬‬

‫ﺷ ﻞ ﻫﺎی ‪ 5‬و ‪ 6‬اﯾﻦ ﺗﺎﺑﻊ را ﺑﺮﺣﺴﺐ ‪ ، N‬ﻧﺸﺎن ﻣ دﻫﺪ‪.‬‬

‫‪١٠‬‬
 ‫‪1‬‬

‫‪0.999‬‬

‫‪0.998‬‬

‫‪0.997‬‬

‫‪0.996‬‬

‫‪20000‬‬ ‫‪40000‬‬ ‫‪60000‬‬ ‫‪80000‬‬ ‫‪100000‬‬

‫‪N‬‬

‫ﺷ درﺑﯿﻦ ‪ N‬ﺑﺎ اﺳﺘﻔﺎده از آﻟ ﻮرﯾﺘﻢ ﮔﺮور ﺑﻪ ﻋﻨﻮان ﺗﺎﺑﻌ از ‪ N‬ﺑﺮای ‪.100 ≤ N ≤ 100000‬‬ ‫ﺷ ﻞ ‪ :۶‬اﺣﺘﻤﺎل ﯾﺎﻓﺘﻦ ﯾ‬

‫√‬
‫‪O( π4‬‬ ‫از ﻣﺮﺗﺒﻪ ) ‪l‬‬ ‫در اﺳﺘﺪﻻل ﺑﺎﻻ ﻧﺸﺎن ﻣ دﻫﺪ ﮐﻪ ﻣ ﺗﻮان درزﻣﺎﻧ‬ ‫ﻣﺜﻼ ‪ l‬ﺗﺎ ﺑﺎﺷﺪ‪ ،‬اﺻﻼح ﮐﻮﭼ‬ ‫ﻫﺮﮔﺎه ﺗﻌﺪاد ﻋﻨﺎﺻﺮ ﻣﻄﻠﻮب ﺑﯿﺶ از ﯾ‬
‫‪N‬‬

‫ﺗﻤﺮﯾﻦ ﺑﻪ ﻋﻬﺪه ﺧﻮاﻧﻨﺪه ﻣ ﮔﺬارﯾﻢ‪.‬‬ ‫از ﻋﻨﺎﺻﺮ ﻣﻄﻠﻮب دﺳﺖ ﯾﺎﻓﺖ‪ .‬اﺛﺒﺎت دﻗﯿﻖ اﯾﻦ اﻣﺮ را ﺑﻪ ﻋﻨﻮان ﯾ‬ ‫ﺑﻪ ﯾ‬

‫ﻣﺠﻤﻮﻋﻪ داده ﻧﺎﻣﻨﻈﻢ ﮐﻪ دارای ‪ N‬داده اﺳﺖ و ‪ k‬ﺗﺎ از داده ﻫﺎی ﻣﻄﻠﻮب ﻣﺎ ﻫﺴﺘﻨﺪ در ﻧﻈﺮ ﺑ ﯿﺮﯾﺪ‪ .‬ﻫﺪف ﻣﺎ اﯾﻦ اﺳﺖ ﮐﻪ ﯾ‬ ‫‪ n‬ﺗﻤﺮﯾﻦ‪ :‬ﯾ‬

‫از اﯾﻦ دو روش ﺷﺮوع ﺑﻪ ﺟﺴﺘﺠﻮی اﯾﻦ ﻣﺠﻤﻮﻋﻪ داده ﻣ ﮐﻨﯿﻢ‪:‬‬ ‫ﭘﯿﺪا ﮐﻨﯿﻢ‪ .‬ﺣﺎل ﺑﻪ ﯾ‬ ‫از اﯾﻦ داده ﻫﺎی ﻣﻄﻠﻮب را ﺑﻪ روش ﮐﻼﺳﯿ‬

‫ﺑﻪ ﻃﻮر ﻣﻨﻈﻢ ﺟﺴﺘﺠﻮ ﻣ ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ داده ﻣﻄﻠﻮب ﺑﺮﺳﯿﻢ‪ .‬ﻃﺒﯿﻌ اﺳﺖ ﮐﻪ در اﯾﻦ روش ﻫﺮ داده را ﻓﻘﻂ‬ ‫ﯾ‬ ‫روش اول‪ :‬ﻣﺠﻤﻮﻋﻪ داده را ﯾ‬

‫ﺑﺎر ﺗﺴﺖ ﻣ ﮐﻨﯿﻢ‪.‬‬ ‫ﯾ‬

‫داده ﻣﻤ ﻦ اﺳﺖ ﺑﯿﺶ از ﯾ‬ ‫روش دوم‪ :‬ﻣﺠﻤﻮﻋﻪ داده ﻫﺎ را ﺑﻪ ﻃﻮر ﺗﺼﺎدﻓ ﺟﺴﺘﺠﻮ ﻣ ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ داده ﻣﻄﻠﻮب ﺑﺮﺳﯿﻢ‪ .‬در اﯾﻦ روش ﯾ‬

‫ﺑﺎر ﺗﺴﺖ ﺷﻮد‪.‬‬

‫ﺗﻌﺪاد ﻣﺘﻮﺳﻂ دﻓﻌﺎﺗ را ﮐﻪ ﺑﺎﯾﺪ داده ﻫﺎ را ﺗﺴﺖ ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ ﻧﺘﯿﺠﻪ ﻣﻄﻠﻮب ﺑﺮﺳﯿﻢ در ﻫﺮﮐﺪام از دو روش ﻣﺤﺎﺳﺒﻪ ﮐﻨﯿﺪ‪ .‬در روش اول ﯾ‬

‫ﻋﺒﺎرت ﺑﺴﺘﻪ و ﺳﺎده ﺑﺮای وﻗﺘ ﮐﻪ ‪ k = 2‬اﺳﺖ ﺑﺪﺳﺖ ﺑﯿﺎورﯾﺪ‪.‬‬

‫‪١١‬‬
‫از اﯾﻦ داده ﻫﺎ را‬ ‫‪ n‬ﺗﻤﺮﯾﻦ‪ :‬ﯾ ﻣﺠﻤﻮﻋﻪ داده ﻧﺎﻣﻨﻈﻢ ﮐﻪ دارای ‪ N‬داده اﺳﺖ و دارای ‪ k‬داده ﻣﻄﻠﻮب اﺳﺖ در ﻧﻈﺮ ﺑ ﯿﺮﯾﺪ‪ .‬ﻣ ﺧﻮاﻫﯿﻢ ﯾ‬
‫√‬
‫‪ N‬ﭘﯿﺪا ﮐﻨﺪ‪.‬‬ ‫آﻟ ﻮرﯾﺘﻢ ﮐﻮاﻧﺘﻮﻣ ﻣ ﺗﻮاﻧﺪ اﯾﻦ ﮐﺎر را در زﻣﺎﻧ از ﻣﺮﺗﺒﻪ ‪k‬‬ ‫ﭘﯿﺪا ﮐﻨﯿﻢ‪ .‬ﻧﺸﺎن دﻫﯿﺪ ﮐﻪ ﯾ‬

‫ﻣﺪار ﮐﻮاﻧﺘﻮﻣ آﻟ ﻮرﯾﺘﻢ ﮔﺮور‬ ‫‪٣‬‬

‫ﺑﯿﺘ و دوﺑﯿﺘ ﮐﻮاﻧﺘﻮﻣ ﺑﻪ ﻧﺤﻮ ﮐﺎرآﯾﯽ ﺳﺎﺧﺖ‪.‬‬ ‫دراﯾﻦ ﻗﺴﻤﺖ ﻧﺸﺎن ﻣ دﻫﯿﻢ ﮐﻪ ﻋﻤﻠ ﺮﮔﺮور را ﻣ ﺗﻮان ﺑﺎ ﺗﺮﮐﯿﺐ ﺗﻌﺪادی از ﻋﻤﻠ ﺮﻫﺎی ﯾ‬

‫ﻣ داﻧﯿﻢ ﮐﻪ |‪ .Is = I − 2|s⟩⟨s‬ازﻃﺮﻓ ﻣ داﻧﯿﻢ ﮐﻪ‬

‫‪|s⟩ = H ⊗N |0, 0, · · · 0⟩ =: H ⊗N |0⟩,‬‬ ‫)‪(٣٠‬‬

‫ﮐﻪ درآن ‪ H‬ﻋﻤﻠ ﺮ ﻫﺎداﻣﺎرد اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﻣ ﺗﻮان ﻧﻮﺷﺖ ‪:‬‬

‫‪Is = H ⊗N I0 H ⊗N‬‬ ‫)‪(٣١‬‬

‫ﮐﻪ درآن ‪ . I0 = 2|0⟩⟨0| − I‬ﺑﻨﺎﺑﺮاﯾﻦ ﻫﺮﮔﺎه ﮐﻪ ﻣﺪارِ ‪ I0‬را ﺑﺴﺎزﯾﻢ ﻣ ﺗﻮاﻧﯿﻢ از روی آن ﻣﺪار ‪ Is‬را ﺑﺴﺎزﯾﻢ‪ .‬راه ﺳﺎﺧﺘﻦ ﻣﺪارِ ‪ I0‬آن اﺳﺖ ﮐﻪ‬

‫ﺑﻪ ﺷ ﻞ ﻣﺎﺗﺮﯾﺴ آن ﺗﻮﺟﻪ ﮐﻨﯿﻢ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺑﺮای ﺳﻪ ﺗﺎ ﮐﯿﻮﺑﯿﺖ ‪ I0‬ﺑﻪ ﺻﻮرت زﯾﺮ ﻋﻤﻞ ﻣ ﮐﻨﺪ‪:‬‬

‫⟩‪I0 |000⟩ = |000‬‬

‫⟩‪I0 |001⟩ = −|001‬‬

‫⟩‪I0 |010⟩ = −|010‬‬

‫···‬ ‫)‪(٣٢‬‬

‫ﻋﻤﻠ ﺮ ﮐﻨﺘﺮﻟ ﻓﺎز ‪ ۵‬اﺳﺖ ﮐﻪ ﻓﻘﻂ وﻗﺘ دو ﮐﯿﻮﺑﯿﺖ اول ﺑﺮاﺑﺮ ﺑﺎ ﺻﻔﺮ ﺑﺎﺷﻨﺪ ﻋﻤﻠ ﺮ ‪ −Z‬روی ﮐﯿﻮﺑﯿﺖ آﺧﺮ ﻋﻤﻞ ﻣ‬ ‫ﭘﺲ ﻣﻌﻠﻮم اﺳﺖ ﮐﻪ ‪ −I0‬ﯾ‬

‫ﮐﻨﺪ‪ .‬ﻣﺪار اﯾﻦ ﻋﻤﻠ ﺮ و در ﻧﺘﯿﺠﻪ ﻣﺪار ﻋﻤﻠ ﺮِ ‪ Is −‬در ﺷ ﻞ ﻫﺎی ‪ ٧‬و ‪ ٨‬رﺳﻢ ﺷﺪه اﺳﺖ‪ .‬داﯾﺮه ﺳﻔﯿﺪ ﺑﻪ اﯾﻦ ﻣﻌﻨﺎﺳﺖ ﮐﻪ ﺑﯿﺖ ﮐﻨﺘﺮﻟ ﻣﺮﺑﻮﻃﻪ ﺑﺎ‬

‫ﻣﻘﺪارِ ‪ 0‬ﻓﻌﺎل ﻣ ﺷﻮد‪.‬‬

‫‪Controlled Phase Gate۵‬‬

‫‪١٢‬‬
 ‫ﺷ ﻞ ‪ :٧‬ﻣﺪار ﻋﻤﻠ ﺮِ ‪.‐I0‬‬

‫ﺷ ﻞ ‪ :٨‬ﻣﺪار ﻋﻤﻠ ﺮِ ‪.−Is‬‬

‫ﺑﻬﯿﻨﻪ ﺑﻮدن آﻟ ﻮرﯾﺘﻢ ﮔﺮور‬ ‫‪۴‬‬

‫ﺣﺎﻟﺖ ﯾ ﻨﻮاﺧﺖ‬ ‫ﺣﺎﻟﺖ دﻟﺨﻮاه ﻣﺜﻞ )‪ ψ(0‬ﻣ ﮔﯿﺮﯾﻢ ﮐﻪ دﯾ ﺮ ﯾ‬ ‫‪ .‬ﻓﺮض ﮐﻨﯿﺪ ﮐﻪ آﻟ ﻮرﯾﺘﻢ ﺟﺴﺘﺠﻮ را ﺑﻪ ﺷ ﻞ زﯾﺮ ﺗﻐﯿﯿﺮدﻫﯿﻢ‪ .‬ﺣﺎﻟﺖ اوﻟﯿﻪ راﯾ‬

‫ﻧﯿﺴﺖ‪.‬‬

‫‪ n‬در اﯾﻦ ﺑﺨﺶ ﺑﺮای ﺳﺎدﮔ ﻧﻤﺎدﮔﺬاری از ﻋﻼﻣﺖ ﮐﺖ ﺑﺮای ﻧﻮﺷﺘﻦ ﺑﺮدارﻫﺎی اﺳﺘﻔﺎده ﻧﻤ ﮐﻨﯿﻢ‪ .‬ﺑﻨﺎﺑﺮاﯾﻦ ﺑﻪ ﺟﺎی ⟩‪ |ψ‬ﺑﻪ ﺳﺎدﮔ ﻣ ﻧﻮﯾﺴﯿﻢ‬

‫‪ .ψ‬اﻟﺒﺘﻪ ﺿﺮب داﺧﻠ دو ﺑﺮدار را ﻫﻢ ﭼﻨﺎن ﺑﺎ اﺳﺘﻔﺎده از ﻋﻼﻣﺖ ﮐﺖ و ﺑﺮا ﻣ ﻧﻮﯾﺴﯿﻢ‪.‬‬

‫‪١٣‬‬
‫در ﺟﺎﻫﺎﯾﯽ ﮐﻪ اﺑﻬﺎﻣ ﻣﻤ ﻦ اﺳﺖ وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﺧﻮاﻧﻨﺪه ﻣ ﺗﻮاﻧﺪ ﺑﻪ ﻗﺮﯾﻨﻪ اﺑﻬﺎم را رﻓ ﮐﻨﺪ‪ .‬ﻋﻤﻠ ﺮﮔﺮور را ﻧﯿﺰ درﻣﺮﺣﻠﻪ ‪ t‬ام ﺑﺎ ‪Gt := Kt Uf‬‬

‫ﻧﺸﺎن ﻣ دﻫﯿﻢ‪ .‬ﻃﺒﯿﻌ اﺳﺖ ﮐﻪ از ﺧﻮاﻧﺪن ﺗﺎﺑﻊ درﻫﺮﻣﺮﺣﻠﻪ ﮔﺮﯾﺰی ﻧﯿﺴﺖ و ﺑﻨﺎﺑﺮاﯾﻦ ‪ Uf‬ﻫﻤﭽﻨﺎن ﺑﺨﺶ اول ﻋﻤﻠ ﺮ ﮔﺮور را ﺗﺸ ﯿﻞ ﻣ دﻫﺪ اﻣﺎ‬

‫ﻋﻤﻠ ﺮ ﻣﻨﺎﺳﺐ دﯾ ﺮ ﻣﺜﻞ ‪ Kt‬ﮐﻪ درﻫﺮﻣﺮﺣﻠﻪ ﻧﯿﺰ ﻣ ﺗﻮاﻧﺪ ﻣﺘﻔﺎوت ﺑﺎﻣﺮﺣﻠﻪ ﻗﺒﻞ ﺑﺎﺷﺪ ﺗﺸ ﯿﻞ‬ ‫ﺑﺨﺶ دوم آن ﺑﺠﺎی ﺑﺎزﺗﺎب ﻧﺴﺒﺖ ﺑﻪ ﻣﯿﺎﻧﮕﯿﻦ ﺑﺎ ﯾ‬

‫ﻋﻤﻠ ﺮ دﯾ ﺮ ﻧﻤ ﺗﻮان ﺟﺴﺘﺠﻮ را ﺑﻪ‬ ‫ﺷﺪه اﺳﺖ‪ .‬ﻣ ﺧﻮاﻫﯿﻢ ﻧﺸﺎن دﻫﯿﻢ ﮐﻪ ﺑﺎ ﻋﻮض ﮐﺮدن ﺣﺎﻟﺖ ﯾ ﻨﻮاﺧﺖ اوﻟﯿﻪ و ﻫﻢ ﭼﻨﯿﻦ ﻋﻤﻠ ﺮ ﮔﺮور ﺑﺎ ﯾ‬

‫ﺻﻮرت ﺑﻬﺘﺮی اﻧﺠﺎم داد‪ .‬ﻫﺮﮔﺎه ﻋﻤﻠ ﺮﻫﺎی ﮔﺮور را ‪ T‬ﺑﺎر روی ﺣﺎﻟﺖ اوﻟﯿﻪ اﺛﺮ دﻫﯿﻢ ﺧﻮاﻫﯿﻢ داﺷﺖ ‪:‬‬

‫) ‪ψw (T‬‬ ‫=‬ ‫)‪GT GT −1 G3 G2 G1 ψ(0‬‬

‫=‬ ‫)‪KT Uf KT −1 Uf · · · K3 Uf K2 Uf K1 Uf ψ(0‬‬ ‫)‪(٣٣‬‬

‫ﺷﻮد‪ .‬ﺑﺮای اداﻣﻪ ﮐﺎر اﺣﺘﯿﺎج ﺑﻪ‬ ‫دﻟﯿﻞ اﯾﻦ ﮐﻪ ﺣﺎﻟﺖ ﺳﻤﺖ ﭼﭗ را ﺑﺎ ) ‪ ψw (T‬ﻧﺸﺎن داده اﯾﻢ اﯾﻦ اﺳﺖ ﮐﻪ اﯾﻦ ﺣﺎﻟﺖ ﻗﺮار اﺳﺖ ﺑﻪ ﺣﺎﻟﺖ ‪ w‬ﻧﺰدﯾ‬

‫ﭼﻨﺪ ﻟﻢ و ﻗﻀﯿﻪ اﺣﺘﯿﺎج دارﯾﻢ‪.‬‬

‫‪ n‬ﻗﻀﯿﻪ‪ :‬ﻗﺮار ﻣ دﻫﯿﻢ‬

‫‪ψ(T ) := KT KT −1 · · · K2 K1 ψ(0).‬‬ ‫)‪(٣۴‬‬

‫اﯾﻦ ﺣﺎﻟﺖ ﺣﺎﻟﺘ اﺳﺖ ﮐﻪ ﺑﻌﺪ از ‪ T‬ﺑﺎ ر ﻋﻤﻞ اﭘﺮاﺗﻮرﻫﺎی ‪ Ki‬ﺑﺪﺳﺖ ﻣ آﯾﺪ ﺑﺪون اﯾﻦ ﮐﻪ در ﻫﯿﭻ ﻣﺮﺣﻠﻪ ای ﺗﺎﺑﻊ ‪ Uf‬ﻓﺮاﺧﻮاﻧ ﺷﺪه ﺑﺎﺷﺪ‪.‬‬

‫ﻣ ﺧﻮاﻫﯿﻢ ﺛﺎﺑﺖ ﮐﻨﯿﻢ ﮐﻪ‬

‫‪(T −1‬‬ ‫‪)2‬‬
‫∑‬
‫‪∥ ψw (T ) − ψ(T ) ∥2 ≤ 4‬‬ ‫|⟩)‪|⟨w|ψ(t‬‬ ‫‪.‬‬ ‫)‪(٣۵‬‬
‫‪t=0‬‬

‫ﺑﻪ ﻋﺒﺎرت دﯾ ﺮ دارﯾﻢ‪:‬‬

‫∥ )‪∥ ψw (1) − ψ(1‬‬ ‫|⟩)‪≤ 2|⟨w|ψ(0‬‬

‫(‬ ‫)‬
‫|⟩)‪∥ ψw (2) − ψ(2) ∥ ≤ 2 |⟨w|ψ(0)⟩| + |⟨w|ψ(1‬‬
‫(‬ ‫)‬
‫|⟩)‪∥ ψw (3) − ψ(3) ∥ ≤ 2 |⟨w|ψ(0)⟩| + |⟨w|ψ(1)⟩| + |⟨w|ψ(2‬‬

‫···‬ ‫···‬ ‫)‪(٣۶‬‬

‫‪١۴‬‬
 ‫ﻧﻈﻢ ﮐﻠ دﺳﺖ ﭘﯿﺪاﮐﻨﯿﻢ‪.‬‬ ‫‪ n‬اﺛﺒﺎت‪ :‬ﺑﺮای ﻓﻬﻢ اﯾﻦ ﻗﻀﯿﻪ ﮐﺎﻓ اﺳﺖ ﮐﻪ ﭼﻨﺪ ﺣﺎﻟﺖ ﺳﺎده را ﺑﺮرﺳ ﮐﻨﯿﻢ ﺗﺎ ﺑﻪ ﯾ‬

‫ﺑﻪ ازای ‪ T = 1‬دارﯾﻢ ‪:‬‬

‫‪∥ ψw (1) − ψ(1) ∥=∥ K1 Uf ψ(0) − K1 ψ(0) ∥=∥ (Uf − I)ψ(0) ∥=∥ 2|w⟩⟨w|ψ(0)⟩ ∥= 2|⟨w|ψ(0)⟩|,‬‬ ‫)‪(٣٧‬‬

‫ﮐﻪ درآن از ﯾ ﺎﻧ ﺑﻮدن ﻋﻤﻠ ﺮ ‪ K1‬وﻫﻢ ﭼﻨﯿﻦ ﺗﺴﺎوی |‪ Uf = I − 2|w⟩⟨w‬اﺳﺘﻔﺎده ﮐﺮده اﯾﻢ ‪.‬‬

‫ﺑﻪ ازای ‪ T = 2‬ﺑﺪﺳﺖ ﻣ آورﯾﻢ‪:‬‬

‫‪∥ ψw (2) − ψ(2) ∥=∥ K2 Uf K1 Uf ψ(0) − K2 K1 ψ(0) ∥=∥ Uf K1 Uf ψ(0) − K1 ψ(0) ∥,‬‬ ‫)‪(٣٨‬‬

‫ﮐﻪ در آن از ﯾ ﺎﻧ ﺑﻮدن ‪ K2‬اﺳﺘﻔﺎده ﮐﺮده اﯾﻢ‪.‬‬

‫ﺟﻤﻠﻪ ﻣﻨﺎﺳﺐ ﺑﻪ ﺟﻤﻠﻪ داﺧﻞ ∥ ∥ اﺿﺎﻓﻪ و ﮐﻢ ﻣ ﮐﻨﯿﻢ و از ﻧﺎﻣﺴﺎوی ∥ ‪ ∥ a + b ∥≤∥ a ∥ + ∥ b‬اﺳﺘﻔﺎده ﮐﺮده و ﺑﺪﺳﺖ ﻣ‬ ‫ﺣﺎل ﯾ‬

‫آورﯾﻢ‪:‬‬

‫‪∥ ψw (2) − ψ(2) ∥≤∥ Uf K1 Uf ψ(0) − Uf K1 ψ(0) ∥ + ∥ Uf K1 ψ(0) − K1 ψ(0) ∥ .‬‬ ‫)‪(٣٩‬‬

‫ﻋﻤﻠ ﺮ ﯾ ﺎﻧ ﻧﺮم ﺑﺮدارﻫﺎ را ﺗﻐﯿﯿﺮ ﻧﻤ دﻫﺪ اﺳﺘﻔﺎده ﻣ ﮐﻨﯿﻢ‬ ‫ﺣﺎل در ﻃﺮف راﺳﺖ اﯾﻦ ﻧﺎﻣﺴﺎوی از ﯾ ﺎﻧ ﺑﻮدن ‪ Uf‬و ‪ Uf K1‬و اﯾﻨﮑﻪ ﯾ‬

‫و ﺑﺪﺳﺖ ﻣ آورﯾﻢ‬

‫∥ )‪∥ ψw (2) − ψ(2‬‬ ‫≤‬ ‫∥ )‪∥ Uf ψ(0) − ψ(0) ∥ + ∥ Uf K1 ψ(0) − K1 ψ(0‬‬

‫=‬ ‫‪∥ (Uf − I)ψ(0) ∥ + ∥ (Uf − I)K1 ψ(0) ∥ .‬‬ ‫)‪(۴٠‬‬

‫ﺣﺎل از اﯾﻦ ﮐﻪ |‪ Uf − I = −2|w⟩⟨w‬اﺳﺘﻔﺎده ﮐﺮده و ﻧﺎﻣﺴﺎوی ﺑﺎﻻ را ﺑﻪ ﺷ ﻞ زﯾﺮ ﻣ ﻧﻮﯾﺴﯿﻢ‪:‬‬

‫≤ ∥ )‪∥ ψw (2) − ψ(2‬‬ ‫∥ ⟩)‪2 ∥ |w⟩⟨w|ψ(0)⟩ ∥ +2 ∥ |w⟩⟨w|K1 |ψ(0‬‬

‫=‬ ‫|⟩)‪2|⟨w|ψ(0)⟩| + 2|⟨w|ψ(1‬‬ ‫)‪(۴١‬‬

‫ﺑﺎﺗﮑﺮاراﯾﻦ اﺳﺘﺪﻻل ﺑﺮای ‪ T‬دﻟﺨﻮاه راﺑﻄﻪ )‪ (٣۵‬ﺛﺎﺑﺖ ﻣ ﺷﻮد‪.‬‬

‫‪ n‬ﺗﻤﺮﯾﻦ‪ :‬ﻧﺎﻣﺴﺎوی )‪ (٣۵‬را ﺑﺮای ‪ T = 3‬ﺛﺎﺑﺖ ﮐﻨﯿﺪ‪.‬‬

‫ﺣﺎل ﺑﻪ ﻟﻢ زﯾﺮ ﺗﻮﺟﻪ ﻣ ﮐﻨﯿﻢ‪:‬‬

‫‪١۵‬‬
 ‫‪ n‬ﻟﻢ ‪ :١‬ﻫﺮﮔﺎه ‪ a1‬ﺗﺎ ‪ aN‬اﻋﺪاد ﺣﻘﯿﻘ ﺑﺎﺷﻨﺪ آﻧﮕﺎه‬

‫‪(a1 + a2 + · · · aN )2 ≤ N (a21 + a22 + · · · a2N ).‬‬ ‫)‪(۴٢‬‬

‫اﺛﺒﺎت‪ :‬اﯾﻦ ﻧﺎﻣﺴﺎوی ﭼﯿﺰی ﻧﯿﺴﺖ ﺟﺰ ﻧﺎﻣﺴﺎوی ﮐﻮﺷ ﺷﻮارﺗﺰ ﺑﺮای دو ﺑﺮدار ) ‪ u = (a1 , a2 , · · · aN‬و )‪.v = (1, 1, · · · 1‬‬

‫ﺑﺎ اﺳﺘﻔﺎده از اﯾﻦ ﻟﻢ ﻣ ﺗﻮاﻧﯿﻢ ﻧﺎﻣﺴﺎوی )‪ (٣۵‬را ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﻨﻮﯾﺴﯿﻢ‪:‬‬

‫‪(T −1‬‬ ‫)‬

‫∑‬
‫‪∥ ψw (T ) − ψ(T ) ∥ ≤ 4T‬‬
‫‪2‬‬
‫|⟩)‪|⟨w|ψw (t‬‬ ‫‪2‬‬
‫‪.‬‬ ‫)‪(۴٣‬‬
‫‪t=0‬‬

‫دﻗﺖ ﮐﻨﯿﺪ ﮐﻪ ﻧﺎﻣﺴﺎوی )‪ (۴۴‬ﻗﺮار اﺳﺖ ﺑﺮای ﻫﺮ ﮐﺪام از ‪ w‬ﻫﺎ ﺑﻪ ﻃﻮر ﺟﺪاﮔﺎﻧﻪ ﺑﺮﻗﺮار ﺑﺎﺷﺪ ﺑﻪ اﯾﻦ ﻣﻌﻨ ﮐﻪ ﻣﻤ ﻦ اﺳﺖ داده ﻣﻮرد ﻧﻈﺮ ﮐﻪ در‬

‫ﭘﺎﯾﻪ ﮐﺎﻣﻞ ﺗﺸ ﯿﻞ ﻣ دﻫﻨﺪ ﺑﻨﺎﺑﺮاﯾﻦ ﻣ‬ ‫ﺟﺴﺘﺠﻮی آن ﻫﺴﺘﯿﻢ ﻫﺮ ﮐﺪام از ﺣﺎﻟﺖ ﻫﺎی ⟩‪ |1‬ﺗﺎ ⟩ ‪ |N‬ﺑﺎﺷﺪ ‪ .‬اﯾﻦ ﺣﺎﻟﺖ ﻫﺎ ﻫﻤﻪ ﺑﺮﻫﻢ ﻋﻤﻮد ﺑﻮده و ﯾ‬

‫ﺗﻮاﻧﯿﻢ ﻃﺮﻓﯿﻦ راﺑﻄﻪ )‪ (۴۴‬را روی ‪ w‬ﻫﺎ ﺟﻤ ﺑﺰﻧﯿﻢ و ﺑﺪﺳﺖ آورﯾﻢ‪:‬‬

‫∑‬ ‫‪−1‬‬
‫∑‪∑ T‬‬
‫‪∥ ψw (T ) − ψ(T ) ∥2‬‬ ‫‪≤ 4T‬‬ ‫‪|⟨w|ψ(t)⟩|2‬‬
‫‪w‬‬ ‫‪w‬‬ ‫‪t=0‬‬
‫∑‬
‫∑ ‪T‬‬ ‫∑‬
‫‪T‬‬ ‫∑‬
‫‪T‬‬ ‫‪−1‬‬
‫‪= 4T‬‬ ‫‪|⟨w|ψ(t)⟩|2 = 4T‬‬ ‫= ⟩)‪⟨ψ(t)|ψ(t‬‬ ‫‪1 = 4T 2‬‬ ‫)‪(۴۴‬‬
‫‪t=0 w‬‬ ‫‪t=0‬‬ ‫‪t=0‬‬

‫ﺑﻨﺎﺑﺮاﯾﻦ ﺗﺎ ﮐﻨﻮن ﺑﺪﺳﺖ آورده اﯾﻢ ﮐﻪ‬

‫∑‬
‫‪∥ ψw (T ) − ψ(T ) ∥2 ≤ 4T 2 .‬‬ ‫)‪(۴۵‬‬
‫‪w‬‬
‫√‬
‫ﺑﻘﯿﻪ اﺳﺘﺪﻻل اﯾﻦ اﺳﺖ ﮐﻪ ﻧﺸﺎن دﻫﯿﻢ ﻃﺮف ﭼﭗ ﻧﺎﻣﺴﺎوی ﺑﺎﻻ از ‪ 2N − 2 N‬ﺑﺰرگ ﺗﺮ اﺳﺖ ﮐﻪ ﺑﻪ ﻣﻌﻨﺎی آن اﺳﺖ ﮐﻪ ﺗﻌﺪاد دﻓﻌﺎت ﺧﻮاﻧﺪن‬

‫ﺗﺎﺑﻊ ﯾﻌﻨ ‪ T‬ﺣﺘﻤﺎ در ﻧﺎﻣﺴﺎوی زﯾﺮ ﺻﺪق ﻣ ﮐﻨﺪ‬

‫√‬
‫‪2N − 2 N ≤ 4T 2 .‬‬ ‫)‪(۴۶‬‬

‫√‬
‫اﺳﺖ ﺑﺪﺳﺖ ﻣ آورﯾﻢ ﮐﻪ‬ ‫در ﻣﻘﺎﺑﻞ ‪ N‬ﮐﻮﭼ‬ ‫اﯾﻦ ﻫﻤﺎن ﭼﯿﺰی اﺳﺖ ﮐﻪ ﻣ ﺧﻮاﺳﺘﯿﻢ ﺑﻪ آن ﺑﺮﺳﯿﻢ ‪ .‬در واﻗ در ﺣﺪ ‪ N‬ﻫﺎی ﺑﺰرگ ﮐﻪ ‪N‬‬
‫√‬
‫‪N‬‬
‫‪≤ T.‬‬
‫‪2‬‬

‫‪١۶‬‬
‫ﺗﻤﺮﯾﻦ ﺳﺎده در ﺟﺒﺮ ﺧﻄ ﮐﻪ در ﭘﺎﯾﺎن‬ ‫ﺑﻪ اﯾﻦ ﺗﺮﺗﯿﺐ ﺑﺎﻗ ﻣ ﻣﺎﻧﺪ ﮐﻪ ﻧﺎﻣﺴﺎی ﻗﻮل داده ﺷﺪه را ﺛﺎﺑﺖ ﮐﻨﯿﻢ‪ .‬اﯾﻦ ﻧﺎﻣﺴﺎوی ﭼﯿﺰی ﻧﯿﺴﺖ ﺟﺰ ﯾ‬

‫ﺑﻪ آن ﻣ ﭘﺮدازﯾﻢ‪.‬‬

‫ﻣﺠﻤﻮﻋﻪ ﺑﺮدار ﻫﺎی ﻣﺘﻌﺎﻣﺪ ﯾ ﻪ ﻣﺜﻞ }⟩ ‪ {|u1 ⟩, |u2 ⟩, · · · |uN‬داﺷﺘﻪ ﺑﺎﺷﯿﻢ آﻧﮕﺎه ﺑﻪ ازای ﻫﺮﺑﺮدارﯾ ﻪ دﯾ ﺮ ﻣﺜﻞ ⟩ ‪|Y‬‬ ‫‪ n‬ﻟﻢ ‪ :٢‬ﻫﺮﮔﺎه ﯾ‬

‫ﻧﺎﻣﺴﺎوی زﯾﺮ ﺑﺮﻗﺮاراﺳﺖ ‪:‬‬

‫∑‬
‫‪N‬‬
‫√‬
‫‪⟨ui |Y ⟩ + ⟨Y |ui ⟩ ≤ 2 N .‬‬ ‫)‪(۴٧‬‬
‫‪i=1‬‬

‫‪ n‬اﺛﺒﺎت‪ :‬ﮐﺎﻓ اﺳﺖ ﮐﻪ ﺑﺮدارﯾ ﻪ زﯾﺮ را ﺗﻌﺮﯾﻒ ﮐﻨﯿﻢ‪:‬‬

‫‪1‬‬
‫‪|s⟩ := √ (|u1 ⟩ + |u2 ⟩ + · · · |uN ⟩),‬‬ ‫)‪(۴٨‬‬
‫‪N‬‬

‫وﻧﺎﻣﺴﺎوی ﮐﻮﺷ ﺷﻮارﺗﺰ را ﺑﺮای اﯾﻦ ﺑﺮدار و ﺑﺮدار ⟩ ‪ |Y‬ﺑﻨﻮﯾﺴﯿﻢ‪ .‬ﺑﺪﺳﺖ ﻣ آورﯾﻢ‬

‫√‬
‫≤ |⟩ ‪|⟨Y |u1 ⟩ + ⟨Y |u2 ⟩ + · · · ⟨Y |uN‬‬ ‫‪N.‬‬ ‫)‪(۴٩‬‬

‫اﻣﺎﻣ داﻧﯿﻢ ﮐﻪ ﺑﺮای ﻫﺮ ﻋﺪد ﻣﺨﺘﻠﻂ ِ ‪a‬‬

‫‪a + a∗ = 2 Re(a) ≤ 2|a|,‬‬ ‫)‪(۵٠‬‬

‫ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺎ ﺗﺮﮐﯿﺐ اﯾﻦ ﻧﺎﻣﺴﺎوی ﺑﺎ ﻧﺎﻣﺴﺎوی ﻗﺒﻠ ﯾﻌﻨ )‪ (۴٩‬ﺑﻪ راﺑﻄﻪی ‪ ۴٧‬ﻣ رﺳﯿﻢ‪.‬‬

‫‪ n‬ﺗﻤﺮﯾﻦ‪ :‬از ﺗﺮﮐﯿﺐ اﯾﻦ دو ﻧﺎﻣﺴﺎوی واﻗﻌﺎ ﻧﺸﺎن دﻫﯿﺪ ﮐﻪ راﺑﻄﻪ )‪ (۴٧‬ﺑﺪﺳﺖ ﻣ آﯾﺪ‪ .‬ﺳﭙﺲ ﻧﺸﺎن دﻫﯿﺪ ﮐﻪ اﯾﻦ ﻧﺎﻣﺴﺎوی را ﺑﻪ ﺷ ﻞ زﯾﺮ ﻧﯿﺰ‬

‫ﻣ ﺗﻮان ﻧﻮﺷﺖ‪:‬‬

‫∑‬
‫‪N‬‬
‫√‬
‫‪||ui − Y ||2 ≥ 2N − 2 N .‬‬ ‫)‪(۵١‬‬
‫‪i=1‬‬

‫‪١٧‬‬